-
公开(公告)号：CN117491961A
公开(公告)日：2024-02-02
申请号：CN202311405389.3
申请日：2023-10-26
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G01S7/41 , G06F18/2321 , G06F18/213
Abstract: 本发明属于雷达信号分选技术领域，涉及一种基于UMAP和DBSCAN联合的未知辐射源信号分选方法。本发明的方法利用UMAP对辐射源信号PDW进行非线性降维，将多维数据(AOA、RF、PW、PA四个维度)映射到低维空间，然后通过DBSCAN密度聚类算法，在降维后的数据集中发现具有相似性的群集，完成对未知辐射源信号脉冲的预分选；此时的分选结果存在比较明显的减批和增批问题，通过计算各个簇AOA方差，若方差大于阈值则对该簇进行缩小邻域的DBSCAN聚类，直到各个簇方差不超过阈值，从而降低减批；通过计算各个簇AOA和RF均值，若两个簇均值之差小于阈值则将两个簇进行合并来降低增批，进一步提高分选性能。
-
公开(公告)号：CN113659994B
公开(公告)日：2023-09-01
申请号：CN202110987423.7
申请日：2021-08-26
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: H03M13/27
Abstract: 本发明属于通信技术领域，具体是涉及一种低复杂度的卷积码随机交织关系的估计方法。本发明是在利用截获数据c，在已知交织深度L、交织起点的情况下，完成交织关系的估计，恢复出随机交织器。本发明首先利用线性分组码码字空间的封闭性对接收序列进行误码筛除，然后将误码筛除后的序列按照一定的规则构造出一个含有两个交织块(每个交织块交织关系相同)、维数为2L×2L的数据矩阵C，对C进行伽罗华域上部分高斯行消元，利用线性特性来确定卷积码的组间交织关系，然后利用校验向量确定正确的组内交织关系。
-
公开(公告)号：CN113655475B
公开(公告)日：2023-06-20
申请号：CN202110938174.2
申请日：2021-08-16
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G01S13/86 , G01S7/03 , H04B7/0413 , H04B1/04 , H04B1/16
Abstract: 本发明属于信号处理技术领域，涉及一种基于波形选择的雷达通信一体化系统。本发明在发射端发射信号前，通过加入波形选择矩阵，从已有的波形中选择部分波形进行发射，不同的选择矩阵构成了通信符号字典。通信接收机处接收基带信号后用已知的波形进行匹配滤波，匹配滤波的结果与字典中的符号进行对比可以检测出不同选择矩阵，从而得到对应嵌入的通信信息序列。该发明在基于波形排列的雷达通信一体化方案基础上，通过波形选择提供了一种新的雷达通信一体化方法，同时可以与波形排列相结合，实现混合矩阵嵌入通信信息。
-
公开(公告)号：CN113705787B
公开(公告)日：2023-04-07
申请号：CN202110995377.5
申请日：2021-08-27
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明属于深度学习技术领域，具体是涉及一种基于深度协同训练的数字调制信号识别方法。本传统的基于深度学习的数字调制信号识别方法需要大量有标记的数据样本进行训练。在实际通信活动中，仅容易获得大量未标记信号样本，获取人工标记成本高且效率低。本发明搭建了两个CLDNN网络进行协同训练，利用生成对抗实现视图的差异化，充分利用大量无标记样本辅助少量有标记样本下的学习，有效地提升了识别准确率，增强了深度学习在数字调制信号识别任务中的可行性和实用性。
-
公开(公告)号：CN113221337B
公开(公告)日：2022-09-09
申请号：CN202110440762.3
申请日：2021-04-23
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G06F30/20
Abstract: 本发明属于阵列天线设计技术领域，涉及一种基于模式搜索的近场稀疏阵设计方法。本发明首先根据给定初始均布阵列，并计算好能够实现近场聚焦波束的权向量，将其作为稀疏阵列设计的基础。在计算过程中，采取模式搜索算法寻找当前步骤下满足条件的局部最优解，前期采用大步长的搜索策略，后期逐渐减少搜索范围，提高搜索精度，完成一轮模式搜索算法。当达成阵列稀疏率目标后，停止搜索，完成阵列的稀疏设计。本发明相对于传统遗传算法和贪婪搜索算法，在时间复杂度和设计性能上做到较好的兼顾，以局部最优替代全局最优，在最小化性能损失的前提下完成高效的设计。本发明对于实际工程中的大型阵列能够进行高性能的全局搜索，找到更优的可行解。(56)对比文件杨诗倩.非规则稀疏阵列旁瓣抑制方法研究《.中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》.2018,(第2期),
-
Patent Agency Ranking
公开(公告)号：CN113344039B
公开(公告)日：2022-04-26
申请号：CN202110547305.4
申请日：2021-05-19
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
Abstract: 本发明涉及一种基于时空关联的多扩展目标跟踪方法。当目标占据传感器的多个分变率单元时，单个目标便会产生多个量测值，即为扩展目标。在这种背景下，当扩展目标产生交叉，一般的基于距离的划分方法会将不同目标的量测值划入同一量测集合中，造成滤波器的精度下降，势估计出现错误。本发明基于ET‑GM‑PHD算法，采用时空关联思想，利用扩展目标在相邻时刻量测值的关联性，并在一种有向图SNN划分基础上，对多扩展目标进行跟踪。本发明方法大大降低了扩展目标在交叉处的跟踪误差，对目标的个数和目标的位置实现了精确估计。同时将扩展目标与点目标的跟踪过程分离，大大降低了计算的计算量。
-
公开(公告)号：CN113705787A
公开(公告)日：2021-11-26
申请号：CN202110995377.5
申请日：2021-08-27
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
Abstract: 本发明属于深度学习技术领域，具体是涉及一种基于深度协同训练的数字调制信号识别方法。本传统的基于深度学习的数字调制信号识别方法需要大量有标记的数据样本进行训练。在实际通信活动中，仅容易获得大量未标记信号样本，获取人工标记成本高且效率低。本发明搭建了两个CLDNN网络进行协同训练，利用生成对抗实现视图的差异化，充分利用大量无标记样本辅助少量有标记样本下的学习，有效地提升了识别准确率，增强了深度学习在数字调制信号识别任务中的可行性和实用性。
-
公开(公告)号：CN113659994A
公开(公告)日：2021-11-16
申请号：CN202110987423.7
申请日：2021-08-26
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: H03M13/27
Abstract: 本发明属于通信技术领域，具体是涉及一种低复杂度的卷积码随机交织关系的估计方法。本发明是在利用截获数据c，在已知交织深度L、交织起点的情况下，完成交织关系的估计，恢复出随机交织器。本发明首先利用线性分组码码字空间的封闭性对接收序列进行误码筛除，然后将误码筛除后的序列按照一定的规则构造出一个含有两个交织块(每个交织块交织关系相同)、维数为2L×2L的数据矩阵C，对C进行伽罗华域上部分高斯行消元，利用线性特性来确定卷积码的组间交织关系，然后利用校验向量确定正确的组内交织关系。
-
公开(公告)号：CN118509294A
公开(公告)日：2024-08-16
申请号：CN202410536897.3
申请日：2024-04-30
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: H04L27/26
Abstract: 本发明属于信号处理技术领域，具体涉及一种基于帧间共轭相关的时频混叠数字通信信号频率估计方法，克服了高阶PCMA混合信号频偏估计精度较差和复杂度较高的问题。该方法假设帧长已知或者已经通过自相关函数估计得到，两路信号帧长不同，通过利用数字通信物理层组帧过程中，帧同步序列引入的帧间相关特性，将频偏转化为了和帧长相关的固定相位差，通过估计帧同步序列的固定相位差，实现了对高阶PCMA混合信号的高精度频偏估计。仿真结果表明，本发明方法在低信噪比下环境下，可以实现对高阶PCMA混合信号的高精度频偏估计。
-
公开(公告)号：CN117491942A
公开(公告)日：2024-02-02
申请号：CN202311404673.9
申请日：2023-10-27
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
Abstract: 本发明涉及阵列信号处理领域，尤其涉及一种基于辅助变量交替优化的切换天线阵列DOA估计方法。为了克服传统技术的性能限制，平衡DOA估计方法的精度和效率，本发明提供了一种基于辅助变量交替优化的切换天线阵列DOA估计方法。本发明以稀疏重构算法为出发点，通过构建空域过完备字典，将DOA估计问题转换为动态字典的稀疏表示问题，引入辅助变量构造了一个交替优化问题，运用全部采样数据进行交替求解，充分利用了切换天线阵列的结构特点，提高了DOA估计的性能，实现了高精度、低复杂度的切换天线阵列DOA估计。
-
-
-
-
-
-
-
-
-
Search Results
206
records
(took 0.077 seconds)
