-
公开(公告)号：CN115173867A
公开(公告)日：2022-10-11
申请号：CN202210656887.4
申请日：2022-06-10
申请人： 郑州大学
IPC分类号： H03M13/11
摘要： 本发明属于信道编码识别领域，公开了一种高误码率下LDPC稀疏校验矩阵重建方法，包括如下步骤：步骤A、计算一次抽取包含校验节点的概率，进而确定随机抽取的次数；步骤B、对LDPC码字比特进行随机抽取构建方阵进行高斯消元获取疑似校验向量；步骤C、基于疑似校验向量关系成立的统计特性和最小错误判决准则，对步骤B中高斯消元求解出的疑似校验向量判定；步骤D、对步骤C中保留的校验向量对整体接收码字矩阵进行判决，并根据接收码字个数不同采用“剔除错误码字”或“翻转最低不可靠位”的方法提高接收数据中无误码码组的比例；步骤E、重复步骤B至步骤D，直至达到迭代抽取次数；与现有的LDPC码校验矩阵重构算法相比，本发明的容错能力更强且复杂度更低。
-
公开(公告)号：CN115169395A
公开(公告)日：2022-10-11
申请号：CN202210754595.4
申请日：2022-06-29
申请人： 郑州大学
IPC分类号： G06K9/00
摘要： 本发明属于特定辐射源识别技术领域，尤其是一种基于幅度概率分布差异的辐射源识别算法，针对现有的常见算法对幅度畸变的针对性不强且复杂度较高，在小样本条件下识别率较低、对信噪比先验信息较敏感的问题；现提出如下方案，其包括以下步骤：S1：对实信号进行幅度均值归一化预处理，均匀划分实信号幅度区间，求取各幅度区间样点概率分布；S2：对实信号进行希尔伯特变换得到解析信号，对解析信号进行幅度均值归一化预处理，均匀划分解析信号星座图圆环区间，求取各圆环区间样点概率分布。本发明算法对信噪比先验信息不敏感，不需要估计信噪比就可以达到较高识别率。此外，与对比算法相比，所提算法有着较低的计算复杂度。
-
公开(公告)号：CN115021765A
公开(公告)日：2022-09-06
申请号：CN202210679911.6
申请日：2022-06-16
申请人： 郑州大学
摘要： 本发明属于无线通信技术领域，公开了一种基于码字可靠度的低复杂度Turbo乘积码译码算法，包括如下步骤：步骤A、接收具体Turbo乘积码编码的信号，并按Turbo乘积码编码结构排列，得到待译码序列；步骤B、设置算法参数初始值，对步骤A中的待译码序列进行译码，并获得每个码字的可靠度；步骤C、判断码字可靠度，进行外信息简化计算以及动态调整最低不可靠位数；步骤D、重复步骤B至步骤C，进行迭代译码，直到迭代停止。本发明与现有译码算法相比，有着几乎相同的误码率性能，但有着更低的译码复杂度，且实现了灵活自适应译码。
-
公开(公告)号：CN115017951A
公开(公告)日：2022-09-06
申请号：CN202210656889.3
申请日：2022-06-10
申请人： 郑州大学
摘要： 本发明属于无线通信技术领域，公开了一种基于卷积神经网络和正则化方法的半监督调制识别方法，包括如下步骤：步骤A、将有标记的训练样本输入包含Dropout和高斯噪声层的卷积神经网络前向运算，然后计算前向输出与有标记样本对应标签之间的交叉熵损失；步骤B、对包含有标记和无标记的所有训练样本，将每个样本两次输入包含Dropout和高斯噪声层的卷积神经网络前向运算，然后计算两次前向输出之间的余弦相似性损失；步骤C、将步骤A中的交叉熵损失函数、步骤B中的余弦相似性加权求和作为模型的总损失函数，然后以最小化总损失函数为训练目标更新模型参数；步骤D、重复步骤A至步骤C，直至模型完成训练；步骤E、将待识别信号样本输入训练完成的模型前向运算输出调制方式识别结果；该算法在标记样本占总训练样本7％及以下时，较于监督学习算法可以获得约11‑26％的识别精度提升。
-
-
-
搜索结果
4 条记录 (耗时 0.018 秒)
