-
公开(公告)号：CN113630130B
公开(公告)日：2022-12-23
申请号：CN202110877440.5
申请日：2021-07-31
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种端到端数字通信解调方法，具有更强的灵活性，解调精度高，并能提升处理时效性。本发明通过下述技术方案实现：调制数据生成系统建立调制数据集，生成调制数据；数据预处理模块对接收到的中频信号序列进行预处理，神经网络解调模型提取码元最佳采样点位置，并对接收到的中频信号序列进行深度学习训练，获取解调器模型，输出解调后的信息流；神经网络解调器模型设置网络超参数，并且训练起始点位置随机的训练样本，在训练过程中，采用交叉熵损失函数作为解调器的优化函数，读入测试集中的调制数据集和包含多个码元的信号流输入训练完成的解调器，通过深度网络实现多个码元的同时解调，解调器输出解调后的结果。
-
公开(公告)号：CN110113277B
公开(公告)日：2021-12-07
申请号：CN201910245809.3
申请日：2019-03-28
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种CNN联合L1正则化的智能通信信号调制模式识别方法，旨在提供一种解决传统调制识别方法的时效性、准确性的智能通信信号调制模式识别方法。本发明通过下述技术方案实现：首先把原始信号样本按时序输入第一层LCN卷积神经网络，提取原始信号完整性的全部低级特征；第二层以第一层的输出作为本层的输入，将卷积后得到的结果进行L1正则化并输出至第三层；第二层及第三层通过降采样以及多次迭代，提取出新维度特征，同时消除时序信息对提取出的特征的干扰；第四层作为全连接层，将第三层的输出作为本层的输入，把所有局部特征结合成全局特征，选用归一化指数函数softmax给出N类调制模式的概率，识别出信号调制类型。
-
公开(公告)号：CN119916300A
公开(公告)日：2025-05-02
申请号：CN202510040995.2
申请日：2025-01-10
Applicant: 中国电子科技集团公司第十研究所
IPC: G01S5/00
Abstract: 本发明提供一种测向站与定位系统的即时融合定位方法、装置、设备、介质及程序产品，该方法包括：接收测向站和定位系统部署信息与定位测向数据，并通过坐标转换得到相应坐标；计算定位椭圆中心在测向线上的坐标和测向线对应横向误差；将定位椭圆的坐标转换至测向线对应的坐标系；根据定位系统坐标和定位椭圆中心坐标，结合定位测向数据度量定位椭圆长轴和定位椭圆短轴；设置循环搜索系数，依次计算各循环搜索系数对应参数、融合定位结果和定位方差，将最小定位方差对应的融合定位结果转化成经纬高形式进行输出。本发明解决了在多传感器观测结果偏差较大时无法进行融合定位的问题，并且融合算法的定位精度相对于单传感器情形下有较大提升。
-
公开(公告)号：CN113630130A
公开(公告)日：2021-11-09
申请号：CN202110877440.5
申请日：2021-07-31
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种端到端数字通信解调方法，具有更强的灵活性，解调精度高，并能提升处理时效性。本发明通过下述技术方案实现：调制数据生成系统建立调制数据集，生成调制数据；数据预处理模块对接收到的中频信号序列进行预处理，神经网络解调模型提取码元最佳采样点位置，并对接收到的中频信号序列进行深度学习训练，获取解调器模型，输出解调后的信息流；神经网络解调器模型设置网络超参数，并且训练起始点位置随机的训练样本，在训练过程中，采用交叉熵损失函数作为解调器的优化函数，读入测试集中的调制数据集和包含多个码元的信号流输入训练完成的解调器，通过深度网络实现多个码元的同时解调，解调器输出解调后的结果。
-
公开(公告)号：CN117746097A
公开(公告)日：2024-03-22
申请号：CN202311555058.8
申请日：2023-11-21
Applicant: 中国电子科技集团公司第十研究所
IPC: G06V10/764 , G06V20/10 , G06V10/58 , G06V10/772 , G06V10/80 , G06V10/82 , G06F40/30 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种高光谱遥感图像的多模态零次学习分类方法及装置，属于图像处理领域，包括步骤：建立高光谱图像多模态零次学习分类框架，充分利用高光谱图像的文本描述，形成深度语义字典，通过文本描述这一多模态语义信息的联合运用；通过三阶张量表示方法，将深度语义字典扩展至深度张量语义字典；具备跨地理域的高光谱遥感图像数据零样本分类能力。本发明综合利用了高光谱图像的光谱特征和文本语义特征，实现了零标签样本条件下的遥感图像新类别识别，提升了分类模型的鲁棒性和迁移应用能力。
-
Patent Agency Ranking
公开(公告)号：CN119131532B
公开(公告)日：2025-02-25
申请号：CN202411596621.0
申请日：2024-11-11
Applicant: 中国电子科技集团公司第十研究所
IPC: G06V10/776 , G06V20/13 , G06V20/10 , G06V10/58 , G06V10/764 , G06V10/82 , G06V10/74 , G06N3/0499 , G06N3/084
Abstract: 本发明涉及光学图像处理与人工智能的交叉领域，提供一种数据驱动的光学成像卫星发现效能评估方法及装置，所述方法包括：将各类成像传感器成像数据经过预处理得到目标背景图像数据；对目标背景图像数据进行特征差异度提取；基于目标背景图像数据中特征差异度和目标检测算法标签标注结果生成模型训练数据，通过BP神经网络训练生成各类成像传感器针对不同大小目标的发现效能度量模型；接入各类成像传感器的实时图像数据，基于发现效能度量模型动态评估成像传感器对不同大小目标的发现效能。本发明能准确、快速的度量出各类成像传感器的发现效能。
-
公开(公告)号：CN119131532A
公开(公告)日：2024-12-13
申请号：CN202411596621.0
申请日：2024-11-11
Applicant: 中国电子科技集团公司第十研究所
IPC: G06V10/776 , G06V20/13 , G06V20/10 , G06V10/58 , G06V10/764 , G06V10/82 , G06V10/74 , G06N3/0499 , G06N3/084
Abstract: 本发明涉及光学图像处理与人工智能的交叉领域，提供一种数据驱动的光学成像卫星发现效能评估方法及装置，所述方法包括：将各类成像传感器成像数据经过预处理得到目标背景图像数据；对目标背景图像数据进行特征差异度提取；基于目标背景图像数据中特征差异度和目标检测算法标签标注结果生成模型训练数据，通过BP神经网络训练生成各类成像传感器针对不同大小目标的发现效能度量模型；接入各类成像传感器的实时图像数据，基于发现效能度量模型动态评估成像传感器对不同大小目标的发现效能。本发明能准确、快速的度量出各类成像传感器的发现效能。
-
公开(公告)号：CN112529035B
公开(公告)日：2023-01-06
申请号：CN202011190513.5
申请日：2020-10-30
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
IPC: G06F18/2415 , G06F18/2431 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明公开的一种基于时序深度网络的智能个体识别方法，解决现有电台个体分类识别方法特征提取困难，泛化能力低的问题。其实现方案为：基于时序深度网络，将反映不同电台个体种类的电台个体时序信号输入深度网络，对原始电台个体数据进行补零处理，并按比例生成训练样本集和测试样本集；构建三个子网络及一维时序多子网络深度集成网络；用训练样本集训练三个子网络并将输出层并行连接获得训练后的一维时序多子网络深度集成网络；将电台原始时序数据直接输入训练后的深度集成网络对测试数据集进行预测，获得网络对电台时序数据预测的电台个体类别。本发明提高了深度网络在电台个体识别方面的泛化能力与鲁棒性，可用在电台个体分类识别技术领域中。
-
公开(公告)号：CN112529035A
公开(公告)日：2021-03-19
申请号：CN202011190513.5
申请日：2020-10-30
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种基于时序深度网络的智能个体识别方法，解决现有电台个体分类识别方法特征提取困难，泛化能力低的问题。其实现方案为：基于时序深度网络，将反映不同电台个体种类的电台个体时序信号输入深度网络，对原始电台个体数据进行补零处理，并按比例生成训练样本集和测试样本集；构建三个子网络及一维时序多子网络深度集成网络；用训练样本集训练三个子网络并将输出层并行连接获得训练后的一维时序多子网络深度集成网络；将电台原始时序数据直接输入训练后的深度集成网络对测试数据集进行预测，获得网络对电台时序数据预测的电台个体类别。本发明提高了深度网络在电台个体识别方面的泛化能力与鲁棒性，可用在电台个体分类识别技术领域中。
-
公开(公告)号：CN110166388A
公开(公告)日：2019-08-23
申请号：CN201910442320.5
申请日：2019-05-25
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
IPC: H04L27/00
Abstract: 本发明公开的一种CNN联合L1正则化的智能通信信号调制模式识别方法，旨在提供一种解决传统调制识别方法的时效性、准确性的智能通信信号调制模式识别方法。本发明通过下述技术方案实现：首先把原始信号样本按时序输入第一层LCN卷积神经网络，提取原始信号完整性的全部低级特征；第二层以第一层的输出作为本层的输入，将卷积后得到的结果进行L1正则化并输出至第三层；第二层及第三层通过降采样以及多次迭代，提取出新维度特征，同时消除时序信息对提取出的特征的干扰；第四层作为全连接层，将第三层的输出作为本层的输入，把所有局部特征结合成全局特征，选用归一化指数函数softmax给出N类调制模式的概率，识别出信号调制类型。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.039 seconds)
