-
公开(公告)号：CN111988102B
公开(公告)日：2022-03-04
申请号：CN202010895307.8
申请日：2020-08-31
Applicant: 华侨大学
IPC: H04B17/391 , H04L41/14 , H04L41/147 , H04W16/14
Abstract: 本发明提供一种基于GRU网络的MAC信息识别方法、装置、设备及存储介质，方法包括：通过训练得到不同信道下的MAC信息识别网络模型和信道类型识别网络模型；接收待识别信号；计算待识别信号的信号功率；通过选取所述信号功率中若干个采样点，以作为信道识别观测向量和MAC信息识别观测向量；利用信道类型识别网络模型对信道识别观测向量进行识别，得到信道类型识别结果；根据信道类型识别结果，选择MAC信息识别网络模型对所述MAC信息识别观测向量进行识别，以判断待识别信号的主用户数与MAC协议类型。本发明考虑到MAC协议信号的时域相关性，利用GRU网络善于处理时序序列的特点，能先识别出信道类型，接着在确定信道类型下识别出MAC协议类型以及主用户的数目。
-
公开(公告)号：CN109861864B
公开(公告)日：2022-02-22
申请号：CN201910110083.2
申请日：2019-02-11
Applicant: 华侨大学
IPC: H04L41/14 , H04L41/0823 , H04L41/08 , H04L69/22
Abstract: 本发明涉及一种基于LSTM网络的MAC协议识别方法，包括：离线训练阶段：S1、获取MAC协议类型已知的主用户信号s(t)；S2、计算信号s(t)对应的功率Ps(t)；S3、生成Ns×1观测向量；S4、生成打有标签的训练数据集；S5、训练LSTM网络模型；在线识别阶段：S6、接收MAC协议类型未知的主用户信号x(t)；S7、计算信号x(t)对应的功率Px(t)；S8、生成Ns×1观测向量；S9、将MAC协议类型未知的主用户信号的观测向量送入训练好的LSTM网络模型，得到识别结果。本发明方法，引入深度学习思想，利用LSTM网络充分考虑接收信号的时域相关性，能够在较少人工干预的条件下达到更高的识别精度。
-
公开(公告)号：CN111612097A
公开(公告)日：2020-09-01
申请号：CN202010488065.0
申请日：2020-06-02
Applicant: 华侨大学
Abstract: 本发明提供一种基于GRU网络的主用户数目估计方法，涉及通信技术中认知无线电领域。本估计方法包括离线训练阶段和在线识别阶段。离线训练阶段包括：S1、获取已知信号；S2、计算已知信号对应的归一化总功率 S3、生成Ns×1观测向量；S4、数据标定；S5、生成打有标签的训练数据集；S6、训练GRU网络模型。在线识别阶段包括：S7、接收未知信号x(t)；S8、计算信号x(t)对应的归一化总功率 S9、生成Ns×1观测向量；S10、将主用户数目未知信号的观测向量送入训练好的GRU网络模型，得到主用户数目估计结果。本发明方法，引入深度学习的思想，充分考虑接收信号的时域相关性和网络模型复杂度，利用GRU网络，能够在较少人工干预下有效估计出主用户数目。
-
Patent Agency Ranking
公开(公告)号：CN109889212A
公开(公告)日：2019-06-14
申请号：CN201910105366.8
申请日：2019-02-01
Applicant: 华侨大学
Abstract: 本发明涉及一种基于深度学习与软件无线电的盲解调方法，首先利用深度学习技术训练出用于调制方式识别的网络模型，然后使用训练好的网络模型识别接收信号的调制方式，最后根据识别结果，采用软件无线电技术重构解调器，实现接收信号的盲解调。本发明一方面基于深度学习技术，可以充分利用通信大数据，提高识别精度；另一方面基于软件无线电技术，可以使系统摆脱硬件条件的束缚，便于功能的升级和扩充。
-
公开(公告)号：CN111612097B
公开(公告)日：2023-02-07
申请号：CN202010488065.0
申请日：2020-06-02
Applicant: 华侨大学
IPC: G06F18/214 , G06F18/213 , G06F18/24 , G06N3/0442
Abstract: 本发明提供一种基于GRU网络的主用户数目估计方法，涉及通信技术中认知无线电领域。本估计方法包括离线训练阶段和在线识别阶段。离线训练阶段包括：S1、获取已知信号；S2、计算已知信号对应的归一化总功率S3、生成Ns×1观测向量；S4、数据标定；S5、生成打有标签的训练数据集；S6、训练GRU网络模型。在线识别阶段包括：S7、接收未知信号x(t)；S8、计算信号x(t)对应的归一化总功率S9、生成Ns×1观测向量；S10、将主用户数目未知信号的观测向量送入训练好的GRU网络模型，得到主用户数目估计结果。本发明方法，引入深度学习的思想，充分考虑接收信号的时域相关性和网络模型复杂度，利用GRU网络，能够在较少人工干预下有效估计出主用户数目。
-
公开(公告)号：CN111988102A
公开(公告)日：2020-11-24
申请号：CN202010895307.8
申请日：2020-08-31
Applicant: 华侨大学
IPC: H04B17/391 , H04L12/24 , H04W16/14
Abstract: 本发明提供一种基于GRU网络的MAC信息识别方法、装置、设备及存储介质，方法包括：通过训练得到不同信道下的MAC信息识别网络模型和信道类型识别网络模型；接收待识别信号；计算待识别信号的信号功率；通过选取所述信号功率中若干个采样点，以作为信道识别观测向量和MAC信息识别观测向量；利用信道类型识别网络模型对信道识别观测向量进行识别，得到信道类型识别结果；根据信道类型识别结果，选择MAC信息识别网络模型对所述MAC信息识别观测向量进行识别，以判断待识别信号的主用户数与MAC协议类型。本发明考虑到MAC协议信号的时域相关性，利用GRU网络善于处理时序序列的特点，能先识别出信道类型，接着在确定信道类型下识别出MAC协议类型以及主用户的数目。
-
公开(公告)号：CN109861864A
公开(公告)日：2019-06-07
申请号：CN201910110083.2
申请日：2019-02-11
Applicant: 华侨大学
Abstract: 本发明涉及一种基于LSTM网络的MAC协议识别方法，包括：离线训练阶段：S1、获取已知信号s(t)；S2、计算信号s(t)对应的功率Ps(t)；S3、生成Ns×1观测向量；S4、生成打有标签的训练数据集；S5、训练LSTM网络模型；在线识别阶段：S6、接收未知信号x(t)；S7、计算信号x(t)对应的功率Px(t)；S8、生成Ns×1观测向量；S9、将未知信号的观测向量送入训练好的LSTM网络模型，得到识别结果。本发明方法，引入深度学习思想，利用LSTM网络充分考虑接收信号的时域相关性，能够在较少人工干预的条件下达到更高的识别精度。
-
公开(公告)号：CN209087004U
公开(公告)日：2019-07-09
申请号：CN201822005395.0
申请日：2018-11-30
Applicant: 华侨大学
Abstract: 本实用新型公开了一种用于检测路边空闲停车位的行车记录仪，包括外壳、显示屏和摄像头，所述外壳内设有主板，所述主板上集成有检测模块、控制模块、定位模块和通信模块，所述检测模块用于检测所述摄像头采集的图片信息，所述控制模块用于将分析采集到的图片信息并向所述定位模块发送定位指令，所述定位模块用于定位空闲停车位的位置信息，所述通信模块用于将所述位置信息发送至云服务器平台。本实用新型所述的行车记录仪通过摄像头采集图片信息，再通过主板对采集到的图片信息进行分析识别出目标物体，进而通过定位模块和通信模块定位并共享空闲停车位信息，结构简单、检测精度高，具有很好的实用性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
