公开(公告)号：CN119483807A

公开(公告)日：2025-02-18

申请号：CN202411637058.7

申请日：2024-11-15

Applicant: 南京邮电大学

Inventor： 田峰 ,  刘正松 ,  邵紫凌 ,  陆男 ,  李嘉欣

IPC: H04K3/00 ,  G06N3/02

Abstract: 本发明涉及无线通信技术领域，公开了面向OFDM通信信号的DNN辅助干扰功率分配方法，包括：发射机将处理后的信号由天线进行发射到接收机；干扰机对衰落信道进行信息采集并传输给智能体，智能体将管理功率分配结果通过控制链路传送给干扰机，以使干扰机进行相应的干扰发射；接收机接收到发射机发射的信号后进行信号数据处理并输出；接收机对不同干扰功率分配方案下的干扰效果进行比较，完成干扰性能评估，关闭USRP系统服务。本发明针对OFDM信号的子载波之间的分配功率策略进行优化，引入深度神经网络DNN，针对最佳功率分配方案进行训练学习，实现性能逼近最佳功率分配的同时，大大缩短了计算时间，增强了干扰功率分配响应速度。

公开(公告)号：CN116996350A

公开(公告)日：2023-11-03

申请号：CN202310955769.8

申请日：2023-08-01

Applicant: 南京邮电大学

Inventor： 田峰 ,  彭乙轩 ,  刘正松

IPC: H04L27/00 ,  G06N3/045 ,  G06N3/047 ,  G06N3/084

Abstract: 基于USRP平台的深度学习调制信号识别方法，在上位机进行LabVIEW图形化编程，实现可切换多种调制信号的收发系统；接收机进行接收并记录一系列调制信号样本，对调制信号进行特征提取；运用传统决策树方式进行调制信号识别。然后进行全连接神经网络训练，将特征向量输入到全连接神经网络模型中进行训练；训练完成后，对训练好的深度学习模型进行测试和验证。将训练好的调制信号识别模块部署到实际应用场景中，用于接收机的调制识别。通过基于USRP软件无线电搭建的通信测试环境，验证了基于深度学习的信号调制识别技术能够很好的解决无线通信中调制信号识别问题。

公开(公告)号：CN116996160A

公开(公告)日：2023-11-03

申请号：CN202310955760.7

申请日：2023-08-01

Applicant: 南京邮电大学

Inventor： 田峰 ,  刘正松 ,  彭乙轩

IPC: H04K3/00 ,  G06N3/0475 ,  G06N3/094 ,  G06F18/10 ,  G06F18/24

Abstract: 基于USRP的调制信号干扰生成方法，发射机生成工作频率、调制方式、调制参数可变的调制信号；干扰机进行通信侦察，分析信号所在信道、调制方式、发射功率，将采集到的信号信息制作成训练集，随后输入到GAN网络进行训练后输出干扰波形，用此干扰波形进行干扰发射；同时，在接收机进行对应的数字解调；将GAN网络生成的干扰波形与单音干扰和射频噪声干扰进行干扰效果对比，实验证明，本发明相比传统的干扰方式具有更好的干扰效果和更好的灵活性，能更有效地对目标信号的通信过程进行压制和破坏，达到了干扰发射机和接收机之间通信的目的。