-
公开(公告)号：CN114358115A
公开(公告)日：2022-04-15
申请号：CN202111396928.2
申请日：2021-11-23
Applicant: 北京邮电大学
Abstract: 本申请提供一种通信信号自动调制识别方法、装置、电子设备及存储介质。该方法包括：获取信号数据集，将信号数据集划分为支持数据集和测试数据集；基于支持数据集和测试数据集组成测试组；将测试组依次输入经过预训练的第一神经网络和第二神经网络，输出测试数据集中每条信号数据对应的第一调制模式类别。省去了大量训练数据的需求，能大幅度提升在少信号样本数据条件下的调制模式类别识别性能，降低对训练数据的量的依赖，达到与大量信号样本数据集条件下的同等分类性能。
-
公开(公告)号：CN113067653B
公开(公告)日：2022-01-14
申请号：CN202110286742.5
申请日：2021-03-17
Applicant: 北京邮电大学
IPC: H04B17/382
Abstract: 本发明实施例提供了一种频谱感知方法、装置、电子设备及介质，涉及频谱感知技术领域。该方法包括：对指定频段上的第一信号进行采样，获取第一信号数据；将第一信号数据输入频谱感知模型，并获取频谱感知模型输出的分类结果；频谱感知模型为采用样本训练集对深度学习网络进行训练得到的模型，其中，样本训练集包括原始训练集和拓展训练集，原始训练集包括主用户在指定频段上产生的信号数据以及指定频段上的噪声信号数据，拓展训练集包括生成对抗网络基于原始训练集包括的信号数据生成的信号数据；根据频谱感知模型的分类结果确定指定频段上当前是否存在主用户的信号。可以提高频谱感知的准确度。
-
公开(公告)号：CN112329692B
公开(公告)日：2022-01-11
申请号：CN202011286824.1
申请日：2020-11-17
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种有限样本条件下跨场景人体行为无线感知方法及装置，获取源域对应的预先训练得到的源模型；其中，源域为用于获取非有限的源样本感知数据的无线信号场景；源模型为利用多个所述源样本感知数据训练得到的人体行为无线感知模型；基于所述源模型以及有限的目标样本感知数据，以最小化输出差异为训练目标，对与所述源域属于不同场景的目标域对应的人体行为无线感知模型进行训练；其中，输出差异为进行训练的模型的输出与所述目标样本感知数据中相应的人体行为标签之间的差异值；当训练目标达成时，获得目标模型，并利用目标模型对所述目标域进行人体行为感知。本方案可以提高人体行为无线感知的跨场景迁移能力。
-
公开(公告)号：CN112364851B
公开(公告)日：2021-11-02
申请号：CN202110039426.8
申请日：2021-01-13
Applicant: 北京邮电大学
Abstract: 本申请中一个或多个实施例提供一种自动调制识别方法、装置、电子设备及存储介质，包括：获取待测信号样本、真实有样本类别数据和语义向量；获取生成对抗网络模型；将零样本类别语义向量输入生成对抗网络模型以生成零样本类别数据；获取分类器模型；将待测信号样本输入分类器模型以得到识别结果。本申请通过利用有样本类别语义向量训练生成对抗网络模型，从而通过生成对抗网络模型生成零样本类别数据，以解决部分调制信号没有样本的问题，在得到了分类性能优越的分类器模型的同时，通过生成对抗网络模型生成零样本类别数据，达到减少收集训练数据的难度的目的。
-
公开(公告)号：CN113067653A
公开(公告)日：2021-07-02
申请号：CN202110286742.5
申请日：2021-03-17
Applicant: 北京邮电大学
IPC: H04B17/382
Abstract: 本发明实施例提供了一种频谱感知方法、装置、电子设备及介质，涉及频谱感知技术领域。该方法包括：对指定频段上的第一信号进行采样，获取第一信号数据；将第一信号数据输入频谱感知模型，并获取频谱感知模型输出的分类结果；频谱感知模型为采用样本训练集对深度学习网络进行训练得到的模型，其中，样本训练集包括原始训练集和拓展训练集，原始训练集包括主用户在指定频段上产生的信号数据以及指定频段上的噪声信号数据，拓展训练集包括生成对抗网络基于原始训练集包括的信号数据生成的信号数据；根据频谱感知模型的分类结果确定指定频段上当前是否存在主用户的信号。可以提高频谱感知的准确度。
-
Patent Agency Ranking
公开(公告)号：CN113050436A
公开(公告)日：2021-06-29
申请号：CN202110184788.6
申请日：2021-02-10
Applicant: 北京邮电大学 , 北京佰辰科技有限公司
IPC: G05B15/02 , G05B19/418
Abstract: 本发明实施例提供的一种基于私有区块链的智能家居控制系统，应用于智能家居技术领域，包括：移动终端、家居控制端；移动终端，用于获取用户的命令指令；对命令指令进行加密，并将加密后命令指令发送至家居控制端；家居控制端，用于接收加密后命令指令；通过私有区块链将加密后命令指令发送至目标家居控制节点，以使目标家居控制节点对加密后命令指令进行解密，并将解密得到的命令指令发送至对应的家居设备。通过家居控制端通过私有区块链将加密后命令指令发送至目标家居控制节点，以使目标家居控制节点对加密后命令指令进行解密，并发送至对应的家居设备，以使家居设备执行该指令，从而提高智能家居控制系统防风险能力。
-
公开(公告)号：CN113449587B
公开(公告)日：2023-04-18
申请号：CN202110481401.3
申请日：2021-04-30
Applicant: 北京邮电大学
IPC: G06V40/20 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0442
Abstract: 本发明实施例提供了一种人体行为识别和身份认证方法、装置和电子设备，涉及无线感技术领域，其中，一种人体行为识别和身份认证方法，包括：获取手势识别感知数据，手势识别感知数据是信道状态信息CSI感知数据；对手势识别感知数据进行预处理，得到预处理后的手势识别感知数据；对预处理后的手势识别感知数据进行时频变换，得到手势识别感知数据对应的时频图，时频图用于反映人体手势引起的信号波动信息；将时频图输入预先训练好的多任务模型，通过多任务模型输出手势识别结果以及身份认证结果。通过本发明实施例提供的人体行为识别和身份认证方法、装置和电子设备，能够提高行为识别的准确度和身份认证的准确度。
-
公开(公告)号：CN114325679A
公开(公告)日：2022-04-12
申请号：CN202111229414.8
申请日：2021-10-21
Abstract: 本申请提供一种基于时延多普勒域信号处理的感知通信一体化方法，通过雷达端和目标端实现，所述方法，包括：步骤1：雷达端根据通过步骤4得到的目标端的位置信息和时延多普勒域的信道参数构建时延多普勒域的ISAC波形；步骤2：雷达端发送时延多普勒域的ISAC波形；步骤3：目标端接收时延多普勒域的ISAC波形，并进行时延多普勒域的信道估计和信号检测；步骤4：雷达端接收目标端反射的回波，根据回波对目标端进行定位得到目标端的位置信息，并得到时延多普勒域的信道参数。本申请将雷达端得到的时延多普勒域的信道信息直接用于基于时延多普勒域的信号设计，降低了实现感知通信一体化技术的复杂度，并提高了通信可靠度。
-
公开(公告)号：CN114915429B
公开(公告)日：2022-10-11
申请号：CN202210844397.7
申请日：2022-07-19
Applicant: 北京邮电大学
Abstract: 本发明涉及一种通信感知计算一体化网络分布式可信感知方法及系统，涉及无线感知技术领域，首先将全局模型和初始全局参数传输至各个边缘节点，各边缘节点控制本地数据根据进行本地训练，得到本地模型参数，再通过对应的矿工将本地模型参数广播出去，然后对每个本地模型参数赋予权重计算出全局参数，通过聚合迭代的方式更新全局参数，由于本发明利用各分布式边缘节点的算力资源和数据资源进行分别计算，从而节省了整体的通信和计算资源，同时本发明仅使得各边缘节点数据集参与训练，将训练得到的本地模型参数进行广播和后续计算，从而使得各边缘节点的原始数据集不相互暴露，保证了数据安全，有效解决了隐私泄露和数据安全风险的问题。
-
公开(公告)号：CN112954586B
公开(公告)日：2022-09-09
申请号：CN202110126537.2
申请日：2021-01-29
Applicant: 北京邮电大学
IPC: H04W4/02 , H04W4/021 , H04W12/122 , H04W24/08 , H04B17/345 , G01S19/21 , G01S19/37
Abstract: 本说明书实施例提供一种欺骗干扰源定位方法、电子设备及存储介质，所述方法包括：从目标干扰区域的多个接收机中筛选出多个接收终端，获取多个所述接收终端的接收信号信息与位置信息；根据干扰源数量采用相应的干扰源定位算法，利用所述干扰源定位算法根据所述接收信号信息与所述位置信息确定干扰源位置；设置验证终端，利用所述验证终端确定所述干扰源位置处的期望干扰功率并获取所述干扰源位置处的估计干扰功率，对比所述期望干扰功率与所述估计干扰功率以确定所述目标干扰区域中是否存在欺骗干扰攻击；若存在欺骗干扰攻击，将所述目标区域中的所述干扰源位置上报。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.033 seconds)
