-
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：CN109326168B
公开(公告)日：2020-12-15
申请号：CN201811483282.X
申请日：2018-12-06
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: G09B9/04
Abstract: 本发明公开了一种预测式驾驶辅助模拟系统。利用本发明能够对实时路况图像进行精确获取和多点并行化处理。本发明通过下述技术方案予以实现：路况模拟模块利用车辆上的光学摄像头采集实时路况数据；实时采集显示前端通过配置程序控制摄像头，采集模拟路况后选取每种颜色的高四位作为输出图像数据，将高五位转换为灰度图像存入FPGA内存中；图像处理及预测模块对存入FPGA中的灰度图像进行常规路况物体匹配，输出常规驾驶提示信号，将动目标与背景分离，再利用嵌入软核中多核并行的方式，对目标的多个位置进行曲线拟合并模拟出未来运动轨迹，输出叠加后的图像；控制模拟终端输出语音提示信息并控制舵机来转换方向或控制电机来控制速度。
-
公开(公告)号：CN109326168A
公开(公告)日：2019-02-12
申请号：CN201811483282.X
申请日：2018-12-06
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: G09B9/04
CPC classification number: G09B9/04
Abstract: 本发明公开了一种预测式驾驶辅助模拟系统。利用本发明能够对实时路况图像进行精确获取和多点并行化处理。本发明通过下述技术方案予以实现：路况模拟模块利用车辆上的光学摄像头采集实时路况数据；实时采集显示前端通过配置程序控制摄像头，采集模拟路况后选取每种颜色的高四位作为输出图像数据，将高五位转换为灰度图像存入FPGA内存中；图像处理及预测模块对存入FPGA中的灰度图像进行常规路况物体匹配，输出常规驾驶提示信号，将动目标与背景分离，再利用嵌入软核中多核并行的方式，对目标的多个位置进行曲线拟合并模拟出未来运动轨迹，输出叠加后的图像；控制模拟终端输出语音提示信息并控制舵机来转换方向或控制电机来控制速度。
-
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。
-
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。
-
-
-
-
-
Search Results
6
records
(took 0.043 seconds)
