-
公开(公告)号：CN114358056A
公开(公告)日：2022-04-15
申请号：CN202111543416.4
申请日：2021-12-16
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于无人机识别技术领域，特别涉及一种基于深度学习的无人机信号识别方法及系统，包含：利用接收机采集多个型号已知的无人机信号，并通过短时傅里叶变换生成与每个无人机信号对应的时频图，利用该多个类型的无人机信号时频图来构建用于模型训练的信号样本数据库；构建依据时频图能量条带和视觉性差异来进行无人机型号识别的无人机识别模型，并利用信号数据样本对模型进行训练；将待检测未知无人机信号通过短时傅里叶变换生成对应的时频图，利用无人机识别模型来识别该未知无人机型号。本发明能够在脉冲干扰、低信噪比和一定时频混叠的环境下较为精确地识别无人机信号的类型，达到无人机目标预警监控的目的，方案步骤清晰，便于实施。
-
公开(公告)号：CN114358055B
公开(公告)日：2024-11-08
申请号：CN202111543403.7
申请日：2021-12-16
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F18/24 , G06F18/213 , G06F18/25 , G06N3/09 , G06N3/0464
Abstract: 本发明属于无线通信信号识别技术领域，特别涉及一种基于深度学习的无线通信信号规格识别方法及系统，包含：构建特征融合网络模型并利用样本数据进行训练学习，其中，特征融合网络模型中，通过密集连接卷积单元连接所有特征提取层，并利用特征复用机制将当前特征提取层数据和之前所有特征提取层提取的特征数据进行特征融合；将采样得到的信号数据流通过预处理来获取含有信号数据完整差异性信息的数据流矩阵和含有反应信号调制信息的信号矢量图，利用训练学习后的特征融合网络模型来分类识别信号数据流的信号规格。本发明将无线通信信号数据流与矢量图的特征信息进行融合、学习与映射，实现对信号规格准确识别，方案可靠、实用，便于实际场景应用。
-
Patent Agency Ranking
公开(公告)号：CN114358055A
公开(公告)日：2022-04-15
申请号：CN202111543403.7
申请日：2021-12-16
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于无线通信信号识别技术领域，特别涉及一种基于深度学习的无线通信信号规格识别方法及系统，包含：构建特征融合网络模型并利用样本数据进行训练学习，其中，特征融合网络模型中，通过密集连接卷积单元连接所有特征提取层，并利用特征复用机制将当前特征提取层数据和之前所有特征提取层提取的特征数据进行特征融合；将采样得到的信号数据流通过预处理来获取含有信号数据完整差异性信息的数据流矩阵和含有反应信号调制信息的信号矢量图，利用训练学习后的特征融合网络模型来分类识别信号数据流的信号规格。本发明将无线通信信号数据流与矢量图的特征信息进行融合、学习与映射，实现对信号规格准确识别，方案可靠、实用，便于实际场景应用。
-
公开(公告)号：CN114358054B
公开(公告)日：2024-11-08
申请号：CN202111543399.4
申请日：2021-12-16
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06N3/0464 , H04B17/00
Abstract: 本发明属于无线通信信号识别技术领域，特别涉及一种复杂环境下宽带无线通信信号检测方法及系统，包含：收集的宽带无线通信信号，并对信号进行预处理来获取统一尺寸的时频谱图，利用时频谱图来生成用于模型训练的信号样本数据库；构建基于向心偏移网络的信号检测模型，并利用信号样本数据库中的信号数据对该信号检测模型进行训练，其中，信号检测模型包含：沙漏基础网络、特征处理模块及向心偏移模块；对待检测宽带无线通信信号进行预处理，将预处理后的信号数据作为模型输入，通过训练后的信号检测模型来识别待检测宽带无线通信信号目标位置。本发明能够实现对复杂环境下宽带无线通信信号的有效检测，检测效果好，便于实际场景应用。
-
公开(公告)号：CN114358054A
公开(公告)日：2022-04-15
申请号：CN202111543399.4
申请日：2021-12-16
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于无线通信信号识别技术领域，特别涉及一种复杂环境下宽带无线通信信号检测方法及系统，包含：收集的宽带无线通信信号，并对信号进行预处理来获取统一尺寸的时频谱图，利用时频谱图来生成用于模型训练的信号样本数据库；构建基于向心偏移网络的信号检测模型，并利用信号样本数据库中的信号数据对该信号检测模型进行训练，其中，信号检测模型包含：沙漏基础网络、特征处理模块及向心偏移模块；对待检测宽带无线通信信号进行预处理，将预处理后的信号数据作为模型输入，通过训练后的信号检测模型来识别待检测宽带无线通信信号目标位置。本发明能够实现对复杂环境下宽带无线通信信号的有效检测，检测效果好，便于实际场景应用。
-
公开(公告)号：CN114358058B
公开(公告)日：2024-09-27
申请号：CN202111545296.1
申请日：2021-12-16
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/09 , G06F18/2321 , G06F18/27 , G06F18/25
Abstract: 本发明属于无线通信信号识别技术领域，特别涉及一种基于深度神经网络的无线通信信号开集识别方法及系统，包含：收集无线通信信号并通过预处理来构造信号样本数据库；构建基于回归映射神经网络RMN的信号开集识别模型；利用信号样本数据库对信号开集识别模型进行训练，并利用已知信号在闭集上对模型测试优化，并通过五分位算法获取区间阈值及截取信号数值区间的中心距离阈值；利用测试优化后的信号开集识别模型在开集范围内对预处理后的无线通信信号进行数值回归映射，并利用区间阈值来判别输入的无线通信信号是已知或未知信号，针对判别的未知信号情形，利用核密度聚类算法并结合距离阈值来识别未知信号类型，方案有效、实用，便于实际场景应用。
-
公开(公告)号：CN114358058A
公开(公告)日：2022-04-15
申请号：CN202111545296.1
申请日：2021-12-16
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于无线通信信号识别技术领域，特别涉及一种基于深度神经网络的无线通信信号开集识别方法及系统，包含：收集无线通信信号并通过预处理来构造信号样本数据库；构建基于回归映射神经网络RMN的信号开集识别模型；利用信号样本数据库对信号开集识别模型进行训练，并利用已知信号在闭集上对模型测试优化，并通过五分位算法获取区间阈值及截取信号数值区间的中心距离阈值；利用测试优化后的信号开集识别模型在开集范围内对预处理后的无线通信信号进行数值回归映射，并利用区间阈值来判别输入的无线通信信号是已知或未知信号，针对判别的未知信号情形，利用核密度聚类算法并结合距离阈值来识别未知信号类型，方案有效、实用，便于实际场景应用。
-
-
-
-
-
-
Search Results
7
records
(took 0.029 seconds)
