-
公开(公告)号：CN113726350A
公开(公告)日：2021-11-30
申请号：CN202110908254.3
申请日：2021-08-09
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于深度神经网络的强相关自干扰对消方法，将DNN神经网络引入到收发同时系统强相关自干扰对消系统中，采用DNN神经网络拟合自适应对消系统模型，替代传统的自适应滤波算法，提出了基于DNN的强相关自干扰对消方法。该方法摒弃了传统的自适应算法，通过训练好的DNN网络模型，该系统模型可以实现对强相关自干扰信号的有效消除，从而可以更准确的从强相关自干扰信号中恢复出目标信号。
-
Patent Agency Ranking
公开(公告)号：CN113325375B
公开(公告)日：2022-12-13
申请号：CN202110569844.8
申请日：2021-05-25
Applicant: 哈尔滨工程大学
IPC: G01S7/38
Abstract: 本发明提供一种基于深度神经网络的自适应对消方法，1)定义接收天线接收的信号模型，包括发射信号功率Pf，功率放大器非线性失真函数G[·]以及载波中心频率fc；2)定义非线性功率放大器的模型；3)将目标信号进行非线性建模，使用大量数据对DNN网络进行训练；4)把原参考信号通过训练好的网络后生成的信号作为新参考信号输入自适应滤波器；5)对比自适应滤波器对消前后的信号。本发明利用大量训练先验信息模拟雷达干扰机功率放大器的非线性特性，解决干扰问题，这种方法直接估计信号的幅度，用大量的数据来减少算法步骤。
-
公开(公告)号：CN113726350B
公开(公告)日：2022-11-01
申请号：CN202110908254.3
申请日：2021-08-09
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于深度神经网络的强相关自干扰对消方法，将DNN神经网络引入到收发同时系统强相关自干扰对消系统中，采用DNN神经网络拟合自适应对消系统模型，替代传统的自适应滤波算法，提出了基于DNN的强相关自干扰对消方法。该方法摒弃了传统的自适应算法，通过训练好的DNN网络模型，该系统模型可以实现对强相关自干扰信号的有效消除，从而可以更准确的从强相关自干扰信号中恢复出目标信号。
-
公开(公告)号：CN114221667B
公开(公告)日：2023-08-18
申请号：CN202111491329.9
申请日：2021-12-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种通信系统接收端已知信号消除方法及系统，包括构建接收端接收信号模型为y(t)＝s(t)+d(t)+N(t)；接收信号y(t)依次通过带通滤波器和低噪声放大器，然后与本地载波相乘后通过低通滤波器进行带通滤波，通过ADC进行模数转换，得到接收信号y(n)＝s(n)+d(n)+N(n)；利用y(n)＝s(n)+d(n)+N(n)制作数据集，包括训练集yx(n)和测试集ye(n)；将训练集yx(n)和测试集ye(n)分别与参考信号I(n)进行整合，得到输入训练集hx(n)＝[yx(n)，I(n)]和输入测试集he(n)＝[ye(n)，I(n)]；初始化DNN神经网络参数，利用输入训练集hx(n)＝[yx(n)，I(n)]训练DNN神经网络，保存训练好的模型；将输入测试集he(n)＝[ye(n)，I(n)]送入到训练好的DNN神经网络模型中进行处理，得到输出目标信号s′(n)。本发明对已知干扰信号到达的时间没有要求且可以有效的消除已知干扰信号。
-
公开(公告)号：CN114221667A
公开(公告)日：2022-03-22
申请号：CN202111491329.9
申请日：2021-12-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种通信系统接收端已知信号消除方法及系统，包括构建接收端接收信号模型为y(t)＝s(t)+d(t)+N(t)；接收信号y(t)依次通过带通滤波器和低噪声放大器，然后与本地载波相乘后通过低通滤波器进行带通滤波，通过ADC进行模数转换，得到接收信号y(n)＝s(n)+d(n)+N(n)；利用y(n)＝s(n)+d(n)+N(n)制作数据集，包括训练集yx(n)和测试集ye(n)；将训练集yx(n)和测试集ye(n)分别与参考信号I(n)进行整合，得到输入训练集hx(n)＝[yx(n)，I(n)]和输入测试集he(n)＝[ye(n)，I(n)]；初始化DNN神经网络参数，利用输入训练集hx(n)＝[yx(n)，I(n)]训练DNN神经网络，保存训练好的模型；将输入测试集he(n)＝[ye(n)，I(n)]送入到训练好的DNN神经网络模型中进行处理，得到输出目标信号s′(n)。本发明对已知干扰信号到达的时间没有要求且可以有效的消除已知干扰信号。
-
公开(公告)号：CN113325375A
公开(公告)日：2021-08-31
申请号：CN202110569844.8
申请日：2021-05-25
Applicant: 哈尔滨工程大学
IPC: G01S7/38
Abstract: 本发明提供一种基于深度神经网络的自适应对消方法，1)定义接收天线接收的信号模型，包括发射信号功率Pf，功率放大器非线性失真函数G[·]以及载波中心频率fc；2)定义非线性功率放大器的模型；3)将目标信号进行非线性建模，使用大量数据对DNN网络进行训练；4)把原参考信号通过训练好的网络后生成的信号作为新参考信号输入自适应滤波器；5)对比自适应滤波器对消前后的信号。本发明利用大量训练先验信息模拟雷达干扰机功率放大器的非线性特性，解决干扰问题，这种方法直接估计信号的幅度，用大量的数据来减少算法步骤。
-
-
-
-
-
Search Results
6
records
(took 0.043 seconds)
