-
公开(公告)号：CN113014524B
公开(公告)日：2021-12-14
申请号：CN202110232691.8
申请日：2021-03-03
申请人： 电子科技大学 , 中国人民解放军军事科学院战争研究院
摘要： 本发明公开了一种基于深度学习的适用于不同多径信道环境的数字信号调制识别方法。包括以下步骤：OFDM发射机产生多载波数字信号，并将信号输入多径衰落信道；OFDM接收机接收不同多径信道下的传输信号；对不同多径信道下的传输信号进行信号预处理；构建RSN‑MI神经网络，并对其进行训练；将预处理后的数据输入RSN‑MI神经网络，得到数字信号调制识别结果。本发明具有更好的识别精度，同时对于不同信号环境中的接收数据具有鲁棒性，大大减少了网络的训练数目。
-
公开(公告)号：CN113037662A
公开(公告)日：2021-06-25
申请号：CN202110228356.0
申请日：2021-03-02
申请人： 电子科技大学 , 中国人民解放军军事科学院战争研究院
摘要： 本发明提供了一种基于联邦学习的移动设备射频指纹分布式识别的方法，属于物联网安全信息技术领域。首先根据射频信号数据分散存储、难以集中训练模型的特性，采用联邦学习算法实现分布式射频指纹识别，不仅解决了数据分散带来的问题，而且为本地的敏感数据提供了隐私保护。为了减少移动设备数据分布不均衡对联邦学习算法性能的影响，本发明在联邦学习算法的基础上，额外增加了动态样本选择算法，即根据异构设备的数据处理能力动态分配任务。与传统的深度学习算法相比，本发明提出的算法在减少计算时间的同时，提高了识别的准确度。
-
公开(公告)号：CN113014524A
公开(公告)日：2021-06-22
申请号：CN202110232691.8
申请日：2021-03-03
申请人： 电子科技大学 , 中国人民解放军军事科学院战争研究院
摘要： 本发明公开了一种基于深度学习的适用于不同多径信道环境的数字信号调制识别方法。包括以下步骤：OFDM发射机产生多载波数字信号，并将信号输入多径衰落信道；OFDM接收机接收不同多径信道下的传输信号；对不同多径信道下的传输信号进行信号预处理；构建RSN‑MI神经网络，并对其进行训练；将预处理后的数据输入RSN‑MI神经网络，得到数字信号调制识别结果。本发明具有更好的识别精度，同时对于不同信号环境中的接收数据具有鲁棒性，大大减少了网络的训练数目。
-
公开(公告)号：CN112996001A
公开(公告)日：2021-06-18
申请号：CN202110228359.4
申请日：2021-03-02
申请人： 电子科技大学 , 中国人民解放军军事科学院战争研究院
摘要： 本发明提供了一种基于射频指纹图像加扰的物理层安全通信方法，属于通信技术领域，本发明通过在物理层将射频原始信号的比特流与其射频身份图像进行合并，进而加强接收端与发送端之间通信的保密性，在IQ比特流的基础上，由原始频谱图像和对抗样本的扰动合成射频身份图像。为了缓解射频指纹被故意干扰的问题，本发明通过在物理层将射频原始信号的比特流与其射频身份图像进行合并，进而加强接收端与发送端之间通信的保密性。
-
公开(公告)号：CN112926477A
公开(公告)日：2021-06-08
申请号：CN202110252829.0
申请日：2021-03-09
申请人： 电子科技大学 , 中国人民解放军军事科学院战争研究院
摘要： 本发明公开了一种适用于低信噪比环境的物联网射频指纹识别方法，包括以下步骤：采集若干I/Q信号作为样本信号，构建DSLN架构，并初始化DSLN架构的参数；根据样本信号，采用最小化交叉熵误差的梯度下降算法对初始化后的DSLN架构进行训练，获取射频指纹识别器；采集待识别I/Q信号，并将其输入至射频指纹识别器，得到物联网射频指纹识别结果。本发明提出了一种适用于低信噪比环境的物联网射频指纹识别方法，解决了在低信噪比环境中，现有技术的射频指纹识别方法的性能会显著下降的问题。本发明提出了一种DSLN架构，能够提高在低信噪比环境中对设备识别的准确度，同时还能大幅度地减少运行的时间，提高了工作效率。
-
公开(公告)号：CN114598517A
公开(公告)日：2022-06-07
申请号：CN202210205313.5
申请日：2022-03-02
申请人： 中国人民解放军军事科学院战争研究院
摘要： 本发明提供了一种基于联邦学习的移动设备射频指纹分布式识别的方法，属于物联网安全信息技术领域。首先根据射频信号数据分散存储、难以集中训练模型的特性，采用联邦学习算法实现分布式射频指纹识别，不仅解决了数据分散带来的问题，而且为本地的敏感数据提供了隐私保护。为了减少移动设备数据分布不均衡对联邦学习算法性能的影响，本发明在联邦学习算法的基础上，额外增加了动态样本选择算法，即根据异构设备的数据处理能力动态分配任务。与传统的深度学习算法相比，本发明提出的算法在减少计算时间的同时，提高了识别的准确度。
-
公开(公告)号：CN114513793A
公开(公告)日：2022-05-17
申请号：CN202210205316.9
申请日：2022-03-02
申请人： 中国人民解放军军事科学院战争研究院
摘要： 本发明提供了一种基于射频指纹图像加扰的物理层安全通信方法，属于通信技术领域，本发明通过在物理层将射频原始信号的比特流与其射频身份图像进行合并，进而加强接收端与发送端之间通信的保密性，在IQ比特流的基础上，由原始频谱图像和对抗样本的扰动合成射频身份图像。为了缓解射频指纹被故意干扰的问题，本发明通过在物理层将射频原始信号的比特流与其射频身份图像进行合并，进而加强接收端与发送端之间通信的保密性。
-
公开(公告)号：CN114598518A
公开(公告)日：2022-06-07
申请号：CN202210205323.9
申请日：2022-03-02
申请人： 中国人民解放军军事科学院战争研究院
摘要： 本发明公开了一种低信噪比环境中物联网射频指纹的识别方法，包括以下步骤：采集若干I/Q信号作为样本信号，构建DSLN架构，并初始化DSLN架构的参数；根据样本信号，采用最小化交叉熵误差的梯度下降算法对初始化后的DSLN架构进行训练，获取射频指纹识别器；采集待识别I/Q信号，并将其输入至射频指纹识别器，得到物联网射频指纹识别结果。本发明提出了一种低信噪比环境中物联网射频指纹的识别方法，解决了在低信噪比环境中，现有技术的射频指纹识别方法的性能会显著下降的问题。本发明提出了一种DSLN架构，能够提高在低信噪比环境中对设备识别的准确度，同时还能大幅度地减少运行的时间，提高了工作效率。
-
公开(公告)号：CN114584441A
公开(公告)日：2022-06-03
申请号：CN202210205322.4
申请日：2022-03-02
申请人： 中国人民解放军军事科学院战争研究院
摘要： 本发明公开了一种基于深度学习的适用于不同多径信道环境的数字信号调制识别方法。包括以下步骤：OFDM发射机产生多载波数字信号，并将信号输入多径衰落信道；OFDM接收机接收不同多径信道下的传输信号；对不同多径信道下的传输信号进行信号预处理；构建RSN‑MI神经网络，并对其进行训练；将预处理后的数据输入RSN‑MI神经网络，得到数字信号调制识别结果。本发明具有更好的识别精度，同时对于不同信号环境中的接收数据具有鲁棒性，大大减少了网络的训练数目。
-
公开(公告)号：CN117851912A
公开(公告)日：2024-04-09
申请号：CN202311739126.6
申请日：2023-12-15
申请人： 电子科技大学
IPC分类号： G06F18/2415 , G06F18/214 , G06N3/0464 , G06F17/14 , G06F17/16 , G06N3/084
摘要： 本发明提供了一种基于轻量化抗多普勒射频指纹识别的方法，属于物联网安全信息技术领域。本发明包括结合I/Q信号特点，将信号表示转换为时频图，保留时域和频域射频指纹特征，构建去信道化的差分频谱图；并采用多普勒信道建模合成更多数据集的方式，使模型能够通过获取更多的多普勒频移环境下的射频信号进行数据增强提取更多可靠的射频指纹特征。此外，还设计了一种新的轻量化深度卷积可分离网络。本发明的识别模型由输入层，卷积层，多个深度可分离卷积层，最大池化层，全连接层以及softmax分类层组成。该方法能增加模型的推理速度，提高模型识别准确率，实现资源受限下低成本绿色环保通信识别。
-
-
-
-
-
-
-
-
-
搜索结果
94 条记录 (耗时 0.058 秒)
