公开(公告)号：CN119377738A

公开(公告)日：2025-01-28

申请号：CN202411430548.X

申请日：2024-10-14

Applicant: 重庆邮电大学

Inventor： 罗忠涛 ,  廖仁龙 ,  张浩云

IPC: G06F18/24 ,  G06F18/213 ,  G06F18/10 ,  G06F18/25 ,  G06N3/084 ,  G06N3/0464

Abstract: 本发明属于雷达信号处理技术领域。针对低信噪比环境下时频图像会受到严重干扰，且普通的卷积神经网络无法适应多变的时频图形，造成识别效果不佳的问题，提出了基于时频融合特征与MSANet的雷达信号脉内调制类型识别方法，包括如下步骤：对雷达信号进行三类时频分析，然后进行预处理得到训练集、验证集和测试集；然后构建MSANet模型，并使用训练集和验证集训练MSANet模型；MSANet模型训练结束后，使用测试集测试MSANet模型的识别准确率和抗混淆能力。该方法可以用于分类多达12类雷达信号的脉冲内调制方式，且在低信噪比下具有良好的稳健性。

公开(公告)号：CN119324762A

公开(公告)日：2025-01-17

申请号：CN202411430263.6

申请日：2024-10-14

Applicant: 重庆邮电大学

Inventor： 罗忠涛 ,  张浩云 ,  廖仁龙 ,  张安礼

IPC: H04L1/00

Abstract: 本发明请求保护一种基于LSTM‑DQN的自适应调制编码方法，属于流星余迹通信领域。针对流星余迹通信信道传输时延较长导致的信道状态信息时效性不足问题，以及传统自适应调制编码算法在快时变信道中性能下降较为局限的问题，本文提出了联合LSTM和DQN网络来进行策略选择从而提升系统吞吐量的方法，方法包括如下步骤：首先初始化LSTM和DQN的网络框架，通过信噪比估计算法以及检错码得到每一步的传输情况作为神经网络训练数据，之后LSTM负责进行时序预测改进信道状态信息过期的问题，DQN网络使用经验回放和目标网络来训练自适应调制编码策略网络。通过不断迭代网络参数，优化不同信道状态下调制编码方案策略的选取，进而得到更适应信道当下状态的调制编码方案。