-
公开(公告)号:CN116545556B
公开(公告)日:2024-03-29
申请号:CN202310478269.X
申请日:2023-04-28
Applicant: 哈尔滨工程大学
IPC: H04B17/373 , G06N3/0442 , G06N3/045 , G06N3/0464 , H04B17/382
Abstract: 基于动态阈值和残差卷积网络的电磁频谱占用度二维预测方法,它涉及一种电磁频谱占用度二维预测方法。本发明为了解决目前对于电磁频谱占用度预测任务上先验信息少、预测尺度单一、预测性能差的问题。本发明的核心在于设计了动态阈值的底噪和占用度提取算法,采用基于电磁频谱占用度时间近邻特征、周期特征和趋势特征作为先验信息,通过TFBRL网络融合残差卷积网络和LSTM时序预测网络,实现电磁频谱占用度预测,有效提升预测性能。本发明属于电磁环境频谱占用预测技术领域。
-
公开(公告)号:CN115392427A
公开(公告)日:2022-11-25
申请号:CN202110565030.7
申请日:2021-05-24
Applicant: 哈尔滨工程大学
Abstract: 基于复数神经网络的星载ADS‑B交叠信号分离方法,所述方法包括如下步骤:S1:对接收到的星载ADS‑B交叠信号进行包络提取,得到包络信号;S2:对所述包络信号进行希尔伯特变换,得到交叠的IQ复数数据;S3:将所述IQ复数数据输入复数神经网络进行交叠信号分离,得到分离的IQ信号;S4:对所述分离的IQ信号的数据位进行PPM解码,再进行CRC校验;S5:根据校验结果存储分离的正确的信号。本发明采用经验公式提取包络信号,减少了计算量,提高了分离效率,采用复数神经网络进行交叠信号分离,分离准确率高,分离信号响应时间快,工程可实现性强,从而解决了传统的分离方法算法复杂度高,耗时长,分离效率不高的问题。
-
公开(公告)号:CN116545556A
公开(公告)日:2023-08-04
申请号:CN202310478269.X
申请日:2023-04-28
Applicant: 哈尔滨工程大学
IPC: H04B17/373 , G06N3/0442 , G06N3/045 , G06N3/0464 , H04B17/382
Abstract: 基于动态阈值和残差卷积网络的电磁频谱占用度二维预测方法,它涉及一种电磁频谱占用度二维预测方法。本发明为了解决目前对于电磁频谱占用度预测任务上先验信息少、预测尺度单一、预测性能差的问题。本发明的核心在于设计了动态阈值的底噪和占用度提取算法,采用基于电磁频谱占用度时间近邻特征、周期特征和趋势特征作为先验信息,通过TFBRL网络融合残差卷积网络和LSTM时序预测网络,实现电磁频谱占用度预测,有效提升预测性能。本发明属于电磁环境频谱占用预测技术领域。
-
-