-
公开(公告)号:CN118573532A
公开(公告)日:2024-08-30
申请号:CN202410803363.2
申请日:2024-06-20
Applicant: 北京林业大学
IPC: H04L27/00 , G06N3/045 , G06N3/0464 , G06N3/042 , G06N3/0499
Abstract: 本申请公开了一种无线信号的调制识别模型的训练方法、装置、介质及设备,属于信号处理技术领域。方法包括:获取训练数据集,每组训练数据包括无线信号的IQ数据、GAF数据和标签,标签用于标注在对应信噪比条件下的实际调制方式;构建调制识别模型;对于训练数据,利用一个识别分支对IQ数据进行处理,得到第一特征;利用另一个识别分支对GAF数据进行处理,得到第二特征;利用特征融合层对两个特征进行特征融合,得到融合特征;利用全连接层对融合特征进行处理,得到预测调制方式;根据调制识别模型的损失函数对预测调制方式和实际调制方式进行损失计算,根据计算结果对调制识别模型进行训练。本申请能通过多模态数据提高识别准确率。
-
公开(公告)号:CN116208731A
公开(公告)日:2023-06-02
申请号:CN202310146467.6
申请日:2023-02-08
Applicant: 北京林业大学
IPC: H04N7/10 , H04N5/765 , H04N21/643 , H04L12/40
Abstract: 本发明涉及一种基于Zynq架构的PCIe级联网络端口高速传输方法及系统,该方法包括:Zynq板通过PCIe协议接口与主机电连接,其中,所述Zynq板包括PS和PL;PCIe数据写入到XDMAIP核,所述XDMA IP核开启第一数据通道和第二数据通道;所述PCIe数据在所述第一数据通道或所述第二数据通道内传输时,自动生成写请求信息并缓存于DDR内;其中,所述写请求信息包括:数据长度、数据源地址以及数据目的地址;基于所述写请求信息,所述主机和所述Zynq板之间的PCIe数据通过所述第一数据通道和所述第一数据通道完成高速传输。本发明通过在Zynq平台的基础上,借助硬件可编程特性实现基于PCIe高速通信接口的传输通路,完成在主机和FPGA之间视频数据的传输。
-
公开(公告)号:CN114548201B
公开(公告)日:2023-04-07
申请号:CN202111348246.4
申请日:2021-11-15
Applicant: 北京林业大学
IPC: G06F18/214 , G06F18/2415 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种无线信号的自动调制识别方法、装置、存储介质及设备,属于通信技术领域。所述方法包括:将样本集输入创建的神经网络模型中,样本集中的样本中包括无线信号、信噪比、信道信息和实际调制类型;对于每个样本,利用第一卷积层对样本进行特征提取和降维;利用密集跳连机制对得到的第一特征图生成不同分辨率的特征图并进行融合,利用压缩激励机制在每个通道上对融合后的特征图进行乘法加权,得到在通道维数上进行校准的第二特征图;利用第二卷积层对第二特征图进行降维;利用全连接层对得到的第三特征图进行分类,得到预测调制类型;根据预测调制类型和实际调制类型调整模型参数。本申请可以获得准确的信号相幅信息。
-
公开(公告)号:CN117596100A
公开(公告)日:2024-02-23
申请号:CN202311361390.0
申请日:2023-10-19
Applicant: 北京林业大学
IPC: H04L25/02 , H04L27/00 , G06N3/0464
Abstract: 本申请公开了一种基于神经网络的信号参数估计方法、装置、介质及设备,属于通信技术领域。方法包括:获取预先训练的神经网络模型和待估计的复数调制信号,神经网络模型至少包括卷积模块、卷积注意力模块、时间卷积网络模块和全连接模块;将复数调制信号的实部和虚部组成二维矩阵;利用卷积模块、卷积注意力模块中的通道注意力机制和空间注意力机制、时间卷积网络模块中的膨胀因果卷积层对二维矩阵进行处理,得到特征矩阵;利用全连接模块中的第一分支对特征矩阵进行处理,得到调制类型参数;利用全连接模块中的第二分支对特征矩阵进行处理,得到码元速率参数。本申请能同步进行调制类型估计和码元速率估计,节省了系统开销,提升了网络性能。
-
公开(公告)号:CN117131359A
公开(公告)日:2023-11-28
申请号:CN202311017474.2
申请日:2023-08-14
Applicant: 北京林业大学
IPC: G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于混合神经网络的干扰信号识别方法和装置,涉及通信技术领域。该方法的一具体实施方式包括:获取多个信号样本及其真实标签;将多个信号样本分别转换成对应的时频图像;基于多个时频图像输入混合神经网络,得到各个信号样本的预测值;其中,混合神经网络依次包括:输入层、第一卷积块注意力模块、最大池化层、混合空洞卷积层、第二卷积块注意力模块、平均池化层、门控循环单元和全连接层;基于各个信号样本的真实标签和预测值,以及预设的损失函数,计算损失值;基于损失值调整混合神经网络的参数;基于训练好的混合神经网络识别当前信号中的干扰信号。该实施方式能够提高干扰信号的识别准确度。
-
公开(公告)号:CN116016569A
公开(公告)日:2023-04-25
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:CN113708795B
公开(公告)日:2022-10-18
申请号:CN202111009379.9
申请日:2021-08-31
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于CC1310芯片的多通道无线传感监测系统,属于无线监测领域,具体包括若干子节点和一个中心节点,以及上位机;若干子节点采用时分复用+频分复用的方式与中心节点实现无线通信;中心节点包括4个CC1310芯片,FPGA主处理器和RS422接口;每个CC1310芯片都将各自对应的所有路子节点的数据帧帧头与节点编号顺序组合,4个CC1310芯片间采用组间频分复用的方式进行通信,FPGA按时间顺序将数据分别按字节进行帧头打包,并利用RS422接口将其传递给上位机,上位机按帧头分类,得到六种帧结构并提取各子节点的数据,计算得到各子节点的传输速率,对各路采集的数据分别画出对应波形;本发明可靠性及使用寿命满足一般工业级仪器的要求,设备易损部分有配件,维修性好。
-
公开(公告)号:CN114548201A
公开(公告)日:2022-05-27
申请号:CN202111348246.4
申请日:2021-11-15
Applicant: 北京林业大学
Abstract: 本申请公开了一种无线信号的自动调制识别方法、装置、存储介质及设备,属于通信技术领域。所述方法包括:将样本集输入创建的神经网络模型中,样本集中的样本中包括无线信号、信噪比、信道信息和实际调制类型;对于每个样本,利用第一卷积层对样本进行特征提取和降维;利用密集跳连机制对得到的第一特征图生成不同分辨率的特征图并进行融合,利用压缩激励机制在每个通道上对融合后的特征图进行乘法加权,得到在通道维数上进行校准的第二特征图;利用第二卷积层对第二特征图进行降维;利用全连接层对得到的第三特征图进行分类,得到预测调制类型;根据预测调制类型和实际调制类型调整模型参数。本申请可以获得准确的信号相幅信息。
-
公开(公告)号:CN113708795A
公开(公告)日:2021-11-26
申请号:CN202111009379.9
申请日:2021-08-31
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于CC1310芯片的多通道无线传感监测系统,属于无线监测领域,具体包括若干子节点和一个中心节点,以及上位机;若干子节点采用时分复用+频分复用的方式与中心节点实现无线通信;中心节点包括4个CC1310芯片,FPGA主处理器和RS422接口;每个CC1310芯片都将各自对应的所有路子节点的数据帧帧头与节点编号顺序组合,4个CC1310芯片间采用组间频分复用的方式进行通信,FPGA按时间顺序将数据分别按字节进行帧头打包,并利用RS422接口将其传递给上位机,上位机按帧头分类,得到六种帧结构并提取各子节点的数据,计算得到各子节点的传输速率,对各路采集的数据分别画出对应波形;本发明可靠性及使用寿命满足一般工业级仪器的要求,设备易损部分有配件,维修性好。
-
-
-
-
-
-
-
-