-
公开(公告)号：CN112784690A
公开(公告)日：2021-05-11
申请号：CN202011623078.0
申请日：2020-12-31
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的宽带信号参数估计方法，基于YOLOv4网络和灰度时频图实现宽带特定信号的检测和识别，并对检测结果进一步计算和更新得到每个检测到宽带信号的估计参数，克服了现有方法检测识别精度低、参数估计不准、适用类型少且严重依赖专家先验等问题。本发明主要包括以下步骤：(1)生成宽带特定信号训练集；(2)训练YOLOv4网络；(3)对宽带信号灰度时频图进行检测识别；(4)计算检测识别到的每个宽带特定信号的参数；(5)对宽带特定信号的参数进行判断；(6)更新宽带特定信号参数。本发明具有宽带特定信号检测识别精度高、参数估计准和方法普适等优点，可用于无线电检测和侦查中对宽带信号进行分析。
-
公开(公告)号：CN108243129B
公开(公告)日：2019-12-24
申请号：CN201711345302.2
申请日：2017-12-15
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于注意力深度网络的无线电信号特征提取方法，其实现步骤为：在构建编码调制联合无线电信号基础上生成训练样本集和测试样本集；构建包含注意力机制层的用于提取无线电信号特征的注意力深度网络；将训练样本集输入注意力深度网络中进行训练，得到训练好的注意力深度网络；利用测试样本集和训练好的注意力深度网络获得识别准确率。本发明具有普适性强，不需要人工特征提取，可去除冗余信息，复杂度低，分类结果准确、稳定的优点，可用于后续无线电信号的认知识别等处理中。
-
公开(公告)号：CN108282426A
公开(公告)日：2018-07-13
申请号：CN201711293537.1
申请日：2017-12-08
Applicant: 西安电子科技大学
IPC: H04L27/00 , H04L1/00 , H04B17/391
Abstract: 本发明公开一种基于轻量级深度网络的无线电信号认知识别方法，其实现步骤为：(1)构建编码调制联合信号；(2)生成训练样本集和测试样本集；(3)构建轻量级深度网络；(4)设置轻量级深度网络的参数；(5)训练轻量级深度网络；(6)获得认知识别准确率。本发明具有普适性强，可以直接处理一维无线电信号，不需要人工特征提取和先验知识，能同时认知识别无线电信号的信道编码方式和调制识别方式，复杂度低，模型轻量化，分类结果准确、稳定的优点，可用于无线电信号认知识别技术领域中。
-
公开(公告)号：CN108243129A
公开(公告)日：2018-07-03
申请号：CN201711345302.2
申请日：2017-12-15
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于注意力深度网络的无线电信号特征提取方法，其实现步骤为：在构建编码调制联合无线电信号基础上生成训练样本集和测试样本集；构建包含注意力机制层的用于提取无线电信号特征的注意力深度网络；将训练样本集输入注意力深度网络中进行训练，得到训练好的注意力深度网络；利用测试样本集和训练好的注意力深度网络获得识别准确率。本发明具有普适性强，不需要人工特征提取，可去除冗余信息，复杂度低，分类结果准确、稳定的优点，可用于后续无线电信号的认知识别等处理中。
-
公开(公告)号：CN116016064B
公开(公告)日：2024-06-28
申请号：CN202310064690.6
申请日：2023-01-12
Applicant: 西安电子科技大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L25/08 , G06N3/0455 , G06N3/0464 , G06N3/088 , H04L27/00
Abstract: 本发明提出了一种基于U型卷积去噪自编码器的通信信号降噪方法，主要解决现有技术对低信噪比信号识别正确率低的问题，其实现方案为：获取原始通信数据建立训练数据集；分别构建包括四个编码单元的降噪编码器和四个解码单元的降噪解码器，并将两者级联后，再将编码器的前三个编码单元分别与解码器的后三个单元连接，组成U型卷积去噪自编码器信号降噪模型；将训练数据集输入到该模型通过反向传播法对其进行训练；将待测有噪声的测试样本输入到训练好的U型卷积去噪自编码器信号降噪模型进行测试推理，输出降噪后的信号样本。本发明能实现信号的智能降噪，有效提升对低信噪比信号的识别正确率，可用于频谱管理、电子对抗、通信甄别。
-
Patent Agency Ranking
公开(公告)号：CN108282427B
公开(公告)日：2019-11-26
申请号：CN201711345202.X
申请日：2017-12-15
Applicant: 西安电子科技大学
IPC: H04L27/00 , H04L1/00 , H04B17/391
Abstract: 本发明公开一种基于多尺度轻量网络的无线电信号认知识别方法，其实现步骤为：(1)生成29种编码调制联合信号和2种调制信号；(2)生成训练样本集和测试样本集；(3)构建多尺度轻量网络模型；(4)设置多尺度轻量网络模型的参数；(5)训练多尺度轻量网络模型；(6)将测试样本集输入到训练好的多尺度轻量网络模型中进行测试，获得识别准确率。本发明具有模型轻量化、普适性强、训练参数少、识别的无线电信号类型多，分类精度高的优点，可用于信号分类识别技术领域中。
-
公开(公告)号：CN108282426B
公开(公告)日：2019-11-26
申请号：CN201711293537.1
申请日：2017-12-08
Applicant: 西安电子科技大学
IPC: H04L27/00 , H04L1/00 , H04B17/391
Abstract: 本发明公开一种基于轻量级深度网络的无线电信号认知识别方法，其实现步骤为：(1)构建编码调制联合信号；(2)生成训练样本集和测试样本集；(3)构建轻量级深度网络；(4)设置轻量级深度网络的参数；(5)训练轻量级深度网络；(6)获得认知识别准确率。本发明具有普适性强，可以直接处理一维无线电信号，不需要人工特征提取和先验知识，能同时认知识别无线电信号的信道编码方式和调制识别方式，复杂度低，模型轻量化，分类结果准确、稳定的优点，可用于无线电信号认知识别技术领域中。
-
公开(公告)号：CN108282263B
公开(公告)日：2019-11-26
申请号：CN201711345300.3
申请日：2017-12-15
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于一维深度残差轻量网络的编码调制联合识别方法，其实现步骤为：(1)生成29种编码调制联合信号和2种调制信号；(2)生成训练样本集和测试样本集；(3)构建一维深度残差轻量网络模型；(4)训练一维深度残差轻量网络模型；(5)将测试样本集输入到训练好的一维深度残差轻量网络模型中进行测试，获得识别准确率，评估网络性能。本发明是一种通用的无线电信号特征提取方法，具有普适性好、鲁棒性强、识别准确率高、网络参数少、识别信号类型多的优点，可用于实际复杂通讯环境下的无线电信号的编码与调制方式的联合识别。
-
公开(公告)号：CN108282427A
公开(公告)日：2018-07-13
申请号：CN201711345202.X
申请日：2017-12-15
Applicant: 西安电子科技大学
IPC: H04L27/00 , H04L1/00 , H04B17/391
Abstract: 本发明公开一种基于多尺度轻量网络的无线电信号认知识别方法，其实现步骤为：(1)生成29种编码调制联合信号和2种调制信号；(2)生成训练样本集和测试样本集；(3)构建多尺度轻量网络模型；(4)设置多尺度轻量网络模型的参数；(5)训练多尺度轻量网络模型；(6)将测试样本集输入到训练好的多尺度轻量网络模型中进行测试，获得识别准确率。本发明具有模型轻量化、普适性强、训练参数少、识别的无线电信号类型多，分类精度高的优点，可用于信号分类识别技术领域中。
-
公开(公告)号：CN108282262A
公开(公告)日：2018-07-13
申请号：CN201711345203.4
申请日：2018-04-16
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于门控循环单元深度网络的智能时序信号分类方法，其实现步骤为：(1)构建编码调制联合时序信号；(2)生成训练样本集和测试样本集；(3)搭建门控循环单元深度网络模型；(4)设置门控循环单元深度网络的参数；(5)训练门控循环单元深度网络模型；(6)获得分类准确率。本发明不需要人工特征提取和大量先验知识，可以对一维信号进行自动的特征提取和准确的信号分类，具有复杂度低，分类结果准确、稳定等优点，可用于军事和民用通信领域中。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.054 seconds)
