-
公开(公告)号：CN116665659A
公开(公告)日：2023-08-29
申请号：CN202310606682.X
申请日：2023-05-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于Swin‑Trasformer的语音语义通信传输方法，本发明包括以下步骤：1.对语音信号进行数据预处理；2.将预处理后的语音信号通过语义编码器，自动提取语音信号中的语义信号；3.将语义信号通过物理信道以模拟现实生活中的噪声干扰；4.将带有噪声干扰的语义信号通过语义解码器；将带有噪声的信号分别经过卷积层和Transformer‑basedDecoder层，重新构建其浅层特征和深层特征，最后经过KeepfeatLayer实现多重维度语义信息的融合；5.对经过语义解码器的信号进行信号重建，以恢复出原始的语音信号。本发明以时域信号直接作为系统输入，减少了计算的成本，这对于注重时时传输的智能通信系统来说是极为重要的。
-
公开(公告)号：CN115496115B
公开(公告)日：2023-05-19
申请号：CN202211456173.5
申请日：2022-11-21
Applicant: 杭州电子科技大学
IPC: G06F18/241 , G06F18/214 , G06F18/22 , G06N3/0464 , G06N3/08
Abstract: 本方案公开了一种基于矢量空间分离的持续电磁信号分类方法，包括，使用无线电信号作为训练卷积神经网络的样本数据；进行第一个任务训练得到训练后的卷积神经网络；当新任务到来时，在原有卷积神经网络模型上增加新的全连接层，与旧的全连接层进行拼接输出；新任务训练过程中，基于余弦相似度控制新旧任务在矢量空间的距离，并使用L2正则化平衡新旧任务权重的大小，同时使用交叉熵损失函数区分新类与旧类；新任务训练结束后得到新的卷积神经网络。本方案引入一种相似度损失函数，并在交叉熵损失函数的共同作用下，在矢量空间中，保证新类对旧类的分类和新类之间的区分，来减少新类对旧类的影响并保证新任务的学习。
-
公开(公告)号：CN113824469B
公开(公告)日：2022-10-21
申请号：CN202110896680.X
申请日：2021-08-05
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于MFDRL‑CTDE的跳频组网智能抗干扰决策方法。针对多种干扰并存的复杂电磁环境和跳频异步组网结构，设计了相应的状态‑动作空间和奖赏函数。为应对Agent之间的相互影响和动态的环境，引入集中式训练和分散式执行框架。提出基于模糊推理系统的融合权重分配策略，用于解决网络融合过程中各Agent的权重分配问题。采用竞争性DQN算法和优先经验回放技术以提高算法的效率。本发明方法在收敛速度和最佳性能方面都具有较大优势，且对多变复杂电磁环境具有较好的适应性。
-
公开(公告)号：CN108055666B
公开(公告)日：2020-02-28
申请号：CN201711282963.5
申请日：2017-12-07
Applicant: 杭州电子科技大学
IPC: H04W16/14
Abstract: 本发明公开信息素驱动的分布式协同宽带频谱感知方法。该方法是利用滤波器组将每个节点的宽带信号分割为多个窄带信号的信道，其中宽带信号中含有PU信息，PU信息被随机分割到窄带信号的信道；用一个CU感知一个节点，对某一节点的每个信道的窄带信号采用能量检测，得到该节点每个信道的判决统计量和判决结果；利用CU感知不同节点对应序号的信道两两交互感知信息，根据融合规则调整信息素，直至得到最终融合判决结果。本发明采用多节点协同频谱感知，克服了单个节点由于受到信道衰落等各种因素的影响而得到的感知结果不一定准确的缺陷。
-
公开(公告)号：CN108390735B
公开(公告)日：2020-11-03
申请号：CN201810076826.4
申请日：2018-01-26
Applicant: 杭州电子科技大学
IPC: H04B17/382
Abstract: 本发明公开一种信息素驱动的分布式协同宽带频谱感知方法。该方法是利用滤波器组将每个节点的宽带信号分割为多个窄带信号的信道，其中宽带信号中含有PU信息，PU信息被随机分割到窄带信号的信道；用一个CU感知一个节点，对某一节点的每个信道的窄带信号采用能量检测，得到该节点每个信道的判决统计量和判决结果；利用CU感知所有节点对应序号的子信道两两交互感知信息，最终得到不同节点对应序号子信道的最终融合判决结果。本发明采用多节点协同频谱感知，克服了单个节点由于受到信道衰落等各种因素的影响而得到的感知结果不一定准确的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN116840776A
公开(公告)日：2023-10-03
申请号：CN202310831010.9
申请日：2023-07-07
Applicant: 杭州电子科技大学
IPC: G01S3/14 , G06F18/15 , G06F18/213 , G06F18/241
Abstract: 本发明公开了一种基于原始IQ数据的深度学习DOA估计方法。本发明利用原始信号的I和Q分量作为模型的输入，以提高性能。本发明旨在解决单信号源的DOA估计问题，将单信号源DOA估计问题建模为一个单标签多分类问题。通过将DOA范围离散化，把可能到达的方向作为对应的标签。设计了一个卷积神经网络来适应不同数量的快照，对不同长度的输入信号都可以自适应得到准确的DOA估计。实验结果表明，相对于现有的基于协方差矩阵作为输入的深度学习DOA估计方法，该方案具有更优异的表现，可为阵列信号处理提供更加可靠的解决方案。
-
公开(公告)号：CN113824469A
公开(公告)日：2021-12-21
申请号：CN202110896680.X
申请日：2021-08-05
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于MFDRL‑CTDE的跳频组网智能抗干扰决策方法。针对多种干扰并存的复杂电磁环境和跳频异步组网结构，设计了相应的状态‑动作空间和奖赏函数。为应对Agent之间的相互影响和动态的环境，引入集中式训练和分散式执行框架。提出基于模糊推理系统的融合权重分配策略，用于解决网络融合过程中各Agent的权重分配问题。采用竞争性DQN算法和优先经验回放技术以提高算法的效率。本发明方法在收敛速度和最佳性能方面都具有较大优势，且对多变复杂电磁环境具有较好的适应性。
-
公开(公告)号：CN108390735A
公开(公告)日：2018-08-10
申请号：CN201810076826.4
申请日：2018-01-26
Applicant: 杭州电子科技大学
IPC: H04B17/382
Abstract: 本发明公开一种信息素驱动的分布式协同宽带频谱感知方法。该方法是利用滤波器组将每个节点的宽带信号分割为多个窄带信号的信道，其中宽带信号中含有PU信息，PU信息被随机分割到窄带信号的信道；用一个CU感知一个节点，对某一节点的每个信道的窄带信号采用能量检测，得到该节点每个信道的判决统计量和判决结果；利用CU感知所有节点对应序号的子信道两两交互感知信息，最终得到不同节点对应序号子信道的最终融合判决结果。本发明采用多节点协同频谱感知，克服了单个节点由于受到信道衰落等各种因素的影响而得到的感知结果不一定准确的缺陷。
-
公开(公告)号：CN115883301A
公开(公告)日：2023-03-31
申请号：CN202211412173.5
申请日：2022-11-11
Applicant: 杭州电子科技大学
IPC: H04L27/00 , G06F18/241 , G06F18/213 , G06F18/214 , G06N3/04 , G06N3/094
Abstract: 本方案公开了一种基于样本回想增量学习的信号调制分类模型及学习方法，包括记忆回想模块、辨别模块和分类网络，引入了基于类标签与样本标签的记忆方式，在样本记忆阶段，记忆模块会对样本进行学习并生成低维度的特征表示，在样本回想阶段，只需对回想模块输入类标签与样本标签，就可以精确回想对应的样本，无需保存样本数据，只需要保存训练的回想模块和样本标签信息即可，通过记忆回想模块这个框架来作为样本数据的仓库，克服了直接存储样本数据需占用大量内存的困境。
-
公开(公告)号：CN115496115A
公开(公告)日：2022-12-20
申请号：CN202211456173.5
申请日：2022-11-21
Applicant: 杭州电子科技大学
Abstract: 本方案公开了一种基于矢量空间分离的持续电磁信号分类方法，包括，使用无线电信号作为训练卷积神经网络的样本数据；进行第一个任务训练得到训练后的卷积神经网络；当新任务到来时，在原有卷积神经网络模型上增加新的全连接层，与旧的全连接层进行拼接输出；新任务训练过程中，基于余弦相似度控制新旧任务在矢量空间的距离，并使用L2正则化平衡新旧任务权重的大小，同时使用交叉熵损失函数区分新类与旧类；新任务训练结束后得到新的卷积神经网络。本方案引入一种相似度损失函数，并在交叉熵损失函数的共同作用下，在矢量空间中，保证新类对旧类的分类和新类之间的区分，来减少新类对旧类的影响并保证新任务的学习。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.022 seconds)
