公开(公告)号：CN114070684B

公开(公告)日：2024-02-09

申请号：CN202010780538.4

申请日：2020-08-05

Applicant: 西南交通大学

Inventor： 朱宏娜 ,  成乐 ,  蔡炳华 ,  张靖凯

IPC: H04L27/00 ,  G06N3/084 ,  G06N3/0464 ,  G06N3/045 ,  G06F18/241

Abstract: 本发明公开了一种基于二维卷积神经网络的调制信号识别方法，包括：将维度是L*1的时域信号输入神经网络，使用一维卷积进行特征提取，得到L*1*C的特征向量；改变得到的一维特征向量的维度为L*C*1；采用二维卷积神经网络对变形后的维度为L*C*1的特征向量进行二维卷积，提取二维特征向量后经过分类器得到调制方式信号的类别。本发明同时于各种一维时域信号的分类情况，可以取得较高的分类准确率。

公开(公告)号：CN114070684A

公开(公告)日：2022-02-18

申请号：CN202010780538.4

申请日：2020-08-05

Applicant: 西南交通大学

Inventor： 朱宏娜 ,  成乐 ,  蔡炳华 ,  张靖凯

IPC: H04L27/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于二维卷积神经网络的调制信号识别方法，包括：将维度是L*1的时域信号输入神经网络，使用一维卷积进行特征提取，得到L*1*C的特征向量；改变得到的一维特征向量的维度为L*C*1；采用二维卷积神经网络对变形后的维度为L*C*1的特征向量进行二维卷积，提取二维特征向量后经过分类器得到调制方式信号的类别。本发明同时于各种一维时域信号的分类情况，可以取得较高的分类准确率。

公开(公告)号：CN111965601A

公开(公告)日：2020-11-20

申请号：CN202010776975.9

申请日：2020-08-05

Applicant: 西南交通大学

Inventor： 张煜峰 ,  朱宏娜 ,  蔡炳华 ,  张靖凯

IPC: G01S5/24

Abstract: 本发明公开了一种基于核极限学习机的水下声源被动定位方法，包括：对使用KRAKEN程序模拟出的复声压数据进行取模运算以及归一化操作，将得到的实矩阵作为核极限学习机的训练数据；使用训练数据训练核极限学习机，得到水下声源定位预测模型，即根据观测到的声场数据，预测出信号源的距离和深度。本发明同时适用于单水听器以及水听器阵列的情形，取得了较高的定位精度，并且在实时性上具有显著优势。