-
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：CN116319210A
公开(公告)日：2023-06-23
申请号：CN202310291803.6
申请日：2023-03-23
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: H04L27/00 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及信号处理技术领域，特别涉及一种基于深度学习的信号轻量级自动调制识别方法及系统，通过模拟真实通信环境调制信息序列来获取包含若干数字调制方式和若干模拟调制方式的样本数据集；基于轻量级卷积网络来构建轻量型密集卷积长短时记忆网络结构，利用样本数据集对轻量型密集卷积长短时记忆网络结构进行训练优化；并基于训练优化后的轻量型密集卷积长短时记忆网络结构来建立信号调制识别模型；将待识别目标信号输入至信号调制识别模型中，利用信号调制识别模型来获取待识别目标信号的调制方式。本发明解决现有自动调制识别中复杂度高、参数众多、模型庞大等问题，通过轻量化模型设计来满足在资源受限设备上部署需要。
-
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：CN118171142A
公开(公告)日：2024-06-11
申请号：CN202410265037.0
申请日：2024-03-08
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 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于多重高斯原型学习的开集辐射源个体识别方法及系统，方法包括：对采集的辐射源信号进行预处理得到一维I/Q序列，将一维I/Q序列按照预设比例划分为测试集和训练集；基于多重高斯原型学习和构建的一维深度注意力残差网络建立MGPL‑DAResNet识别模型；通过训练集对MGPL‑DAResNet识别模型训练并对网络参数进行迭代更新，得到每个辐射类别对应的高斯原型及网络权重；通过设置的距离阈值，采用每个辐射类别对应的高斯原型及其网络权重，对测试集进行开集识别分类并输出分类结果。本发明的方法可以解决采用现有深度学习和原型学习结合方法进行识别时存在的识别性能低和鲁棒性不足的技术问题。
-
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：CN116699552A
公开(公告)日：2023-09-05
申请号：CN202310291814.4
申请日：2023-03-23
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G01S7/48
Abstract: 本发明涉及量子雷达目标探测技术领域，特别涉及一种适用于圆锥类目标的多光子量子雷达散射截面求解方法及系统，通过构建多光子量子雷达探测圆锥体目标的物理模型；基于物理模型并依据多光子入射角对圆锥体目标被照亮区域与阴影区域进行判定，求解圆锥体目标不存在阴影区域的全圆锥投影面积和存在阴影区域的被照亮区域的投影面积；依据入射能量与散射能量守恒并结合全圆锥投影面积和被照亮区域的投影面积构建圆锥体目标多光子量子雷达散射截面表达式，利用该表达式来求解圆锥体目标的多光子量子雷达散射截面。本发明解决现有圆锥类目标多光子量子雷达散射截面建模求解计算量大、散射特性不清晰等问题，能够高效、快速、高精度地获取圆锥类目标雷达散射截面。
-
公开(公告)号：CN116896492A
公开(公告)日：2023-10-17
申请号：CN202310704966.2
申请日：2023-06-14
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: H04L27/00 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明涉及信号调制编码联合识别技术领域，特别涉及一种基于多通道注意力网络的调制编码联合识别方法及系统，利用随机生成的无线电信息序列模拟通信环境编码调制信息序列并生成数字调制信号和模拟调制信号，并组建信号样本数据；构建用于调制编码联合识别的多通道卷积门控深度注意力网络模型并利用信号样本数据对多通道卷积门控深度注意力网络模型进行训练优化；将待识别信号输入训练优化后的多通道卷积门控深度注意力网络模型，利用训练优化后的多通道卷积门控深度注意力网络模型得到待识别信号的调制编码类别。本发明能够提升调制编码联合识别效能，能够实现信号调制编码联合自动识别任务，便于部署实施。
-
公开(公告)号：CN116680551A
公开(公告)日：2023-09-01
申请号：CN202310704963.9
申请日：2023-06-14
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F18/21 , G06F18/214 , G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/048 , G06F123/02
Abstract: 本发明涉及辐射源识别技术领域，特别涉及一种基于多序列特征学习的特定辐射源识别方法及系统，根据辐射源指纹特征产生机理生成多种调制类型的I/Q路同相正交的信号辐射源模拟仿真信号，利用辐射源模拟仿真信号组建样本数据集；对样本数据集中信号进行标准化处理，得到多序列信号；构建序列融合卷积网络模型并利用样本数据集中的多序列信号对序列融合卷积网络模型进行训练优化；将待识别的辐射源信号输入训练优化后的序列融合卷积网络模型，利用训练优化后的序列融合卷积网络模型得到待识别辐射源信号调制类别。本发明能够提升辐射源识别效能，可识别出多辐射源类型的非法入境电台，以保证通信网络安全，也可为对抗侦查领域中对抗决策提供依据。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.043 seconds)
