-
公开(公告)号：CN110113075B
公开(公告)日：2021-02-12
申请号：CN201910534360.2
申请日：2019-06-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于短时傅里叶变换STFT和平滑伪魏格纳分布SPWVD的混合网台跳频参数盲估计方法，用于解决现有技术在低信噪比条件下跳频参数估计精度低和复杂度高的问题。其实现方案是：首先，使用短时傅里叶变换将天线接收信号变换到时频域，并对时频信号进行自适应降噪处理，以增加系统抗噪声性能；其次，通过K‑means均值聚类算法进行频率的精估计；然后，根据精估计的频率提取时频信息得到跳时粗估计；最后，采用平滑伪魏格纳变换及修正后的截断门限进行跳变时刻的精估计。本发明降低了复杂度，增加了频率的分辨率，提高了跳时刻的估计精度，可用于复杂电磁环境中，跳频信号的参数估计。
-
公开(公告)号：CN110185939A
公开(公告)日：2019-08-30
申请号：CN201910408262.4
申请日：2019-05-16
Applicant: 西北工业大学 , 东莞市三航军民融合创新研究院 , 西安电子科技大学
Abstract: 本发明提出一种基于卷积神经网络的气体管道泄漏识别方法，在采集典型泄漏类型的泄漏声信号和背景声信号后，进行分帧处理以及短时傅里叶变化得到表征原始泄漏声信号的时频图；而后搭建针对于泄漏声信号的卷积神经网络分类模型，将传统的正方形卷积核改变为特定长条状的长方形卷积核从而能够更好的提取到时频图中的线谱特征；将泄漏声和背景声的时频图混合送入搭建好的卷积神经网络进行训练，训练采用K折交叉验证，对网络模型超参数进行优化，从而选出最优的模型超参数并增强模型的鲁棒性和普适性。该方法相较于现有技术中的管道泄漏识别方法不但在识别率上有进一步的提升，而且还能有效的解决现有技术中最难以处理的特征筛选问题。
-
公开(公告)号：CN106162833B
公开(公告)日：2019-05-07
申请号：CN201610664054.7
申请日：2016-08-12
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于特高频信号辅助的毫米波微小区选择方法，其步骤为：1.确定用户所处扇区；2.传输特高频指示信号；3.传输毫米波定位检测信号；4.微基站信息处理；5.判断是否存在可以接纳新用户的毫米波微小区；6.微基站反馈信息；7.判断是否存在满足合法通信条件的毫米波微小区；8.估计用户位置；9.微基站扫描用户；10.判断是否存在满足合法通信条件的毫米波微小区；11.微基站反馈信息；12.建立候选小区列表；13.选择微基站通信；14.宏基站直接与用户通信。本发明可以减少搜索时间，提高搜索效率，实现毫米波微小区快速选择的目标。
-
公开(公告)号：CN106908755B
公开(公告)日：2019-03-26
申请号：CN201710116705.3
申请日：2017-03-01
Applicant: 西安电子科技大学
IPC: G01S3/808
Abstract: 本发明公开了一种无线声传感器网络下压缩气体泄漏的声源方位估计方法，主要解决现有技术存在的以下问题：(1)需要工作人员在待检测部位近距离定期巡检带来的检测不全面和不安全的问题；(2)采样率高，数据量大，所需存储量大。本发明的实现步骤为：(1)布局麦克风阵列；(2)选择参考麦克风与压缩采样麦克风；(3)标准采样；(4)压缩采样；(5)构造稀疏基矩阵；(6)构造测量矩阵；(7)压缩气体泄漏的声源方位。本发明能够在无线声传感器网络的节点中，通过低速采样的少量数据直接获得准确的压缩气体泄漏的声源方位，具有所需存储量小，实时性高和易于硬件实现的优点。
-
公开(公告)号：CN109243486A
公开(公告)日：2019-01-18
申请号：CN201811070678.1
申请日：2018-09-13
Abstract: 本发明提出一种基于机器学习的反黑飞声探测方法，采集包含无人机噪声信号以及不存在无人机的环境噪声信号的训练样本；之后对训练样本进行以下处理：对声音信号进行分帧，将若干个采样点作为一帧信号；计算每帧信号的短时平均能量、短时平均过零率、线性编码预测系数及其反射系数；并使用改进的梅尔频率倒谱系数方法计算每帧信号新的梅尔频率倒谱系数，最后将所有计算值组成一维特征向量；利用样本训练集，对多层感知机进行训练，获得最优模型；在获得新的声音信号后，采用与上面相同的处理方式得到特征向量，利用特征向量输入最优模型进行分类识别，得到识别结果。本发明经过测试样本测试，在距离为150米的条件下，测试准确率F1值要比现有技术高7％。
-
Patent Agency Ranking
公开(公告)号：CN106817132A
公开(公告)日：2017-06-09
申请号：CN201710023790.9
申请日：2017-01-13
Applicant: 西安电子科技大学
IPC: H03M7/30
CPC classification number: H03M7/3062
Abstract: 本发明公开了一种基于尾部支撑集的压缩感知源信号重构方法，具体步骤包括：1、采集信号，2、初始化，3、计算压缩感知源信号重构的初始解向量，4、构造第L次迭代时的尾部支撑集，5、计算第L次迭代压缩感知源信号重构的解向量6、更新压缩感知源信号重构的迭代次数，7、判断迭代次数，8、输出第L次迭代压缩感知源信号重构的解向量。本发明解决了现有技术抗噪能力差，且当源信号稀疏度大于观测信号长度的一半时无法重构源信号的缺点，实现了在源信号稀疏度大于观测信号长度一半时的压缩感知源信号重构。
-
公开(公告)号：CN114398763A
公开(公告)日：2022-04-26
申请号：CN202111595262.3
申请日：2021-12-23
Applicant: 西安电子科技大学
IPC: G06F30/20
Abstract: 本发明属于通信工程、信息工程等实验网络教学技术领域，公开了一种随机信号分析实验虚拟仿真系统及控制方法，所述随机信号分析实验虚拟仿真系统包括：通信信号产生硬件电路模块，用于产生不同调制方式的通信信号；噪声产生模块，用于产生噪声信号；通信系统硬件电路模块，用于实现线性系统或非线性系统；信号分析软件模块，用于实现通信信号的特性分析。本发明采用软件和硬件结合的随机信号分析实验的虚拟仿真实验平台，既可以解决实验设备投入过大的问题，又能解决无法聚集的问题；同时学生实验时间、实验场地灵活，只要有网络和笔记本电脑，学生可以随时随地进行实验。
-
公开(公告)号：CN107065932B
公开(公告)日：2020-04-07
申请号：CN201710452827.X
申请日：2017-06-15
Applicant: 西安电子科技大学
IPC: G05D1/10
Abstract: 本发明提出了一种灾情探测四旋翼无人机的控制方法，旨在通过对四旋翼无人机的有效和准确控制，以较低的数据传输成本实现可靠的灾情探测。实现步骤为：控制四旋翼无人机规避障碍物，飞往目标区域；四旋翼无人机在目标区域采集有效数据；四旋翼无人机在数据采集的同时自适应调整飞行高度；四旋翼无人机在数据采集的同时判断监测任务完成进度和设备异常情况；当四旋翼无人机监测到任务完成，设备异常或返航指令，四旋翼无人机执行返航程序，并降落到指定的区域。本发明能够很好地利用传感器数据实现四旋翼无人机自适应的调整飞行高度，避开突发危险，并且能够利用通信交互技术保证控制的准确性和有效性。
-
公开(公告)号：CN106603448B
公开(公告)日：2019-06-21
申请号：CN201611204290.7
申请日：2016-12-23
Applicant: 西安电子科技大学
IPC: H04L25/03 , H04B7/0456 , H04B7/024
Abstract: 本发明公开了一种多小区多用户协作通信的干扰对齐方法，主要解决现有技术通信系统容量低、复杂度高的问题。其实现方案是：1.获取每个小区中的边缘用户数目；2.根据边缘用户数目，为每个小区选择不进行干扰对齐用户；3.随机产生每个小区中的不进行干扰对齐用户的接收滤波矩阵；4.根据进行干扰对齐用户的接收滤波矩阵，设计基站端的辅助预编码；5.根据辅助预编码，设计进行干扰对齐用户的接收滤波矩阵；6.根据用户的接收滤波矩阵，计算每个基站端的预编码矩阵；7.根据预编码矩阵和接收滤波矩阵，在收发两端进行数据传输,以消除掉干扰。本发明具有通信系统容量大、复杂度低的优点，可用于多小区多用户协作通信场景。
-
公开(公告)号：CN104582008B
公开(公告)日：2017-12-19
申请号：CN201510025418.2
申请日：2015-01-19
Applicant: 西安电子科技大学
Abstract: 本发明属于通信技术领域，具体公开了一种Android手机自组织网系统的建立方法，自组织网系统由若干作为通信节点的Android手机组成，建立过程包括如下步骤:扫描无线自组织网络，配置协议及组网环境，组建无线自组织网络。设备的协议及组网环境配置完成后，多个设备组建无线自组织网络，设备中的L2MPM协议将依据hello包的信息更新和维护各节点的路由信息并调度数据在各节点间的传输。本发明有效地利用移动自组网技术、WiFi技术，二层Mesh路由协议L2MPM，且具有无中心性、组网快速方便、无线多跳、通信速率高、不依赖运营商网络信号的优点，可用于登山旅游、高铁列车、自然灾害等场所的通信。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.023 seconds)
