公开(公告)号：CN118555169A

公开(公告)日：2024-08-27

申请号：CN202410640997.0

申请日：2024-05-22

Applicant: 西安电子科技大学

Inventor： 刘向丽 ,  赵贺祥 ,  李赞 ,  高瑞雪 ,  谭薇

IPC: H04L25/03 ,  H04L25/02 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/094

Abstract: 本发明公开了一种基于OTFS调制和深度学习的REC信号检测方法，其实现步骤为：对REC信号进行OTFS解调；利用稀疏贝叶斯学习的近似消息传递算法检测REC信号中目标状态信息；利用状态信息对信道依次进行均衡操作和预处理；利用预处理后的接收信号对构建的条件生成对抗网络进行训练；将预处理后的接收信号送入训练好的条件生成对抗网络中进行通信判决，得到恢复后的我方无人机标签发射的REC通信信号。本发明利用稀疏贝叶斯学习的近似消息传递算法降低目标检测过程中算法的时间复杂度和空间复杂度，利用信道矩阵的特殊性质减少均衡过程中的求逆运算，进一步降低了计算复杂度，提升了系统运行效率。本发明将深度学习模型引入通信接收机设计，对高速移动目标时仍能保持较好的通信可靠性。

公开(公告)号：CN117576442A

公开(公告)日：2024-02-20

申请号：CN202311441793.6

申请日：2023-11-01

Applicant: 西安电子科技大学

Inventor： 刘向丽 ,  王晓哲 ,  王志国 ,  李赞 ,  谭薇 ,  高瑞雪

IPC: G06V10/764 ,  G06V10/74 ,  G06V10/774 ,  G06V10/82 ,  G06N3/096

Abstract: 本发明公开了一种基于细粒度和增量学习的可见光图像中航天器分类方法，其实现步骤为：构建Efficient Net网络与全连接层串联组成的可见光图像分类网络，生成基础训练样本集和增量学习样本集，先使用基础训练样本集，通过交叉熵损失函数训练网络，将航天器的特征与标签匹配，初步实现图像分类，再使用余弦损失函数训练网络，扩大特征的类间距离，缩小类内距离，优化相似图像的分类，使用增量学习样本集训练网络，使用特征匹配和阈值判断方法相结合，得到训练好的网络。本发明通过三次对网络的训练，提高了相似性高的航天器可见光图像分类的准确性，具有特征区分能力强，分类准确率高，可拓展性的优点。