基于神经网络的信号参数估计方法、装置、介质及设备

    公开(公告)号:CN117596100A

    公开(公告)日:2024-02-23

    申请号:CN202311361390.0

    申请日:2023-10-19

    Abstract: 本申请公开了一种基于神经网络的信号参数估计方法、装置、介质及设备,属于通信技术领域。方法包括:获取预先训练的神经网络模型和待估计的复数调制信号,神经网络模型至少包括卷积模块、卷积注意力模块、时间卷积网络模块和全连接模块;将复数调制信号的实部和虚部组成二维矩阵;利用卷积模块、卷积注意力模块中的通道注意力机制和空间注意力机制、时间卷积网络模块中的膨胀因果卷积层对二维矩阵进行处理,得到特征矩阵;利用全连接模块中的第一分支对特征矩阵进行处理,得到调制类型参数;利用全连接模块中的第二分支对特征矩阵进行处理,得到码元速率参数。本申请能同步进行调制类型估计和码元速率估计,节省了系统开销,提升了网络性能。

    无线信号的自动调制识别方法、装置、存储介质及设备

    公开(公告)号:CN114548201A

    公开(公告)日:2022-05-27

    申请号:CN202111348246.4

    申请日:2021-11-15

    Abstract: 本申请公开了一种无线信号的自动调制识别方法、装置、存储介质及设备,属于通信技术领域。所述方法包括:将样本集输入创建的神经网络模型中,样本集中的样本中包括无线信号、信噪比、信道信息和实际调制类型;对于每个样本,利用第一卷积层对样本进行特征提取和降维;利用密集跳连机制对得到的第一特征图生成不同分辨率的特征图并进行融合,利用压缩激励机制在每个通道上对融合后的特征图进行乘法加权,得到在通道维数上进行校准的第二特征图;利用第二卷积层对第二特征图进行降维;利用全连接层对得到的第三特征图进行分类,得到预测调制类型;根据预测调制类型和实际调制类型调整模型参数。本申请可以获得准确的信号相幅信息。

    调制信号的降噪方法、装置、存储介质及设备

    公开(公告)号:CN114118145A

    公开(公告)日:2022-03-01

    申请号:CN202111350291.3

    申请日:2021-11-15

    Abstract: 本申请公开了一种调制信号的降噪方法、装置、存储介质及设备,属于深度学习和通信技术领域。所述方法包括:获取样本集每个样本中包括无噪声调制信号和带噪声调制信号;将样本集输入创建的降噪模型中;对于每个样本,利用降噪模型中的第一卷积层对带噪声调制信号进行特征提取;利用编码块对提取到的特征图进行基于通道注意力机制的编码;利用解码块对编码后的特征图进行基于通道注意力机制的解码;利用第二卷积层对解码后的特征图进行卷积,得到降噪调制信号;根据降噪调制信号和无噪声调制信号调整降噪模型的模型参数,得到训练好的降噪模型,编码块和解码块中都包括改进的压缩激励结构。本申请可以降低高阶调制的误码率,提升调制识别准确率。

    一种基于卷积神经网络的白蜡窄吉丁识别方法和装置

    公开(公告)号:CN116189709A

    公开(公告)日:2023-05-30

    申请号:CN202310020894.X

    申请日:2023-01-06

    Abstract: 本发明公开了一种基于卷积神经网络的白蜡窄吉丁识别方法和装置,涉及信号处理技术领域。该方法的一具体实施方式包括:基于压电陶瓷传感器采集样本树木段中白蜡窄吉丁的振动信号,得到振动音频;其中,压电陶瓷传感器的探头嵌入样本树木段中;基于所述压电陶瓷传感器采集噪声信号,得到噪声音频;按照预设的切割长度分别切割振动音频和噪声音频,得到振动音频片段和噪声音频片段;混合振动音频片段和噪声音频片段,得到混合音频片段;对噪声音频片段进行特征提取,得到噪声特征图谱;对混合音频片段进行特征提取,得到混合特征图谱;基于噪声特征图谱和混合特征图谱,训练卷积神经网络;基于训练好的卷积神经网络,识别目标树木中是否存在白蜡窄吉丁。该实施方式能够提高白蜡窄吉丁的识别准确度。

    基于深度学习的多模态融合无线信号自动调制识别方法

    公开(公告)号:CN116070136A

    公开(公告)日:2023-05-05

    申请号:CN202310086164.X

    申请日:2023-01-29

    Abstract: 本发明公开了基于深度学习的多模态融合无线信号自动调制识别方法,属于通信技术领域;首先,选取公开数据集作为信道输入数据,并按照调制类型进行合并,作为一组时域I/Q数据;然后,对每组时域I/Q数据分别制作一张星座图,按照信噪比进行数据和对应星座图的切割,形成训练集;接着,构建基于时域I/Q数据和星座图数据的多模态融合神经网络模型,并输入训练集进行迭代,调整学习率直至网络模型达到稳定;最后,将新采集的待识别的无线电信号,输入训练好的多模态融合神经网络模型中,自动输出该无线信号的调制识别类型。本发明能够更充分的提取信号在时域与对应星座图上的融合特征,以优化因下采样带来的信息损失,从而获得更加准确的信号相幅信息。

    调制信号的降噪方法、装置、存储介质及设备

    公开(公告)号:CN114118145B

    公开(公告)日:2023-04-07

    申请号:CN202111350291.3

    申请日:2021-11-15

    Abstract: 本申请公开了一种调制信号的降噪方法、装置、存储介质及设备,属于深度学习和通信技术领域。所述方法包括:获取样本集每个样本中包括无噪声调制信号和带噪声调制信号;将样本集输入创建的降噪模型中;对于每个样本,利用降噪模型中的第一卷积层对带噪声调制信号进行特征提取;利用编码块对提取到的特征图进行基于通道注意力机制的编码;利用解码块对编码后的特征图进行基于通道注意力机制的解码;利用第二卷积层对解码后的特征图进行卷积,得到降噪调制信号;根据降噪调制信号和无噪声调制信号调整降噪模型的模型参数,得到训练好的降噪模型,编码块和解码块中都包括改进的压缩激励结构。本申请可以降低高阶调制的误码率,提升调制识别准确率。

    周长变化物体的周长连续测量方法和装置

    公开(公告)号:CN104482837A

    公开(公告)日:2015-04-01

    申请号:CN201410790539.1

    申请日:2014-12-18

    Abstract: 本发明涉树木胸径的连续、实时且自动测量方法和装置。所述装置包括齿条和固定在树木上的数码盘。测量齿条设置在树木上能够对其周长测量的位置上,齿条可以随被测物体的周长的伸长而伸长,还可以随被测物体的周长的减小而减小。测量尺主体采用基本无朔性变形的材料制成。所述齿条的齿为柔性齿,所述齿条设置在被测树木的胸径测量位置,并围绕树木,一端固定另一端浮动,浮动端有足够长度的处于悬空状态的多出齿条。数码盘带有计数齿轮,借助于计数齿轮的齿数来计算所述齿条移动的长度,从而计算出树木的胸径的变化。数码盘上装有两条导电滑轨,所述数码盘上的导电滑轨为断续的同心环结构,所述导电触片的触点与所述导电滑轨接触。

    无线信号的自动调制识别方法、装置、存储介质及设备

    公开(公告)号:CN114548201B

    公开(公告)日:2023-04-07

    申请号:CN202111348246.4

    申请日:2021-11-15

    Abstract: 本申请公开了一种无线信号的自动调制识别方法、装置、存储介质及设备,属于通信技术领域。所述方法包括:将样本集输入创建的神经网络模型中,样本集中的样本中包括无线信号、信噪比、信道信息和实际调制类型;对于每个样本,利用第一卷积层对样本进行特征提取和降维;利用密集跳连机制对得到的第一特征图生成不同分辨率的特征图并进行融合,利用压缩激励机制在每个通道上对融合后的特征图进行乘法加权,得到在通道维数上进行校准的第二特征图;利用第二卷积层对第二特征图进行降维;利用全连接层对得到的第三特征图进行分类,得到预测调制类型;根据预测调制类型和实际调制类型调整模型参数。本申请可以获得准确的信号相幅信息。

Patent Agency Ranking