公开(公告)号：CN116131891B

公开(公告)日：2024-09-03

申请号：CN202310257070.4

申请日：2023-03-16

申请人： 西安电子科技大学

发明人： 付少忠 ,  吴寅鹏 ,  李毅 ,  高明 ,  刘刚 ,  葛建华 ,  田静 ,  周易

IPC分类号： H04B7/0456 ,  H04B7/06 ,  H04B7/08

摘要： 本发明公开了一种基于黎曼流形的分层码本设计方法，主要解决现有分层码本设计无法精确地进行信道估计，生成码本时间复杂度高的问题。其实现方案为：将毫米波信道离开角在网格中均匀量化，得到离开角度集合；根据信道路径数目和分层码本参数设计分层码本结构；利用量化后的角度和分层码本中的波束赋形向量推导得出目标函数；计算目标函数的微分和梯度，得到目标函数最快优化方向，利用Armijo‑Goldstein准则确定黎曼流形优化的步长；使用Retraction函数找到下一个优化的点，重复此步骤得到目标函数的最优解；利用最优解得到所有的码字，组成最终的分层码本。本发明的分层码本精度高，生成时间复杂度低，可用于信道估计。

公开(公告)号：CN114499601B

公开(公告)日：2023-04-28

申请号：CN202111586941.4

申请日：2021-12-23

申请人： 西安电子科技大学

发明人： 高明 ,  赵海阔 ,  杨浩然 ,  石颖 ,  李靖 ,  葛建华

IPC分类号： H04B7/0413 ,  H04B7/08 ,  G06N3/048 ,  G06N3/084

摘要： 本发明公开了一种基于深度学习的大规模MIMO信号检测方法，改善了现有技术中的别最后。该发明含有以下步骤：1、基站端获得信道衰弱信息和信道噪声，接收用户端发送的信号，得到适用的SAMP算法；2、为SAMP算法设计阈值网络以及添加合适的训练参数，3、将添加训练系数和阈值网络的SAMP算法展开成为SAMP‑FCNet神经网络：4、获得样本数据，设计训练所需的超参数，训练SAMP‑FCNet，得到适用于大规模MIMO系统检测的最优近似消息传递神经网络，适用于上线神经网络进行信号检测。该技术结合SAMP算法提出深度学习的大规模MIMO信号检测方法，实现了以较低的复杂度获得了较高的检测性能。

公开(公告)号：CN116008967A

公开(公告)日：2023-04-25

申请号：CN202211643938.6

申请日：2022-12-20

申请人： 西安电子科技大学芜湖研究院

发明人： 张高宁 ,  高明 ,  马云超 ,  宋子奇 ,  田冀楠 ,  何滇 ,  张野 ,  李晴 ,  翟世奇 ,  王文强 ,  查梦凡 ,  吴勇 ,  王东

IPC分类号： G01S7/497 ,  G01S17/08

摘要： 本发明公开了一种激光回波定时游动误差校正方法及系统，该方法通过多个幅度数据得到幅度‑时间校准曲线，根据幅度‑时间校准曲线得到补偿值，进而得到校准时间值，通过数字信号处理对游动误差校准，无需增加模拟电路规模，不影响系统灵敏度与测距精度，避免了回波信号下降沿的拖尾现象所导致的补偿精度损失。同时，通过硬件拟合并计算实现较为耗费时间与资源。而通过本系统计算结束之后，将计算结果以幅度‑时间校准曲线展现，使用时直接读取，这种方式可以显著提升校准的速度，并且节省了计算逻辑的硬件资源。

公开(公告)号：CN112911589B

公开(公告)日：2022-09-06

申请号：CN202110045410.8

申请日：2021-01-12

申请人： 西安电子科技大学

发明人： 高明 ,  赵雪雯 ,  葛建华

IPC分类号： H04W12/03 ,  H04W12/122 ,  H04W40/22 ,  H04W40/12 ,  H04B7/06 ,  H04L9/40

摘要： 本发明公开了一种联合中继传输和中继干扰的物理层安全传输方法及系统，涉及物理层安全传输技术领域。该方法包括如下步骤：中继节点利用协作干扰通信模型选取的最优中继节点对源节点通过第一最优天线发送的包含目的信息的第一编码信息解码后重新编码，获得第二编码信息；并使用所述协作干扰通信模型选取的所述最有中继节点的第二最优天线将所述第二编码信息转发至目的节点，所述第二编码信息用于触发所述目的节点对所述第二编码信息进行解码，获得所述目的信息；其余中继节点发送人工噪声用于干扰窃听节点。从而实现了系统安全容量最大化，降低了系统的安全中断概率，提高了系统的安全性能。

公开(公告)号：CN114499601A

公开(公告)日：2022-05-13

申请号：CN202111586941.4

申请日：2021-12-23

申请人： 西安电子科技大学

发明人： 高明 ,  赵海阔 ,  杨浩然 ,  石颖 ,  李靖 ,  葛建华

IPC分类号： H04B7/0413 ,  H04B7/08 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习的大规模MIMO信号检测方法，改善了现有技术中的别最后。该发明含有以下步骤：1、基站端获得信道衰弱信息和信道噪声，接收用户端发送的信号，得到适用的SAMP算法；2、为SAMP算法设计阈值网络以及添加合适的训练参数，3、将添加训练系数和阈值网络的SAMP算法展开成为SAMP‑FCNet神经网络：4、获得样本数据，设计训练所需的超参数，训练SAMP‑FCNet，得到适用于大规模MIMO系统检测的最优近似消息传递神经网络，适用于上线神经网络进行信号检测。该技术结合SAMP算法提出深度学习的大规模MIMO信号检测方法，实现了以较低的复杂度获得了较高的检测性能。

公开(公告)号：CN112084801B

公开(公告)日：2022-04-22

申请号：CN202010719623.X

申请日：2020-07-23

申请人： 西安电子科技大学

发明人： 高明 ,  路玉斌 ,  董振杰 ,  赵雪雯 ,  葛建华

IPC分类号： G06K7/10 ,  G06F21/44

摘要： 本发明公开了一种用于低成本无源RFID系统中的双向身份认证方法，包括：通过阅读器向电子标签发送询问请求信息；电子标签利用接收到的询问请求信息生成认证信息A和认证信息B并返回给阅读器；阅读器对认证信息A和认证信息B进行验证得到第一验证结果；若第一验证结果为成功，则阅读器利用其存储信息和第一随机数生成认证信息C和认证信息D并返回给电子标签，然后更新阅读器的存储信息；电子标签对认证信息C和认证信息D进行验证得到第二验证结果；若第二验证结果为成功，则更新电子标签的存储信息；电子标签的存储信息更新完成后，结束双向身份认证。克服了现有技术中电子标签制作的成本限制，减小了电子标签的计算能力。

公开(公告)号：CN112260987B

公开(公告)日：2021-12-21

申请号：CN202010947873.9

申请日：2020-09-10

申请人： 西安电子科技大学

发明人： 高明 ,  杨浩然 ,  石颖 ,  赵海阔 ,  葛建华 ,  岳安军 ,  张沉思

IPC分类号： H04L29/06 ,  H04L9/32 ,  H04L9/08

摘要： 本发明公开了一种数字内容保护系统中双向安全认证方法及系统，其中，发起方的安全认证方法包括：根据认证发起方类型以及算法要求标识进行算法参数配置，以生成第一完全认证消息，并向响应方发送所述第一完全认证消息；接收第二完全认证消息；对所述第二完全认证消息进行认证，并在认证通过后保存第二主密钥，同时生成第三完全认证消息，以便于响应方对所述第三完全认证消息进行认证，从而完成双向安全认证。本发明为数字内容保护系统提供了功能更全面、适应性更强的实体间双向认证方案，且可以根据情况进行完全认证或快速认证，提高了效率；同时支持多种算法选择，并且在认证协议中实现l了连接层级的控制，使得算法应用场景更加广泛和灵活。

公开(公告)号：CN112242995B

公开(公告)日：2021-12-21

申请号：CN202010949150.2

申请日：2020-09-10

申请人： 西安电子科技大学

发明人： 高明 ,  杨浩然 ,  石颖 ,  赵海阔 ,  葛建华 ,  岳安军 ,  张沉思

IPC分类号： H04L29/06

摘要： 本发明公开了一种数字内容保护系统中单向安全认证方法及系统，其中，发起方的安全认证方法包括：根据算法要求标识进行算法参数配置，以生成第一完全认证消息，并向响应方发送所述第一完全认证消息；接收第二完全认证消息；对所述第二完全认证消息进行认证，并在认证通过后保存第二主密钥，同时生成第三完全认证消息，以便于响应方对所述第三完全认证消息进行认证，从而完成单向安全认证。本发明为数字内容保护系统提供了功能更全面、适应性更强的实体间单向认证方案，且可以根据情况进行完全认证或快速认证，提高了效率；同时支持多种算法选择，并且在认证协议中实现了连接层级的控制，使得算法应用场景更加广泛和灵活。

公开(公告)号：CN113014378B

公开(公告)日：2021-11-19

申请号：CN202110110127.9

申请日：2021-01-27

申请人： 西安电子科技大学

发明人： 高明 ,  董振杰 ,  路玉斌 ,  葛建华

IPC分类号： H04L9/08 ,  H04L9/06 ,  H04L9/14 ,  H04L29/06 ,  G06K7/10

摘要： 本发明涉及信息安全技术领域，具体涉及一种基于TTP的电子标签所有权转移方法。该方法采用的分块重排算法Br(X，Y)的步骤包括：分别对操作数X和操作数Y进行分块得到元素数量为n的第一操作集和第二操作集；操作数X为密钥中的任意一个；操作数Y为相应的随机数；根据预设规则对第一操作集和第二操作集中的元素进行对应，获得相应元素的汉明重量；分别对第一操作集和第二操作集中的每个元素循环右移相应元素的汉明重量的位数得到操作数X′和操作数Y′；对操作数X′和操作数Y′进行异或得到加密结果。分块重排算法符合轻量级的标准且具有较强的不可逆性，解决了现有技术中标签所有权转移协议不能提供前向隐私安全且容易受到去同步攻击和Dos攻击的技术问题。

公开(公告)号：CN111884976B

公开(公告)日：2021-09-03

申请号：CN202010705053.9

申请日：2020-07-21

申请人： 西安电子科技大学

发明人： 李靖 ,  韩竞宇 ,  葛建华 ,  任德锋 ,  李慧芳 ,  高明

IPC分类号： H04L27/26 ,  H04L25/02 ,  H04B17/336 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于神经网络的信道插值方法，主要解决传统的线性插值和拉格朗日插值方法在高信噪比下出现性能瓶颈的问题。其实现方案为：1)构建神经网络；2)为神经网络收集训练数据集；3)使用训练数据集对神经网络进行离线训练；4)神经网络训练完成后，再次获得接收端已知频点上的频域估计向量；5)将已知频点上的频域估计向量输入到训练好的神经网络中，获得所有频点上的频域估计向量，完成信道估计。本发明由于在信道估计时，引入神经网络，相比于传统算法能够更精确地估计出未知频点上的信道信息，而且在高信噪比条件下不会出现性能瓶颈，提高了信道估计精度，可用于正交频分复用OFDM技术的信道估计。