-
公开(公告)号：CN112083448B
公开(公告)日：2023-08-15
申请号：CN202010921439.3
申请日：2020-09-04
Applicant: 哈尔滨工程大学 , 中国电子科技集团公司第二十二研究所
Abstract: 本发明属于卫星导航系统抗干扰技术领域，具体涉及一种面向卫星导航系统的干扰信号分类识别特征提取方法及系统。本发明的一种面向卫星导航系统的干扰信号分类识别特征提取方法能够实现六种干扰类型的准确识别，解决了决策树分类方法特征参数过多的问题，同时解决了基于盒维数的分类算法在低JNR情况下识别率低问题，能够提高卫星导航系统的抗干扰性能。本发明提供的一种面向卫星导航系统的干扰信号分类识别特征提取系统通过提取干扰信号的频域Sevcik分形维数D和频谱平坦度Fse两个特征参数，并将它们组合成二位特征矢量，然后通过SVM进行分类识别，有效提高了识别算法的时效性与准确度。
-
公开(公告)号：CN112083448A
公开(公告)日：2020-12-15
申请号：CN202010921439.3
申请日：2020-09-04
Applicant: 哈尔滨工程大学 , 中国电子科技集团公司第二十二研究所
Abstract: 本发明属于卫星导航系统抗干扰技术领域，具体涉及一种面向卫星导航系统的干扰信号分类识别特征提取方法及系统。本发明的一种面向卫星导航系统的干扰信号分类识别特征提取方法能够实现六种干扰类型的准确识别，解决了决策树分类方法特征参数过多的问题，同时解决了基于盒维数的分类算法在低JNR情况下识别率低问题，能够提高卫星导航系统的抗干扰性能。本发明提供的一种面向卫星导航系统的干扰信号分类识别特征提取系统通过提取干扰信号的频域Sevcik分形维数D和频谱平坦度Fse两个特征参数，并将它们组合成二位特征矢量，然后通过SVM进行分类识别，有效提高了识别算法的时效性与准确度。
-
公开(公告)号：CN112689303A
公开(公告)日：2021-04-20
申请号：CN202011584281.1
申请日：2020-12-28
Applicant: 西安电子科技大学 , 中国电波传播研究所(中国电子科技集团公司第二十二研究所)
Abstract: 本发明属于无线通信技术领域，公开了一种边云协同资源联合分配方法、系统及应用，将确定好的任务卸载部分转发至选中的协助用户设备；采用协作通信的方式，由协助用户设备将任务卸载部分转发至边缘服务器，此时为了保证边缘服务的解码成功率，卸载用户设备以频分多址接入方式同时将任务卸载部分发送至边缘服务器；边缘服务器将卸载的任务进一步拆分至云服务器。本发明采用边云协同技术，通过用户设备协助的方式，实现为用户提供计算卸载服务的目的。在边云协同的背景下，为需要计算卸载的用户选择合适的协助设备、优化卸载任务量及通信资源，保证不同业务的时延及能耗指标要求，实现用户计算任务高效卸载至边缘云甚至是云的目标。
-
公开(公告)号：CN106500690A
公开(公告)日：2017-03-15
申请号：CN201610842408.2
申请日：2016-09-22
Applicant: 中国电子科技集团公司第二十二研究所 , 北京天地方元科技有限公司
CPC classification number: G01C21/165 , G01C21/206
Abstract: 本发明公开了一种基于多模态融合的室内自主定位方法，所述的方法包括如下步骤（：1）用户航迹推断（；2）用户航迹校准。本发明还公开了一种基于多模态融合的室内自主定位装置。本发明所公开的基于多模态融合的室内自主定位方法和装置，基于地磁轨迹匹配以及室内特征点，对航迹推断结果进行校准，消除了累积误差，有效提高室内自主定位精度。从而达到在不依赖于外部环境部署、不需要前期训练工作的情况下，或者说紧急情况下，即可实现用户的精确定位和导航。
-
公开(公告)号：CN118843116B
公开(公告)日：2025-03-11
申请号：CN202410308595.0
申请日：2024-03-18
Applicant: 中国电波传播研究所(中国电子科技集团公司第二十二研究所)
IPC: H04W12/79 , G06F18/24 , G06F18/214 , G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于自适应指纹特征融合的多源异构辐射源个体识别方法，包括如下步骤：步骤1，使用USRP采集不同位置不同模态的无线电信号，包括原始射频信号、解OFDM循环码后的信号以及信道均衡后的信号；步骤2，使用三条并行支路的一维或二维卷积层、池化层以及全连接层分别对三种不同的信号提取对应的射频指纹；步骤3，使用基于注意力机制的特征融合模块对上一步提取的三种射频指纹进行融合；步骤4，使用一个全连接网络分类器对融合后的射频指纹特征进行分类。本发明所公开的方法，考虑到了现实场景中来自于多种不同传感器的数据，克服了多源异构数据利用率低的问题。
-
Patent Agency Ranking
公开(公告)号：CN111212108B
公开(公告)日：2021-08-06
申请号：CN201911271403.9
申请日：2019-12-12
Applicant: 中国电波传播研究所(中国电子科技集团公司第二十二研究所) , 西安电子科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种基于非正交多址接入和移动边缘计算多用户并行迁移方法，用户根据当前信道质量，与传输范围内的最佳移动边缘计算服务器关联；各用户根据能耗优化结果，确定队列中首个计算任务的拆分比率，计算本地部分；各用户将计算迁移部分同时向各自最佳移动边缘计算服务器传输；各服务器在收到用户计算任务迁移的传输信号后，利用串行干扰消除技术逐次解码各迁移计算任务；各服务器开始逐次执行解码成功的迁移部分计算任务；各服务器完成所有迁移部分的计算任务后，向对应用户反馈计算结果；反馈结果与本地计算结果合并，得出最终计算结果。本发明可以大大提升系统的计算能力，降低多用户的计算等待时延和能耗。
-
公开(公告)号：CN106500690B
公开(公告)日：2019-07-09
申请号：CN201610842408.2
申请日：2016-09-22
Applicant: 中国电子科技集团公司第二十二研究所 , 北京天地方元科技有限公司
Abstract: 本发明公开了一种基于多模态融合的室内自主定位方法，所述的方法包括如下步骤：（1）用户航迹推断；（2）用户航迹校准。本发明还公开了一种基于多模态融合的室内自主定位装置。本发明所公开的基于多模态融合的室内自主定位方法和装置，基于地磁轨迹匹配以及室内特征点，对航迹推断结果进行校准，消除了累积误差，有效提高室内自主定位精度。从而达到在不依赖于外部环境部署、不需要前期训练工作的情况下，或者说紧急情况下，即可实现用户的精确定位和导航。
-
公开(公告)号：CN108134639A
公开(公告)日：2018-06-08
申请号：CN201711323036.3
申请日：2017-12-12
Applicant: 中国电波传播研究所(中国电子科技集团公司第二十二研究所)
IPC: H04B17/382
CPC classification number: H04B17/382
Abstract: 本发明公开了一种基于频谱监测数据的定频信号整编方法，其特征在于，包括如下步骤：（1）制定辐射源电磁信号特征库；（2）信号特征相似度分析；（3）信号综合相似度分析；（4）人工参与信号整编。本发明所公开的基于频谱监测数据的定频信号整编方法，通过对周边电磁信号的监测，并配合周边无线用频资源，基于目标电磁信号特征整编，实现对目标平台的认知与识别，是构建空间电磁态势的有效手段，可为无线电管理的用频筹划、用频管控提供数据支持。
-
公开(公告)号：CN118843116A
公开(公告)日：2024-10-25
申请号：CN202410308595.0
申请日：2024-03-18
Applicant: 中国电波传播研究所(中国电子科技集团公司第二十二研究所)
IPC: H04W12/79 , G06F18/24 , G06F18/214 , G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于自适应指纹特征融合的多源异构辐射源个体识别方法，包括如下步骤：步骤1，使用USRP采集不同位置不同模态的无线电信号，包括原始射频信号、解OFDM循环码后的信号以及信道均衡后的信号；步骤2，使用三条并行支路的一维或二维卷积层、池化层以及全连接层分别对三种不同的信号提取对应的射频指纹；步骤3，使用基于注意力机制的特征融合模块对上一步提取的三种射频指纹进行融合；步骤4，使用一个全连接网络分类器对融合后的射频指纹特征进行分类。本发明所公开的方法，考虑到了现实场景中来自于多种不同传感器的数据，克服了多源异构数据利用率低的问题。
-
公开(公告)号：CN118427745A
公开(公告)日：2024-08-02
申请号：CN202410308597.X
申请日：2024-03-18
Applicant: 中国电波传播研究所(中国电子科技集团公司第二十二研究所)
IPC: G06F18/2433 , G06F18/15 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/084 , G06N5/022 , H04L27/00 , G06N3/048
Abstract: 本发明公开了一种基于自适应信号特征嵌入知识图谱的自动调制分类方法，包括如下步骤：步骤1，对场景中采集到的高速频谱仪和实时射频记录仪的I/Q信号进行特征提取：步骤2，提取信号样本的实体、属性和关系组成三元组；步骤3，使用复数卷积神经网络CVCNN搭建分类框架；步骤4，选择网络的优化器为自适应矩估计优化器Adam；步骤5，构建基于自适应信号特征嵌入知识图谱的自动调制分类模型并进行网络训练。本发明所公开的方法，通过AFC块中的Attention机制得到每个特征的最佳权重，实现最佳特征组合，解决了传统机器学习方法无法保证最佳特征组合的问题。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.052 seconds)
