-
公开(公告)号：CN116431991A
公开(公告)日：2023-07-14
申请号：CN202310479126.0
申请日：2023-04-27
申请人： 中国科学技术大学
IPC分类号： G06F18/10 , G06F18/2135 , G06F18/24 , G06F18/25
摘要： 本发明公开了一种基于相位调制信号特征融合的卫星通信辐射源个体识别方法，首先根据多种算法提取出不同映射形式的指纹特征映射矩阵，包括小波分解特征、高阶谱特征、Hausdorff维数与分形盒维数这四种特征；然后利用CCA算法对步骤1得到的四种特征进行融合，得到新的映射矩阵；再利用KPCA算法对新的映射矩阵进行非线性降维处理，实现去冗余；最后利用分类器基于处理后的新的映射矩阵进行训练与识别，实现对卫星通信辐射源个体的识别分类。该方法能将多种辐射源指纹特征进行融合，并基于非线性降维技术对融合特征进行去冗余，能够比较全面地映射卫星转发器个体内部的复杂差异，拥有较强的鲁棒性。
-
公开(公告)号：CN117493756A
公开(公告)日：2024-02-02
申请号：CN202310542492.6
申请日：2023-05-12
申请人： 中国科学技术大学
IPC分类号： G06F18/10 , G06F18/213 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F123/02
摘要： 本发明涉及卫星通信辐射源信号处理领域，提供一种卫星通信辐射源识别方法。该方法通过基于神经网络的识别模型，对卫星通信调制信号进行识别，识别模型的构建包括以下步骤：将卫星通信调制信号转换为数字信号数据；对数字信号数据进行预处理和特征分析，利用LSTM网络、CNN网络对数据进行训练得到子网络层；对子网络层结果分别添加滤波器，嵌入通道注意力机制，构建融合网络层，添加全连接层，融合数据图特征，进行训练；连接子网络层、SE‑Net层和融合网络层，训练SE‑Net层和融合网络层。该方法对卫星通信调制信号的各域特征进行自主学习，利用神经网络的特点实现特征融合，提高识别率，无需获取卫星发射机详细参数，利用数据驱动，具有普适性和适应性。
-
公开(公告)号：CN116431991B
公开(公告)日：2023-11-28
申请号：CN202310479126.0
申请日：2023-04-27
申请人： 中国科学技术大学
IPC分类号： G06F18/10 , G06F18/2135 , G06F18/24 , G06F18/25
摘要： 本发明公开了一种基于相位调制信号特征融合的卫星通信辐射源个体识别方法，首先根据多种算法提取出不同映射形式的指纹特征映射矩阵，包括小波分解特征、高阶谱特征、Hausdorff维数与分形盒维数这四种特征；然后利用CCA算法对步骤1得到的四种特征进行融合，得到新的映射矩阵；再利用KPCA算法对新的映射矩阵进行非线性降维处理，实现去冗余；最后利用分类器基于处理后的新的映射矩阵进行训练与识别，实现对卫星通信辐射源个体的识别分类。该方法能将多种辐射源指纹特征进行融合，(56)对比文件Emily Tyhurst等.Redshift spacedistortions in Lagrangian space and theLinear large scale velocity field of darkmatter《.https://arxiv.org/abs/2202.08435》.2022,1-9.
-
-
搜索结果
3 条记录 (耗时 0.029 秒)