一种数据链干扰识别方法
    1.
    发明公开

    公开(公告)号:CN117216655A

    公开(公告)日:2023-12-12

    申请号:CN202311154125.5

    申请日:2023-09-07

    Abstract: 本发明公开一种数据链干扰识别方法,包括:获取干扰信号,以得到所述干扰信号的时域特征参数;根据所述时域特征参数,并利用自适应模糊神经网络构建初始干扰识别模型;利用学习算法对所述初始干扰识别模型进行训练,以得到优化后干扰识别模型;以及利用所述优化后干扰识别模型对被干扰的数据链进行干扰识别。本发明基于干扰信号的时域特征参数,可以对被干扰的数据链进行精确地干扰识别,并具有提取特征容易、自适应性和自学习的特点。

    低复杂度最优零碰撞区跳频序列集构造方法及存储介质

    公开(公告)号:CN119254267A

    公开(公告)日:2025-01-03

    申请号:CN202411175520.6

    申请日:2024-08-26

    Abstract: 本发明公开了一种低复杂度最优零碰撞区跳频序列集构造方法及存储介质,所述构造方法包括:获取需要构造的跳频序列集对应的跳频序列长度L和跳频序列数M,以及频点集合中的频点种类数M,频点集合用于为跳频序列集的构建提供候选频率;基于跳频序列长度L以及跳频序列数M构造初始状态为全零矩阵的跳频矩阵A,计算跳频矩阵A的元素数T;基于元素数T与频点种类数F的大小关系、元素数T与频点种类数F的数量关系、频点种类数F与跳频序列数M的数量关系,对跳频矩阵A进行归类;根据跳频矩阵A的类型建立跳频矩阵A到频点集合的映射,将跳频矩阵A的元素替换为映射关系中对应的频点;对跳频矩阵A中的元素所处位置进行重新分配。

    一种基于深度学习的信道估计与数据检测联合处理方法

    公开(公告)号:CN117880012A

    公开(公告)日:2024-04-12

    申请号:CN202311734929.2

    申请日:2023-12-15

    Abstract: 本发明公开了一种基于深度学习的信道估计与数据检测联合处理方法,其用于数据链系统,包括:基于符号数学系统框架,建立神经网络算法模型;基于深度学习,设计正交频分复用技术水声信道估计系统;基于深度神经网络,建立联合信道估计与数据检测的框架;进行超参数优化;采用所述正交频分复用技术水声信道估计系统作为仿真系统,在仿真软件上进行训练,训练后解码得到比特值。本发明提供的一种基于深度学习的信道估计与数据检测联合处理方法,具有优异的原始误码率性能,对导频数量有一定的鲁棒性,对数据链系统的可靠性与稳定性的提高有显著效果,实际使用中将节省很大的信号成本。

Patent Agency Ranking