-
公开(公告)号：CN116070136A
公开(公告)日：2023-05-05
申请号：CN202310086164.X
申请日：2023-01-29
Applicant: 北京林业大学
IPC: G06F18/24 , G06F18/25 , G06F18/2415 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了基于深度学习的多模态融合无线信号自动调制识别方法，属于通信技术领域；首先，选取公开数据集作为信道输入数据，并按照调制类型进行合并，作为一组时域I/Q数据；然后，对每组时域I/Q数据分别制作一张星座图，按照信噪比进行数据和对应星座图的切割，形成训练集；接着，构建基于时域I/Q数据和星座图数据的多模态融合神经网络模型，并输入训练集进行迭代，调整学习率直至网络模型达到稳定；最后，将新采集的待识别的无线电信号，输入训练好的多模态融合神经网络模型中，自动输出该无线信号的调制识别类型。本发明能够更充分的提取信号在时域与对应星座图上的融合特征，以优化因下采样带来的信息损失，从而获得更加准确的信号相幅信息。
-
公开(公告)号：CN114118145B
公开(公告)日：2023-04-07
申请号：CN202111350291.3
申请日：2021-11-15
Applicant: 北京林业大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种调制信号的降噪方法、装置、存储介质及设备，属于深度学习和通信技术领域。所述方法包括：获取样本集每个样本中包括无噪声调制信号和带噪声调制信号；将样本集输入创建的降噪模型中；对于每个样本，利用降噪模型中的第一卷积层对带噪声调制信号进行特征提取；利用编码块对提取到的特征图进行基于通道注意力机制的编码；利用解码块对编码后的特征图进行基于通道注意力机制的解码；利用第二卷积层对解码后的特征图进行卷积，得到降噪调制信号；根据降噪调制信号和无噪声调制信号调整降噪模型的模型参数，得到训练好的降噪模型，编码块和解码块中都包括改进的压缩激励结构。本申请可以降低高阶调制的误码率，提升调制识别准确率。
-
公开(公告)号：CN118972215A
公开(公告)日：2024-11-15
申请号：CN202411032636.4
申请日：2024-07-30
Applicant: 北京林业大学
IPC: H04L27/00 , H04B15/00 , G06N3/0464 , G06N3/0455
Abstract: 本申请公开了一种信号的调制方式识别方法、装置、介质及设备，属于信号处理技术领域。包括：利用调制方式识别模型中的低信噪比信号识别模块识别无线信号是否是低信噪比信号；若是，则利用马尔可夫转换模块对低信噪比信号进行马尔可夫转换，得到热力图；利用降噪自编码器模块中的阈值门限机制和协调注意力机制对热力图进行处理，得到时域特征信息；利用特征提取分类模块对时域特征信息进行特征提取和分类处理，得到无线信号的调制方式。本申请能对低信噪比信号进行降噪处理后再识别调制方式，提高了准确性。
-
公开(公告)号：CN116132235A
公开(公告)日：2023-05-16
申请号：CN202310114350.X
申请日：2023-01-29
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于深度学习的连续相位调制信号解调方法，属于通信领域；首先，收集不同调制类型的连续相位的调制信号，划分为训练样本或测试样本；然后，搭建神经网络模型，输入训练样本进行模型训练；所述神经网络模型包括依次串连的三层卷积层和全连接层；每层卷积层包含多条并行的卷积分支；对于每个样本，依次利用各卷积层中的八条卷积分支进行并行特征提取和融合，得到特征图输入给全连接层；多次迭代并调整学习率直至模型参数达到最优；最后，将待解调的调制信号输入训练好的神经网络模型中进行自动解调；本发明在GMSK下的解调性能与传统MLSD方法的理论性能接近，在FSK下的解调性能超越了传统MLSD方法的解调性能，模型泛化能力与鲁棒性更强。
-
公开(公告)号：CN119071116A
公开(公告)日：2024-12-03
申请号：CN202411065038.7
申请日：2024-08-05
Applicant: 北京林业大学
IPC: H04L25/03 , G06N3/0455 , G06N3/0464
Abstract: 本说明书实施例公开了一种信道均衡模型训练方法、衰落信号的均衡处理方法及装置，该方法包括：对原始信号仿真生成样本数据集；选取基于混合注意力机制的初始模型；将样本数据集中训练样本数据输入初始模型，利用双支路编码器对衰落信号进行全方面特征信息的提取，以及利用解码器对特征信息进行升维，输出重构信号；基于重构信号与训练样本数据中无噪声信号的SmoothL1Loss损失值，对初始模型进行反复迭代、调整学习率确定模型参数，得到训练好的信道均衡模型。从而，高效实现信号重建，达成信道均衡的目的，且提升模型训练速度，提高后续信号传输效率。
-
Patent Agency Ranking
公开(公告)号：CN118885922A
公开(公告)日：2024-11-01
申请号：CN202410905402.X
申请日：2024-07-08
Applicant: 北京林业大学
IPC: G06F18/2431 , G06F18/214 , G06F18/2131 , G06N3/0442 , H04L1/20
Abstract: 本申请公开了一种干扰信号的干扰类型识别方法、装置、介质及设备，属于通信技术领域。方法包括：获取待识别信号，待识别信号至少由噪声信号、有用信号和n种干扰类型的干扰信号叠加得到，n为大于等于1的未知数；获取预先训练的识别模型，识别模型至少包括融合移动翻转瓶颈卷积模块、最大池化层、多头注意力机制模块、双向门控循环单元和全连接层，融合移动翻转瓶颈卷积模块至少包括二维卷积单元、压缩和激励注意力单元以及二维逐点卷积单元；将待识别信号转换成对应的时频图像；利用识别模型中的各个模块对时频图像进行处理，得到待识别信号中干扰信号的n种干扰类型。本申请能处理干扰信号的时频图像，提高识别准确度。
-
公开(公告)号：CN116132235B
公开(公告)日：2024-07-05
申请号：CN202310114350.X
申请日：2023-01-29
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于深度学习的连续相位调制信号解调方法，属于通信领域；首先，收集不同调制类型的连续相位的调制信号，划分为训练样本或测试样本；然后，搭建神经网络模型，输入训练样本进行模型训练；所述神经网络模型包括依次串连的三层卷积层和全连接层；每层卷积层包含多条并行的卷积分支；对于每个样本，依次利用各卷积层中的八条卷积分支进行并行特征提取和融合，得到特征图输入给全连接层；多次迭代并调整学习率直至模型参数达到最优；最后，将待解调的调制信号输入训练好的神经网络模型中进行自动解调；本发明在GMSK下的解调性能与传统MLSD方法的理论性能接近，在FSK下的解调性能超越了传统MLSD方法的解调性能，模型泛化能力与鲁棒性更强。
-
公开(公告)号：CN114118145A
公开(公告)日：2022-03-01
申请号：CN202111350291.3
申请日：2021-11-15
Applicant: 北京林业大学
Abstract: 本申请公开了一种调制信号的降噪方法、装置、存储介质及设备，属于深度学习和通信技术领域。所述方法包括：获取样本集每个样本中包括无噪声调制信号和带噪声调制信号；将样本集输入创建的降噪模型中；对于每个样本，利用降噪模型中的第一卷积层对带噪声调制信号进行特征提取；利用编码块对提取到的特征图进行基于通道注意力机制的编码；利用解码块对编码后的特征图进行基于通道注意力机制的解码；利用第二卷积层对解码后的特征图进行卷积，得到降噪调制信号；根据降噪调制信号和无噪声调制信号调整降噪模型的模型参数，得到训练好的降噪模型，编码块和解码块中都包括改进的压缩激励结构。本申请可以降低高阶调制的误码率，提升调制识别准确率。
-
公开(公告)号：CN116016569B
公开(公告)日：2024-11-22
申请号：CN202211660909.0
申请日：2022-12-23
Applicant: 北京林业大学
IPC: H04L67/1097 , G06F3/06 , G06F11/14 , H04L67/104 , H04L67/1095 , H04L9/32 , H04L9/40
Abstract: 本发明提供了一种基于区块链的种质资源数据高效可信存储方法，属于种质资源数据保存技术领域，解决种质资源数据存储成本高、鲁棒性弱、防篡改能力弱、存储粒度粗放、存储冗余度调整困难等问题。该方法包括：利用现存种质资源库对种质资源数据进行分布式存储。种质资源数据以种质数据块为单位进行存储，归属节点可按需调整种质数据块存储冗余度。使用种质数据块消息对种质数据块进行信息描述，种质数据块消息以区块链链式数据结构进行存储。归属节点以单播形式将种质数据块相关信息发送给存储位置列表中的存储节点，存储节点对种质数据块进行验证；验证通过后，存储节点对种质数据块进行存储，并向归属节点发送确认信息。
-
公开(公告)号：CN118972219A
公开(公告)日：2024-11-15
申请号：CN202411198302.4
申请日：2024-08-29
Applicant: 北京林业大学
Abstract: 本申请公开了一种PCM/FM信号的多符号检测方法、装置、介质及设备，属于通信技术领域。根据PCM/FM信号的调制过程生成多个本地参考信号；根据本地参考信号中位于中间的N个码元和首个码元分组处理需要进行相关性计算的本地参考信号；利用四通道双系数组的FIR滤波器对PCM/FM信号和处理后的本地参考信号进行时分复用的相关性计算，得到相关值；通过预设的通道选择参数读取相关值，并对相关值进行复数计算以判决PCM/FM信号对应的发送码元。本申请能利用平均化处理和相位的对称性分组处理本地参考信号，采用四通道双系数组的FIR滤波器对PCM/FM信号和本地参考信号进行相关性计算，以降低近90％的硬件资源消耗。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.036 seconds)
