-
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：CN110503354B
公开(公告)日：2021-11-23
申请号：CN201910591425.7
申请日：2019-07-02
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于深度学习的RFID标签位置估计方法，包括CNN网络模型训练方法以及基于深度学习的RFID标签位置估计算法使用方法：CNN网络模型训练方法包括：S11，输入训练数据集；S12，进行数据预处理操作；S13，构建并训练CNN网络模型；S14，输出CNN网络模型的参数；基于深度学习的RFID标签位置估计算法使用方法包括：S21，输入实际采样数据；S22，对输入的实际采样数据进行预处理操作；S23，利用网络模型进行位置估计；S24，利用CNN网络模型对RFID标签位置估计结果。本发明能识别出RFID标签在传送带上的相对位置，实现对多个标签先后次序的准确估计，为自动分拣提供可靠的信息。
-
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：CN108650006B
公开(公告)日：2020-09-08
申请号：CN201810485402.3
申请日：2018-05-21
Applicant: 北京交通大学
IPC: H04B7/0452 , H04B7/0426 , H04L25/02 , H04L25/03
Abstract: 本发明涉及一种基于大规模MIMO的非正交多址接入方法，包括以下步骤：步骤1：确定最优解调顺序，步骤2：确定用户的接收功率，步骤3：确定用户的最优发射功率，步骤4：确定数据帧结构：接入同一基站的不同用户遵循相同的上行链路帧结构同步发送，用户所使用的时隙长度不超过无线信道的相干时间；步骤5：导频选择方式：用户获得导频的方式为各个用户独立的从给定导频集合里面随机选择自己所使用的导频；步骤6：在步骤4和步骤5的基础上，多个用户终端以最优发射功率发送信号给基站，基站接收到信号后，借助大规模MIMO的信道硬化能力，仅在天线端对多用户的复合信道进行估计，并利用串行干扰消除技术，最终完成全部用户信号的恢复。
-
公开(公告)号：CN110503354A
公开(公告)日：2019-11-26
申请号：CN201910591425.7
申请日：2019-07-02
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于深度学习的RFID标签位置估计方法，包括CNN网络模型训练方法以及基于深度学习的RFID标签位置估计算法使用方法：CNN网络模型训练方法包括：S11，输入训练数据集；S12，进行数据预处理操作；S13，构建并训练CNN网络模型；S14，输出CNN网络模型的参数；基于深度学习的RFID标签位置估计算法使用方法包括：S21，输入实际采样数据；S22，对输入的实际采样数据进行预处理操作；S23，利用网络模型进行位置估计；S24，利用CNN网络模型对RFID标签位置估计结果。本发明能识别出RFID标签在传送带上的相对位置，实现对多个标签先后次序的准确估计，为自动分拣提供可靠的信息。
-
公开(公告)号：CN108650006A
公开(公告)日：2018-10-12
申请号：CN201810485402.3
申请日：2018-05-21
Applicant: 北京交通大学
IPC: H04B7/0452 , H04B7/0426 , H04L25/02 , H04L25/03
Abstract: 本发明涉及一种基于大规模MIMO的非正交多址接入方法，包括以下步骤：步骤1：确定最优解调顺序，步骤2：确定用户的接收功率，步骤3：确定用户的最优发射功率，步骤4：确定数据帧结构：接入同一基站的不同用户遵循相同的上行链路帧结构同步发送，用户所使用的时隙长度不超过无线信道的相干时间；步骤5：导频选择方式：用户获得导频的方式为各个用户独立的从给定导频集合里面随机选择自己所使用的导频；步骤6：在步骤4和步骤5的基础上，多个用户终端以最优发射功率发送信号给基站，基站接收到信号后，借助大规模MIMO的信道硬化能力，仅在天线端对多用户的复合信道进行估计，并利用串行干扰消除技术，最终完成全部用户信号的恢复。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
