-
公开(公告)号：CN118445685A
公开(公告)日：2024-08-06
申请号：CN202410557368.1
申请日：2024-05-07
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
IPC: G06F18/241 , G06F18/213 , G06F18/15
Abstract: 本发明公开了一种基于互信息加权表决的辐射源个体识别方法，包括：分别计算各天线的接收信号与发射信号之间的互信息，分别对各天线接收信号进行特征提取，根据射频特征得到粗分类结果，根据互信息设置权重，根据权重对粗分类结果进行加权表决，得到最终的射频指纹识别结果。本发明提供的互信息大小反映发射端信号和接收端信号之间的信息相似程度。因此，本发明根据互信息设置各天线的权重，将权重用于信号识别结果的校准，最终提高识别结果的可靠性。
-
公开(公告)号：CN118101088A
公开(公告)日：2024-05-28
申请号：CN202410488174.0
申请日：2024-04-23
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
IPC: H04B17/20 , G06F18/2433
Abstract: 本发明公开了一种针对非完全重叠频谱的多信号检测方法，利用修正的周期图求平均法和积分得到信号功率分布函数，使用差分运算得到差分函数，之后使用两次三点均值滤波方法计算差分函数的局部峰值点和局部谷值点，使用离群点检测方法检测是否存在离群点，若存在离群点，证明功率分布函数存在拐点，从而证明信号真实存在。本发明使用离群点检测算法确认离群点的数目，从而确认功率分布函数的拐点数目，以此统计信号数目，根据获得的拐点确认信号是否重叠。最后，根据离群点的位置和信号重叠性情况，估计信号频带位置。本发明通过实验验证了本发明提供的针对非完全重叠频谱的多信号检测方法的有效性和可行性。
-
公开(公告)号：CN112257739A
公开(公告)日：2021-01-22
申请号：CN202010890870.6
申请日：2020-08-29
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
IPC: G06K9/62
Abstract: 本发明公开了一种基于扰动压缩感知的稀疏表示分类方法，包括：获得稀疏表示模型，获得每个类别测试样本对应的扰动字典，求解优化问题获得稀疏向量，获得各个类别测试样本对应的残差，获得具有最小残差的类别。现有稀疏表示方法大都假设训练样本能够线性表示测试样本，然而实际系统中该假设往往不成立。针对这一问题，本发明将稀疏表示分类建模为扰动压缩感知模型，并通过求解扰动重建问题获得更优的字典矩阵和稀疏系数向量，从而提升分类准确率。
-
公开(公告)号：CN119135490A
公开(公告)日：2024-12-13
申请号：CN202411310311.8
申请日：2024-09-19
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
Abstract: 本发明公开了一种基于星座图特征的数字调制方式识别方法。首先，本发明使用聚类算法获取星座点的幅度相关特征，不依赖信号的先验信息，使用乘法运算取代指数运算，降低了计算复杂度。其次，本发明提取最外圈星座点进行后续处理，提高了聚类算法鲁棒性的同时进一步降低了计算复杂度。由于高次方谱对于载波频偏和信道非理想特性更具鲁棒性，因此本发明从最外圈星座点的高次方谱中提取特征。因此，本发明提供的技术方案提高了数字调制方式识别方法的鲁棒性和准确性，降低了计算复杂度，具有良好的实用价值。
-
公开(公告)号：CN118364369B
公开(公告)日：2024-10-15
申请号：CN202410776202.9
申请日：2024-06-17
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
IPC: G06F18/2411 , G06F18/10 , G06F18/213 , H04B1/10
Abstract: 本发明公开了一种基于失真滤除的辐射源个体识别方法，包括：根据失真滤波算法对信号中的信道噪声和接收端失真进行滤除，根据最小均方算法对滤除后信号进行特征提取，获得所述滤除后信号的射频特征，根据支持向量机分类方法对所述射频特征进行分类，根据所述射频特征的分类结果获得射频指纹识别结果。本发明通过降低信道噪声和接收端失真对射频信号特征的影响，从而提高射频指纹识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118074728B
公开(公告)日：2024-06-21
申请号：CN202410465666.8
申请日：2024-04-18
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
IPC: H03M13/29
Abstract: 本发明公开了一种Turbo码删余模式的识别方法。针对删余周期识别，方法首先根据数据的排列模式提取R0路数据和R12路数据，然后使用RSC分量编码器对R0路数据进行编码，生成非删余Turbo码的R1路数据，最后将R1路数据和R12路数据每隔T位取出进行比较，获得匹配率M，匹配率最大时对应的所有T位取最大公因数即为删余周期。针对删余矩阵识别，首先根据删余周期T将R1路数据和R12路数据分别划分为g组，然后遍历g组，每组比对R1路数据和R12路数据中索引相同的T位数据，若至少一位数据重合，T位中该位重合位数加一，最后对g组累积求和，获得T位中每一位总的重合位数，选择T位中总的重合位数大于预设值的位即可得到删余矩阵。
-
公开(公告)号：CN112183576B
公开(公告)日：2022-12-27
申请号：CN202010864581.9
申请日：2020-08-25
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
Abstract: 本发明公开了一种基于不均衡数据集的Time‑LSTM分类方法，包括：获取移动终端的原始数据集；对所述原始数据集进行数据预处理；根据预处理之后的数据集使用Time‑LSTM模型对移动终端的类别进行识别；输出移动终端的预测类别。本发明提供的数据均衡方法能够在很大程度上消除各类别数据集不均衡给分类带来的不良影响，从而较为准确地识别移动终端的类型。另外，本发明采用的Time‑LSTM模型能够利用时间间隔控制当前输入对分类结果的影响，从而捕捉到更多的潜在分类特征，提高了整体分类准确率。
-
公开(公告)号：CN112183576A
公开(公告)日：2021-01-05
申请号：CN202010864581.9
申请日：2020-08-25
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
Abstract: 本发明公开了一种基于不均衡数据集的Time‑LSTM分类方法，包括：获取移动终端的原始数据集；对所述原始数据集进行数据预处理；根据预处理之后的数据集使用Time‑LSTM模型对移动终端的类别进行识别；输出移动终端的预测类别。本发明提供的数据均衡方法能够在很大程度上消除各类别数据集不均衡给分类带来的不良影响，从而较为准确地识别移动终端的类型。另外，本发明采用的Time‑LSTM模型能够利用时间间隔控制当前输入对分类结果的影响，从而捕捉到更多的潜在分类特征，提高了整体分类准确率。
-
公开(公告)号：CN118487900A
公开(公告)日：2024-08-13
申请号：CN202410947112.1
申请日：2024-07-16
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
IPC: H04L25/03
Abstract: 本发明公开了一种适用于DVB‑S2卫星系统的半盲均衡方法，基于DVB‑S2卫星系统帧结构中的帧头和导频已知而且位置固定的特点，使用已知部分序列的最小均方算法指导均衡器抽头系数的更新方向。在盲均衡的前半段迭代时间，使用快速降低误差的滑动窗口变步长多模盲均衡算法计算均衡器抽头系数，降低码间干扰。在盲均衡的后半段迭代时间，使用准确率更高的判决引导算法，在保证均衡器稳态的同时，获得更小的稳态误差。
-
公开(公告)号：CN117938598B
公开(公告)日：2024-05-24
申请号：CN202410341278.9
申请日：2024-03-25
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
IPC: H04L27/00
Abstract: 本发明公开了一种基于多幂次联合的单载波信号盲频偏估计方法，能够实现对单载波信号频偏进行全盲估计。本发明提取信号的多个高阶幂次特征，设计多幂次判决机制确定频偏估计值，具有良好的估计性能。相比传统频偏估计方法，本发明具有更好的通用性，能够适应多制式调制信号的全盲估计场景，具有良好的实用价值。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.067 seconds)
