-
公开(公告)号:CN115115005A
公开(公告)日:2022-09-27
申请号:CN202210902504.7
申请日:2022-07-26
申请人: 郑州大学
IPC分类号: G06K9/62
摘要: 本发明属于计算机机器学习技术领域,尤其涉及一种基于最大密距的Canopy协议识别方法,针对现有的聚类准确率和稳定性差、算法参数选取不准确以及中心点无法确定的问题,现提出如下方案,包括如下步骤:S1:将待分类识别的协议数据集进行数据预处理,并使用PCA进行降维;S2:抽取少量标记协议计算各子集内平均距离的平均值,并视为Canopy算法中距离阈值T2;S3:首次聚类选取样本点密度值最大的作为第一次聚类中心,进行Canopy迭代,接着计算数据集中剩余样本点的密距值r;本发明的目的是提高K‑means算法的聚类准确率和稳定性,准确算法参数选取,确定中心点,在聚类效果有所改善的同时提高了协议识别的准确率,以适应非均匀网络协议的环境。
-
公开(公告)号:CN114095317A
公开(公告)日:2022-02-25
申请号:CN202110984765.3
申请日:2021-08-25
申请人: 郑州大学
摘要: 本发明属于无线通信技术领域,公开了一种适用于高阶APSK调制的载波参数估计解耦合方法和系统,其中该方法包括如下步骤:S1:对接收信号去调制信息并进行相关求出自相关因子;S2:分别对去调制信息信号和自相关进行去相位折叠操作;S3:利用延迟导频长度的一半的自相关因子与去调制信息信号得到解耦合因子,进行相偏估计;S4:利用去相位折叠后的自相关因子进行频偏估计。相对于传统串行载波参数估计方法,该方法能实现频偏估计和相偏估计的解耦合,并行估计频偏和相偏,在保证估计精度前提下,该方法实现的相偏估计具有强抗频偏能力,频偏估计范围有很大提升。
-