-
公开(公告)号：CN114118131B
公开(公告)日：2025-03-25
申请号：CN202111148113.2
申请日：2021-09-29
Applicant: 北京交通大学
IPC: G06F18/241 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种基于注意力机制的多特征融合无线设备射频指纹提取方法包括，步骤1：提取无线发射机由于载波频率偏移、非线性和频率响应失真三种不同硬件缺陷所造成的信号特征，得到三个维度的射频指纹；步骤2：使用单维特征提取模块分别提取载波频率偏移特征、非线性特征和频率响应失真特征，得到三种单维射频指纹提取特征；步骤3：对三种单维射频指纹提取特征使用多特征融合模块进行处理得到多特征融合的射频指纹；步骤4：对多特征融合的射频指纹，通过全连接层得到对无线设备的分类，完成神经网络的训练；步骤5：基于步骤1提取待识别的信号特征，得到射频指纹，使用训练完成的神经网络对射频指纹进行识别，完成对无线发射机的分类。
-
公开(公告)号：CN114118131A
公开(公告)日：2022-03-01
申请号：CN202111148113.2
申请日：2021-09-29
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于注意力机制的多特征融合无线设备射频指纹提取方法包括，步骤1：提取无线发射机由于载波频率偏移、非线性和频率响应失真三种不同硬件缺陷所造成的信号特征，得到三个维度的射频指纹；步骤2：使用单维特征提取模块分别提取载波频率偏移特征、非线性特征和频率响应失真特征，得到三种单维射频指纹提取特征；步骤3：对三种单维射频指纹提取特征使用多特征融合模块进行处理得到多特征融合的射频指纹；步骤4：对多特征融合的射频指纹，通过全连接层得到对无线设备的分类，完成神经网络的训练；步骤5：基于步骤1提取待识别的信号特征，得到射频指纹，使用训练完成的神经网络对射频指纹进行识别，完成对无线发射机的分类。
-
公开(公告)号：CN111163460A
公开(公告)日：2020-05-15
申请号：CN201911317866.4
申请日：2019-12-19
Applicant: 北京交通大学
IPC: H04W12/00
Abstract: 本发明涉及一种基于多重间隔差分星座轨迹图的射频指纹提取方法,具体包括如下步骤：步骤1：对接收基带I/Q信号预处理；步骤2：对I路和Q路采样后的信号使用延迟器分别控制延迟；步骤3：使用不同的采样点间隔进行差分处理；步骤4：将不同的采样点间隔差分星座轨迹图进行特征融合；步骤5：识别设备。本发明所获得的多重间隔差分星座轨迹图保持了各个差分星座轨迹图所具有的特征，信息量更为丰富，能够更好地展示不同设备的载波偏移的差异。同时可以提升对环境的鲁棒性，即使在低信噪比环境下也可以更好地完成无线设备身份的识别。并且多重差分间隔提取射频指纹特征在达到丰富可用特征的同时简化射频指纹提取的计算复杂度。
-
Patent Agency Ranking
公开(公告)号：CN113794515B
公开(公告)日：2022-10-21
申请号：CN202110906991.X
申请日：2021-08-09
Applicant: 北京交通大学
IPC: H04B10/116 , H04B10/516 , H04B10/588 , H04L25/02 , G06N3/04 , G06N3/08
Abstract: 本发明属于可见光通信技术领域，涉及一种基于LSTM的可见光通信系统非线性抑制方法，包括：获得信号发射机的输入‑输出响应曲线和理想的线性放大响应特性曲线；由输入得到理想输出；选L个LSTM网络单元构成LSTM预失真网络；生成随机输入，得到理想线性输出；截取连续L长的输入信号构成输入信号样本，和理想线性输出信号构成训练样本；训练LSTM预失真网络；获得训练好的LSTM预失真网络，并与可见光通信系统中带记忆效应和非线性效应的模块级联，实现对可见光通信系统中非线性的抑制。本申请在不增加接收机复杂度下，明显提升接收信号效果；利用LSTM预失真网络的记忆效应抑制非线性效应和记忆效应。
-
公开(公告)号：CN113794515A
公开(公告)日：2021-12-14
申请号：CN202110906991.X
申请日：2021-08-09
Applicant: 北京交通大学
IPC: H04B10/116 , H04B10/516 , H04B10/588 , H04L25/02 , G06N3/04 , G06N3/08
Abstract: 本发明属于可见光通信技术领域，涉及一种基于LSTM的可见光通信系统非线性抑制方法，包括：获得信号发射机的输入‑输出响应曲线和理想的线性放大响应特性曲线；由输入得到理想输出；选L个LSTM网络单元构成LSTM预失真网络；生成随机输入，得到理想线性输出；截取连续L长的输入信号构成输入信号样本，和理想线性输出信号构成训练样本；训练LSTM预失真网络；获得训练好的LSTM预失真网络，并与可见光通信系统中带记忆效应和非线性效应的模块级联，实现对可见光通信系统中非线性的抑制。本申请在不增加接收机复杂度下，明显提升接收信号效果；利用LSTM预失真网络的记忆效应抑制非线性效应和记忆效应。
-
公开(公告)号：CN110991574B
公开(公告)日：2021-05-25
申请号：CN201911080688.8
申请日：2019-11-07
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于RFID的现场工具智能监管系统，包括任务组织发布模块和现场工具监管模块；所述任务组织发布模块用于为所述现场工具智能监管系统提供数据支持；所述现场工具监管模块用于工具的实时监测和丢失提醒；所述任务组织发布模块包括服务器和配置在服务器上的数据库管理系统。本发明能辅助作业人员更加专注于任务本身，而工具的取用、清点等工作全部交由计算机来完成，出错率更低。由计算机自动进行工区内的工具清点而非作业人员的反复确认，仅当出现疑似工具丢失事件发生时，系统向作业人员进行警报提醒，及时寻回丢失工具，可有效防止工具在作业过程中遗落丢失，并提醒作业人员及时找回，避免工具遗失对作业区域造成的安全隐患。
-
公开(公告)号：CN111163460B
公开(公告)日：2021-04-09
申请号：CN201911317866.4
申请日：2019-12-19
Applicant: 北京交通大学
IPC: H04W12/06
Abstract: 本发明涉及一种基于多重间隔差分星座轨迹图的射频指纹提取方法,具体包括如下步骤：步骤1：对接收基带I/Q信号预处理；步骤2：对I路和Q路采样后的信号使用延迟器分别控制延迟；步骤3：使用不同的采样点间隔进行差分处理；步骤4：将不同的采样点间隔差分星座轨迹图进行特征融合；步骤5：识别设备。本发明所获得的多重间隔差分星座轨迹图保持了各个差分星座轨迹图所具有的特征，信息量更为丰富，能够更好地展示不同设备的载波偏移的差异。同时可以提升对环境的鲁棒性，即使在低信噪比环境下也可以更好地完成无线设备身份的识别。并且多重差分间隔提取射频指纹特征在达到丰富可用特征的同时简化射频指纹提取的计算复杂度。
-
公开(公告)号：CN110991574A
公开(公告)日：2020-04-10
申请号：CN201911080688.8
申请日：2019-11-07
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于RFID的现场工具智能监管系统，包括任务组织发布模块和现场工具监管模块；所述任务组织发布模块用于为所述现场工具智能监管系统提供数据支持；所述现场工具监管模块用于工具的实时监测和丢失提醒；所述任务组织发布模块包括服务器和配置在服务器上的数据库管理系统。本发明能辅助作业人员更加专注于任务本身，而工具的取用、清点等工作全部交由计算机来完成，出错率更低。由计算机自动进行工区内的工具清点而非作业人员的反复确认，仅当出现疑似工具丢失事件发生时，系统向作业人员进行警报提醒，及时寻回丢失工具，可有效防止工具在作业过程中遗落丢失，并提醒作业人员及时找回，避免工具遗失对作业区域造成的安全隐患。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
