-
公开(公告)号：CN110868222B
公开(公告)日：2023-12-15
申请号：CN201911203029.9
申请日：2019-11-29
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: H03M7/30
Abstract: 测效率和检错性能，对数据压缩误码检测技术具本发明属于数据压缩存储技术领域，特别涉 有重要的指导意义。及一种LZSS压缩数据误码检测方法及装置，针对待检测的LZSS压缩数据，获取压缩数据单元结构，无损数据压缩过程中前视窗口和搜索窗口两者长度，及码字(d,l)中d和l的二进制编码长度，d为搜索窗口中匹配字符串的起始位置到搜索窗口结束位置的距离，l为搜索到的最长匹配字符串的长度；依据前视窗口、搜索窗口、码字中二进制编码及压缩数据单元结构，对压缩数据错误编码进行检测。本发明直接从压缩数据中获取的单元结构及窗口码字长度，不添加任何的附加位完
-
公开(公告)号：CN110601821B
公开(公告)日：2022-03-01
申请号：CN201910724444.2
申请日：2019-08-07
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于通信安全技术领域，特别涉及一种OFDM通信信号物理层加密方法及装置，该方法包含：通过通信信号发送端密钥生成模块进行混沌相位序列初值的逐符号切换；结合改进型Logistic混沌映射和Chebyshev混沌映射生成动态复合混沌序列，并对复合混沌序列进行非线性扰动，得到用于加密的混沌序列；将混沌序列映射到OFDM旋转相位向量完成物理层加密。本发明通过混沌序列初值的逐符号切换，然后结合改进型Logistic混沌映射和Chebyshev混沌映射生成复合混沌序列，通过非线性扰动提升序列随机性，充分利用混沌映射的初值敏感性，进一步增大破译难度，且相比传统混沌相位加密方案，运算量有较大幅度的减少，提升加密混沌性能的同时还极大强化了通信安全性能，具有较好的应用价值。
-
公开(公告)号：CN110601821A
公开(公告)日：2019-12-20
申请号：CN201910724444.2
申请日：2019-08-07
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于通信安全技术领域，特别涉及一种OFDM通信信号物理层加密方法及装置，该方法包含：通过通信信号发送端密钥生成模块进行混沌相位序列初值的逐符号切换；结合改进型Logistic混沌映射和Chebyshev混沌映射生成动态复合混沌序列，并对复合混沌序列进行非线性扰动，得到用于加密的混沌序列；将混沌序列映射到OFDM旋转相位向量完成物理层加密。本发明通过混沌序列初值的逐符号切换，然后结合改进型Logistic混沌映射和Chebyshev混沌映射生成复合混沌序列，通过非线性扰动提升序列随机性，充分利用混沌映射的初值敏感性，进一步增大破译难度，且相比传统混沌相位加密方案，运算量有较大幅度的减少，提升加密混沌性能的同时还极大强化了通信安全性能，具有较好的应用价值。
-
公开(公告)号：CN110048977A
公开(公告)日：2019-07-23
申请号：CN201910190935.3
申请日：2019-03-14
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: H04L27/00
Abstract: 本发明属于无线通信信号处理技术领域，特别涉及一种基于灰度共生矩阵纹理特征检测的短波信号体制识别方法及装置，该方法包含：获取目标短波信号中用于反映信号谱图纹理特征的灰度共生矩阵；提取灰度共生矩阵统计特征，并依据该统计特征及预先设置的各信号调制类型下的判决门限，识别出目标短波信号的调制体制。本发明结合灰度共生矩阵的统计特征分析短波谱图纹理特征，进行调制识别；在灰度谱图基础上进行特征提取和调制分类，对实际信号进行调制类型识别结果；解决现有技术中短波信号识别准确率低、计算复杂、计算量大等问题，在短波信号调制自动识别中具有可行性，对于无线通信中短波信号识别技术具有重要的指导意义。
-
公开(公告)号：CN116248456A
公开(公告)日：2023-06-09
申请号：CN202211105745.5
申请日：2022-09-09
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于通信信号处理技术领域，特别涉及一种复杂信道条件下GMSK信号接收解调方法及系统，首先，接收信道传输的调制信号，并对信号进行匹配滤波处理；然后，对匹配滤波处理后的信号进行参数估计和信号同步，并基于不同带宽周期BT值的GMSK信号眼图特征来判决复杂信道条件下GMSK信号解调信号，其中，眼图特征为：I/Q路中一路达到最佳抽样时刻时，另一路取值存在离散性分布，且离散性随BT值大小进行变动。本发明能够实现混叠有较强带内干扰的复杂信道条件下传输的GMSK信号的接收解调，便于复杂信道场景中的应用。
-
Patent Agency Ranking
公开(公告)号：CN113687296B
公开(公告)日：2023-05-16
申请号：CN202110780405.1
申请日：2021-07-09
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G01S3/14
Abstract: 本发明公开一种基于阵列信号数值计算的水下目标辐射噪声相干信源测向方法，首先通过非实时计算，预先存储线谱分量在不同相干信源波达方向组合下的阵列信号的生成矩阵和转换矩阵；然后通过盖氏圆信源估计方法和常规波束形成方法，分别实时估计水下目标辐射噪声中的相干信源数目和波达方向分布范围，确定相干信源波达方向的备选组合；最后依据波达方向备选组合，搜索预先存储的生成矩阵和转换矩阵，实时求解相干信源与阵列信号模型误差，将模型误差最小时的波达方向组合确定为最优解，并将最优模型系数作为相干信源强度。本发明能够克服多途影响，实时并精确计算水下目标辐射噪声的相干信源波达方向，对阵元安装误差和噪声观测误差具有良好包容性。
-
公开(公告)号：CN109379311B
公开(公告)日：2021-08-17
申请号：CN201811159958.X
申请日：2018-09-30
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于无线电信号识别技术领域，特别涉及一种基于卷积神经网络的超短波特定信号识别方法，包含：对样本库中特定信号进行短时傅里叶变换，获取信号时频图谱，其中，特定信号为信号传输数据帧结构中包含帧同步码的信号；使用时频图谱对卷积神经网络模型进行训练；利用训练后的卷积神经网络模型对超短波通信中特定信号进行识别。本发明首先分析特定信号在时频谱图上呈现的视觉特性，并通过卷积神经网络模型进行训练，实现超短波特定信号的识别，提高信号识别率；最后通过仿真实验，有效降低超短波信道上混叠干扰的影响，实现低信噪比下超短波特定信号识别，并且能通过优化网络结构和增加网络层数来提高抗干扰性能，具有较强的实际应用价值。
-
公开(公告)号：CN109684995A
公开(公告)日：2019-04-26
申请号：CN201811575557.2
申请日：2018-12-22
Applicant: 中国人民解放军战略支援部队信息工程大学
CPC classification number: G06K9/00536 , G06K9/38 , G06N3/0454 , G06N3/08
Abstract: 本发明属于辐射源识别技术领域，特别涉及一种基于深度残差网络的特定辐射源识别方法及装置，该方法包含：对接收信号进行时频分析，并将得到的Hilbert时频谱转化为灰度图像；以灰度图像为输入，利用深度残差网络提取反映在图像中的射频指纹特征，获取辐射源的识别结果。本发明针对通信信号非平稳、非线性的特性，将Hilbert时频谱的灰度图像作为信号的表现形式，利用深度残差网络提取辐射源的射频指纹特征，完成分类识别；将深度学习应用于通信信号处理领域，充分发挥其强大的自学习能力，克服人为认识局限性，提高处理效率；并通过仿真实验验证在复杂通信系统和复杂信道条件下的识别效果均具有很强的鲁棒性，对于辐射源信号识别技术发展具有重要指导意义。
-
公开(公告)号：CN109657604A
公开(公告)日：2019-04-19
申请号：CN201811541779.2
申请日：2018-12-17
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于卫星通信信号处理技术领域，特别涉及一种基于循环神经网络的卫星幅相信号识别解调方法及装置，该方法包含：针对训练样本集和测试样本集，构建调制识别与解调网络模型，利用训练样本集对网络模型进行训练，并利用测试样本集检验训练后的网络模型收敛程度，将符合预设收敛要求的调制识别与解调网络模型进行保存；接收目标信号，并对该目标信号进行预处理，获取与网络模型输入信号一致的待识别数据；利用保存的调制识别与解调网络模型对待识别数据进行调制识别，并利用调制识别结果进行信号解调，获取信号比特流数据。本发明不需要预估目标信号载噪比，克服传统方法人为确定阈值等的缺陷，对信号频偏误差、定时误差容忍能力强，具有很强的工程应用前景。
-
公开(公告)号：CN114422311B
公开(公告)日：2023-08-18
申请号：CN202210095595.8
申请日：2022-01-26
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: H04L27/00 , G06N3/08 , G06N3/0464 , G06N3/044 , G06F18/243
Abstract: 本发明属于无线电通信领域，特别涉及一种联合深度神经网络和专家先验特征的信号调制识别方法及系统，构建信号调制识别网络模型并利用已知信号调制类别的信号样本数据进行模型训练，其中，模型包含：用于依据特征参数的不同进行类间分类的一级神经网络，及与一级神经网络连接用于针对不同的特征参数类间分类结果通过提取对应子类内部信号特征进行类内分类的二级神经网络，该二级神经网络数量与特征参数类间分类个数一致；依据对信号先验信息依赖程度和区分度选取多个用于信号调制识别的目标信号特征参数，利用已训练的信号调制识别网络模型识别目标信号的调制类别。本发明提高识别准确率，在多径衰落和频偏的影响情形下，保证信号识别效果。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.03 seconds)
