-
公开(公告)号：CN112911597A
公开(公告)日：2021-06-04
申请号：CN202110330439.0
申请日：2021-03-24
Applicant: 上海电机学院
Abstract: 本发明公开了一种基于射频信号精细画像的物联网物理层多级特征提取方法，其包括：进行一级信号多层次特征提取与画像表示，从多层次来刻画不同类别、型号、批次的个体信号精细特征，构成一级画像；对于具有二级信号特征的个体设备，根据待识别信号的可分类程度，将信号的多属性特征利用深度学习进行智能融合，更全面的描述信号的多维度基因融合特征，构成二级画像；根据基于融合特征的等势星球图的方法，将多维向量特征转换为多维彩色图像，结合深度学习算法的智能感知方法，对不同图像特征进行多信度智能融合，增加射频信号样本间特征差异的信息量，构成三级精细画像。本发明可提取信号的多层次、多维度、多粒度的精细画像特征。
-
公开(公告)号：CN112312457B
公开(公告)日：2023-07-21
申请号：CN202011184054.X
申请日：2020-10-29
Applicant: 上海电机学院
IPC: H04W24/08 , H04B17/00 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F18/241
Abstract: 本发明公开了一种基于复数深度残差网络的通信辐射源个体识别方法，所述识别方法包括：通信辐射源个体发出稳态射频基带信号，所述稳态射频基带信号包括I/Q两路信号；接收机除去所述稳态射频基带信号中的噪声段数据后对所述稳态射频基带信号进行信号采集，获取所述通信辐射源个体的射频指纹；将所述射频指纹输入复数深度残差网络进行识别；获取对所述通信辐射源个体的识别结果。将通信辐射源个体的射频指纹特征提取与识别过程融合，建立了适用于无线通信的深度学习模型，大大提高了通信辐射源个体识别准确率；即使不对接收机的载波频率偏差和相位偏差进行估计和补偿，也可以实现高准确率的通信辐射源个体识别精度。
-
公开(公告)号：CN112311480B
公开(公告)日：2023-03-14
申请号：CN202011184067.7
申请日：2020-10-29
Applicant: 上海电机学院
Abstract: 本发明公开了一种通信辐射源个体识别方法，所述识别方法包括：通信辐射源个体发出瞬态信号；接收机对所述瞬态信号进行突变点检测和信号采集获取瞬态信号片段；将所述瞬态信号片段进行希尔伯特变换获取所述瞬态信号片段的瞬态包络；将所述瞬态包络进行三维熵特征提取获取所述通信辐射源个体的射频指纹；将所述射频指纹输入分类器进行识别并获取识别结果。本发明可以有效提高基于瞬态信号的指纹识别技术对相似度极高的通信辐射源个体的识别准确率。
-
公开(公告)号：CN112312457A
公开(公告)日：2021-02-02
申请号：CN202011184054.X
申请日：2020-10-29
Applicant: 上海电机学院
Abstract: 本发明公开了一种基于复数深度残差网络的通信辐射源个体识别方法，所述识别方法包括：通信辐射源个体发出稳态射频基带信号，所述稳态射频基带信号包括I/Q两路信号；接收机除去所述稳态射频基带信号中的噪声段数据后对所述稳态射频基带信号进行信号采集，获取所述通信辐射源个体的射频指纹；将所述射频指纹输入复数深度残差网络进行识别；获取对所述通信辐射源个体的识别结果。将通信辐射源个体的射频指纹特征提取与识别过程融合，建立了适用于无线通信的深度学习模型，大大提高了通信辐射源个体识别准确率；即使不对接收机的载波频率偏差和相位偏差进行估计和补偿，也可以实现高准确率的通信辐射源个体识别精度。
-
公开(公告)号：CN112311480A
公开(公告)日：2021-02-02
申请号：CN202011184067.7
申请日：2020-10-29
Applicant: 上海电机学院
Abstract: 本发明公开了一种通信辐射源个体识别方法，所述识别方法包括：通信辐射源个体发出瞬态信号；接收机对所述瞬态信号进行突变点检测和信号采集获取瞬态信号片段；将所述瞬态信号片段进行希尔伯特变换获取所述瞬态信号片段的瞬态包络；将所述瞬态包络进行三维熵特征提取获取所述通信辐射源个体的射频指纹；将所述射频指纹输入分类器进行识别并获取识别结果。本发明可以有效提高基于瞬态信号的指纹识别技术对相似度极高的通信辐射源个体的识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN109165545A
公开(公告)日：2019-01-08
申请号：CN201810734013.X
申请日：2018-07-05
Applicant: 上海电机学院
IPC: G06K9/00
Abstract: 本发明提出了一种新的基于分形维数的信号特征提取方法，其特征在于，分别提取信号的盒维数、Higuchi分形维数、Katz分形维数及改进盒维数。本发明为了提高特征提取算法对噪声的抗干扰能力，提出了一种新的基于盒维数的调制信号特征提取算法，提出两个新的参量：峰度调和参数和调和平均盒维数，并与传统盒维数、Higuchi分形维数、Katz分形维数，共同构成四维分形维数特征向量，进而实现对信号的多维分形特征提取。本发明计算简单，可以对复杂的调制信号进行识别，这为分形维数在信号识别领域的应用提供了一定的理论依据。
-
公开(公告)号：CN119198106A
公开(公告)日：2024-12-27
申请号：CN202411287815.2
申请日：2024-09-14
Applicant: 上海电机学院 , 中国联合重型燃气轮机技术有限公司
IPC: G01M15/14 , G01D21/02 , G06N3/0464
Abstract: 本发明涉及一种重型燃气轮机排气系统堵塞严重程度量化检测方法及系统，该方法包括以下步骤：获取待检测重型燃气轮机排气系统实时的环境条件参数和控制条件参数；将所述环境条件参数和控制条件参数输入预先训练好的排气系统压差预测模型中，输出所述待检测重型燃气轮机排气系统的理论健康压差；基于所述理论健康压差，设计所述待检测重型燃气轮机排气系统的健康特征参数，并将所述健康特征参数用于表征管路堵塞状况的量化指标，完成堵塞严重程度量化检测过程。与现有技术相比，本发明具有量化复杂工况下重型燃气轮机排气系统堵塞严重程度等优点。
-
公开(公告)号：CN118861577A
公开(公告)日：2024-10-29
申请号：CN202411069739.8
申请日：2024-08-06
Applicant: 上海电机学院 , 中国联合重型燃气轮机技术有限公司
IPC: G06F18/20 , G06F18/213 , G06F17/18 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种重型燃气轮机燃烧室故障智能量化检测方法，方法包括以下步骤：S1、针对燃气轮机初始化神经网络；S2、将燃气轮机健康时的历史气路可测参数输入初始化后的神经网络进行训练，得到透平排气温度平均值预测模型；S3、将待测燃气轮机的实际气路可测参数输入透平排气温度平均值预测模型，得到透平排气温度平均值的理论健康值；S4、基于透平排气温度平均值的理论健康值和待测燃气轮机的透平排气温度平均值的实测值计算待测燃气轮机的健康特征参数，基于健康特征参数确定待测燃气轮机的故障程度。与现有技术相比，本发明具有更好地检测重型燃气轮机燃烧室故障等优点。
-
公开(公告)号：CN113343874A
公开(公告)日：2021-09-03
申请号：CN202110677691.9
申请日：2021-06-18
Applicant: 上海电机学院
Abstract: 本发明提供一种基于深度卷积神经网络的大规模无线电信号识别方法，包括步骤：S1：通过接收机对通信辐射源个体的射频基带信号进行采集，获得I/Q基带信号；S2：截取I/Q基带信号的稳态信号片段作为通信辐射源个体的射频指纹；S3：将射频指纹按照4:1的比例分为一训练样本和一测试样本；S4：建立一深度卷积神经网络并利用训练样本和测试样本对深度卷积神经网络进行训练；S5：利用训练后的深度卷积神经网络对射频指纹进行识别。本发明的一种基于深度卷积神经网络的大规模无线电信号识别方法，可阻止设备克隆、重放攻击和用户身份假冒等问题的发生，准确地识别和认证物联对象，并可提高识别准确率和可靠性。
-
公开(公告)号：CN110705387A
公开(公告)日：2020-01-17
申请号：CN201910870583.6
申请日：2019-09-16
Applicant: 上海电机学院
IPC: G06K9/00
Abstract: 本发明公开了一种基于云模型的通信信号特征提取方法及信号识别方法，该通信信号特征提取方法包括以下步骤：S1.从待提取信号中选取M个样本片段，并获得各样本片段的频域序列{Si(f)}，其中：M为大于1的正整数，i为小于等于M的正整数；S2.选取两个参考序列，计算每个样本片段的频域序列{Si(f)}对应的Holder系数特征H，得到Holder系数云；S3.计算Holder系数云的数字特征，所述数字特征包括期望Exn、特征熵Enn以及超熵Hen，得到所述待提取信号的Holder云模型特征。在传统的Holder特征提取算法的基础上，结合云模型对提取的Holder特征云团进一步进行特征提取，通过两次特征提取，可以达到低信噪比下对通信信号的特征进行有效提取，从而达到识别通信信号的目的。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.019 seconds)
