-
公开(公告)号：CN116756637A
公开(公告)日：2023-09-15
申请号：CN202311006207.5
申请日：2023-08-10
Applicant: 暨南大学 , 广州通导信息技术服务有限公司
IPC: G06F18/241 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06F17/16 , G06F18/214 , G06F18/22
Abstract: 本发明公开了一种无线信号智能检测识别方法及计算机可读存储介质，所述方法包括以下步骤：结合标准信号模型，对标准信号模型的数据集中的混合无线电信号进行特征分解，得到近似系数和近似噪声；对近似系数和近似噪声进行生成对抗学习，所述生成对抗学习是分别生成，且联合对抗的；使用训练好的生成器生成的系数和噪声，与标准信号模型结合生成混合无线电信号；将生成的混合无线电信号与准信号模型的数据集结合，放入到无线信号识别模型进行训练，完成训练的无线信号识别模型对混合无线电信号进行识别。该方法将非负矩阵分解（NMF）技术和生成对抗网络（GAN）技术进行结合，对数据集进行增广，从而有效地提高了混合无线电信号识别精度。
-
公开(公告)号：CN116756637B
公开(公告)日：2023-12-05
申请号：CN202311006207.5
申请日：2023-08-10
Applicant: 暨南大学 , 广州通导信息技术服务有限公司
IPC: G06F18/241 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06F17/16 , G06F18/214 , G06F18/22
Abstract: 本发明公开了一种无线信号智能检测识别方法及计算机可读存储介质，所述方法包括以下步骤：结合标准信号模型，对标准信号模型的数据集中的混合无线电信号进行特征分解，得到近似系数和近似噪声；对近似系数和近似噪声进行生成对抗学习，所述生成对抗学习是分别生成，且联合对抗的；使用训练好的生成器生成的系数和噪声，与标准信号模型结合生成混合无线电信号；将生成的混合无线电信号与标准信号模型的数据集结合，放入到无线信号识别模型进行训练，完成训练的无线信号识别模型对混合无线电信号进行识别。该方法将非负矩阵分解(NMF)技术和生成对抗网络(GAN)技术进行结合，对数据
-
公开(公告)号：CN116760674B
公开(公告)日：2023-11-24
申请号：CN202311011742.X
申请日：2023-08-11
Applicant: 暨南大学 , 海华电子企业(中国)有限公司
IPC: H04L27/00 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种无线信号调制方式智能监测识别方法及系统，所述方法包括以下步骤：将送入信道后的信号输入到预处理网络，预处理网络将其还原成送入信道前的信号，并传输至分类网络；预处理网络包括顺序连接的编码器、隐藏编码层、解码器；其中，编码器将输入的无线信号压缩到一个低维表示，即所需的编码；隐藏编码层对编码器的输出进行非线性变换完成隐藏；解码器将隐藏层的编码进行解码；分类网络输出识别结果。本发明通过深度学习的方式实现对低信噪比信号输入的调制方式识别，同时相较于常规采用的数字滤波器的设计而言，本发明通过预处理网络实现信号重建，预处理网络的设计过程较为简单方便，部署方便简单，降低硬件的成本的与成本。
-
公开(公告)号：CN116760674A
公开(公告)日：2023-09-15
申请号：CN202311011742.X
申请日：2023-08-11
Applicant: 暨南大学 , 海华电子企业(中国)有限公司
IPC: H04L27/00 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种无线信号调制方式智能监测识别方法及系统，所述方法包括以下步骤：将送入信道后的信号输入到预处理网络，预处理网络将其还原成送入信道前的信号，并传输至分类网络；预处理网络包括顺序连接的编码器、隐藏编码层、解码器；其中，编码器将输入的无线信号压缩到一个低维表示，即所需的编码；隐藏编码层对编码器的输出进行非线性变换完成隐藏；解码器将隐藏层的编码进行解码；分类网络输出识别结果。本发明通过深度学习的方式实现对低信噪比信号输入的调制方式识别，同时相较于常规采用的数字滤波器的设计而言，本发明通过预处理网络实现信号重建，预处理网络的设计过程较为简单方便，部署方便简单，降低硬件的成本的与成本。
-
-
-
Search Results
4
records
(took 0.031 seconds)
