公开(公告)号：CN116861366A

公开(公告)日：2023-10-10

申请号：CN202310902518.3

申请日：2023-07-21

Applicant: 华侨大学

Inventor： 彭盛亮 ,  郭庆耿 ,  陈俊舟 ,  姚巍 ,  郭虹青

IPC: G06F18/25 ,  G06F18/24 ,  G06F18/213 ,  G06V10/82 ,  H04L27/00

Abstract: 本发明提供了一种快速高精度调制识别方法、装置、设备及介质，整体方案设计包括小样本表征技术、多模态学习技术两个部分。在推理阶段使用小样本表征技术，对待识别信号进行N点采样，其中N

公开(公告)号：CN119052038A

公开(公告)日：2024-11-29

申请号：CN202411093268.4

申请日：2024-08-09

Applicant: 华侨大学

Inventor： 彭盛亮 ,  陈俊舟 ,  郭庆耿 ,  姚巍 ,  郭虹青

IPC: H04L27/00 ,  G06F18/10 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明提供了基于非对称卷积和参数融合的调制识别方法、装置、设备及介质，采用非对称卷积和参数融合两个关键思想，在保持复杂度不变的情况下，提高了调制识别的精度。为提高调制识别的精度，首先将基准网络的标准卷积核替换为非对称卷积块，得到非对称卷积网络，并利用星座图对非对称卷积网络进行训练，得到非对称卷积网络模型；为保持调制识别的复杂度不变，通过批归一化融合和分支融合的方法对训练所得的非对称卷积网络模型的参数进行精简，并迁移到基准网络中，形成推理模型；最后将待识别信号预处理成星座图的形式，送入推理模型处理，输出信号的调制方式。