-
公开(公告)号：CN114154529A
公开(公告)日：2022-03-08
申请号：CN202111188792.6
申请日：2021-10-12
Applicant: 北京邮电大学
Abstract: 本申请提供一种基于多源数据融合的电磁目标识别方法及相关设备，该方法包括：获取目标电磁设备的电磁信号数据和图像数据；通过预先构建的电磁编码器对所述电磁信号数据进行编码，得到电磁隐层向量；通过预先构建的图像编码器对所述图像样本数据进行编码，得到图像隐层向量；基于所述电磁隐层向量和所述图像隐层向量得到叠加隐层向量；将所述叠加隐层向量输入预先构建的电磁目标分类器，以对所述目标电磁设备进行分类，基于预设的类别标签确定所述目标电磁设备的电磁信号类别。本申请充分利用电磁和图像等多信息源，通过数据融合降低单一数据源条件下的外界影响，提高算法在复杂环境下的适应能力，提高分类准确率和模型的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN114359490B
公开(公告)日：2024-08-20
申请号：CN202111395214.X
申请日：2021-11-23
Applicant: 北京邮电大学
Abstract: 本申请提供一种基于多模态融合的电磁地图构建方法及相关装置，包括：获取目标区域的环境电磁信号数据和环境图像数据；对环境电磁信号数据和环境图像数据分别进行编码，将环境电磁信号数据和环境图像数据分别映射到对应的隐空间，得到环境电磁信号编码数据和环境图像编码数据；将环境电磁信号编码数据和环境图像编码数据输入预先构建并训练得到的生成式对抗网络模型，得到环境电磁信号生成数据；将环境电磁信号生成数据映射到环境电磁信号数据对应的数据空间，得到目标区域的电磁地图。本申请将对应于不同的数据空间的环境电磁信号数据和环境图像数据映射到隐空间，并通过生成式对抗网络模型实现二者特征的融合，提高了构建地图的准确性。
-
公开(公告)号：CN114359490A
公开(公告)日：2022-04-15
申请号：CN202111395214.X
申请日：2021-11-23
Applicant: 北京邮电大学
Abstract: 本申请提供一种基于多模态融合的电磁地图构建方法及相关装置，包括：获取目标区域的环境电磁信号数据和环境图像数据；对环境电磁信号数据和环境图像数据分别进行编码，将环境电磁信号数据和环境图像数据分别映射到对应的隐空间，得到环境电磁信号编码数据和环境图像编码数据；将环境电磁信号编码数据和环境图像编码数据输入预先构建并训练得到的生成式对抗网络模型，得到环境电磁信号生成数据；将环境电磁信号生成数据映射到环境电磁信号数据对应的数据空间，得到目标区域的电磁地图。本申请将对应于不同的数据空间的环境电磁信号数据和环境图像数据映射到隐空间，并通过生成式对抗网络模型实现二者特征的融合，提高了构建地图的准确性。
-
公开(公告)号：CN112364851A
公开(公告)日：2021-02-12
申请号：CN202110039426.8
申请日：2021-01-13
Applicant: 北京邮电大学
Abstract: 本申请中一个或多个实施例提供一种自动调制识别方法、装置、电子设备及存储介质，包括：获取待测信号样本、真实有样本类别数据和语义向量；获取生成对抗网络模型；将零样本类别语义向量输入生成对抗网络模型以生成零样本类别数据；获取分类器模型；将待测信号样本输入分类器模型以得到识别结果。本申请通过利用有样本类别语义向量训练生成对抗网络模型，从而通过生成对抗网络模型生成零样本类别数据，以解决部分调制信号没有样本的问题，在得到了分类性能优越的分类器模型的同时，通过生成对抗网络模型生成零样本类别数据，达到减少收集训练数据的难度的目的。
-
公开(公告)号：CN114358115A
公开(公告)日：2022-04-15
申请号：CN202111396928.2
申请日：2021-11-23
Applicant: 北京邮电大学
Abstract: 本申请提供一种通信信号自动调制识别方法、装置、电子设备及存储介质。该方法包括：获取信号数据集，将信号数据集划分为支持数据集和测试数据集；基于支持数据集和测试数据集组成测试组；将测试组依次输入经过预训练的第一神经网络和第二神经网络，输出测试数据集中每条信号数据对应的第一调制模式类别。省去了大量训练数据的需求，能大幅度提升在少信号样本数据条件下的调制模式类别识别性能，降低对训练数据的量的依赖，达到与大量信号样本数据集条件下的同等分类性能。
-
公开(公告)号：CN112364851B
公开(公告)日：2021-11-02
申请号：CN202110039426.8
申请日：2021-01-13
Applicant: 北京邮电大学
Abstract: 本申请中一个或多个实施例提供一种自动调制识别方法、装置、电子设备及存储介质，包括：获取待测信号样本、真实有样本类别数据和语义向量；获取生成对抗网络模型；将零样本类别语义向量输入生成对抗网络模型以生成零样本类别数据；获取分类器模型；将待测信号样本输入分类器模型以得到识别结果。本申请通过利用有样本类别语义向量训练生成对抗网络模型，从而通过生成对抗网络模型生成零样本类别数据，以解决部分调制信号没有样本的问题，在得到了分类性能优越的分类器模型的同时，通过生成对抗网络模型生成零样本类别数据，达到减少收集训练数据的难度的目的。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
