-
公开(公告)号：CN113630130A
公开(公告)日：2021-11-09
申请号：CN202110877440.5
申请日：2021-07-31
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种端到端数字通信解调方法，具有更强的灵活性，解调精度高，并能提升处理时效性。本发明通过下述技术方案实现：调制数据生成系统建立调制数据集，生成调制数据；数据预处理模块对接收到的中频信号序列进行预处理，神经网络解调模型提取码元最佳采样点位置，并对接收到的中频信号序列进行深度学习训练，获取解调器模型，输出解调后的信息流；神经网络解调器模型设置网络超参数，并且训练起始点位置随机的训练样本，在训练过程中，采用交叉熵损失函数作为解调器的优化函数，读入测试集中的调制数据集和包含多个码元的信号流输入训练完成的解调器，通过深度网络实现多个码元的同时解调，解调器输出解调后的结果。
-
Patent Agency Ranking
公开(公告)号：CN113630130B
公开(公告)日：2022-12-23
申请号：CN202110877440.5
申请日：2021-07-31
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种端到端数字通信解调方法，具有更强的灵活性，解调精度高，并能提升处理时效性。本发明通过下述技术方案实现：调制数据生成系统建立调制数据集，生成调制数据；数据预处理模块对接收到的中频信号序列进行预处理，神经网络解调模型提取码元最佳采样点位置，并对接收到的中频信号序列进行深度学习训练，获取解调器模型，输出解调后的信息流；神经网络解调器模型设置网络超参数，并且训练起始点位置随机的训练样本，在训练过程中，采用交叉熵损失函数作为解调器的优化函数，读入测试集中的调制数据集和包含多个码元的信号流输入训练完成的解调器，通过深度网络实现多个码元的同时解调，解调器输出解调后的结果。
-
公开(公告)号：CN113453183B
公开(公告)日：2023-03-21
申请号：CN202110596454.X
申请日：2021-05-31
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种远程感知监测全局目标空间覆盖优化方法，能够有效感知一定高度范围内的空中目标。本发明可以通过下述方案实现：首先筛选出能够感知到待感知目标空间的传感器，组成感知覆盖的三维空间有向传感器网络，建立集合覆盖模型；统计三维待感知空间离散点的覆盖范围，计算感知覆盖率，迭代优化适应度函数；调整有向传感器求整个有向传感器网络对待感知空间的感知覆盖率，利用随机搜索算法，迭代优化每个传感器的俯仰角和方位角，对指定的地球表面三维空中目标进行感知覆盖，直到满足覆盖率要求或迭代次数要求，利用所述智能优化算法输出优化参数调整传感器的方位角和俯仰角，通过对主感知方向的优化，获得全局最优空间覆盖。
-
公开(公告)号：CN113453183A
公开(公告)日：2021-09-28
申请号：CN202110596454.X
申请日：2021-05-31
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种远程感知监测全局目标空间覆盖优化方法，能够有效感知一定高度范围内的空中目标。本发明可以通过下述方案实现：首先筛选出能够感知到待感知目标空间的传感器，组成感知覆盖的三维空间有向传感器网络，建立集合覆盖模型；统计三维待感知空间离散点的覆盖范围，计算感知覆盖率，迭代优化适应度函数；调整有向传感器求整个有向传感器网络对待感知空间的感知覆盖率，利用随机搜索算法，迭代优化每个传感器的俯仰角和方位角，对指定的地球表面三维空中目标进行感知覆盖，直到满足覆盖率要求或迭代次数要求，利用所述智能优化算法输出优化参数调整传感器的方位角和俯仰角，通过对主感知方向的优化，获得全局最优空间覆盖。
-
公开(公告)号：CN112529035B
公开(公告)日：2023-01-06
申请号：CN202011190513.5
申请日：2020-10-30
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
IPC: G06F18/2415 , G06F18/2431 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明公开的一种基于时序深度网络的智能个体识别方法，解决现有电台个体分类识别方法特征提取困难，泛化能力低的问题。其实现方案为：基于时序深度网络，将反映不同电台个体种类的电台个体时序信号输入深度网络，对原始电台个体数据进行补零处理，并按比例生成训练样本集和测试样本集；构建三个子网络及一维时序多子网络深度集成网络；用训练样本集训练三个子网络并将输出层并行连接获得训练后的一维时序多子网络深度集成网络；将电台原始时序数据直接输入训练后的深度集成网络对测试数据集进行预测，获得网络对电台时序数据预测的电台个体类别。本发明提高了深度网络在电台个体识别方面的泛化能力与鲁棒性，可用在电台个体分类识别技术领域中。
-
公开(公告)号：CN112529035A
公开(公告)日：2021-03-19
申请号：CN202011190513.5
申请日：2020-10-30
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种基于时序深度网络的智能个体识别方法，解决现有电台个体分类识别方法特征提取困难，泛化能力低的问题。其实现方案为：基于时序深度网络，将反映不同电台个体种类的电台个体时序信号输入深度网络，对原始电台个体数据进行补零处理，并按比例生成训练样本集和测试样本集；构建三个子网络及一维时序多子网络深度集成网络；用训练样本集训练三个子网络并将输出层并行连接获得训练后的一维时序多子网络深度集成网络；将电台原始时序数据直接输入训练后的深度集成网络对测试数据集进行预测，获得网络对电台时序数据预测的电台个体类别。本发明提高了深度网络在电台个体识别方面的泛化能力与鲁棒性，可用在电台个体分类识别技术领域中。
-
-
-
-
-
Search Results
6
records
(took 0.036 seconds)
