公开(公告)号：CN116738251A

公开(公告)日：2023-09-12

申请号：CN202310731289.3

申请日：2023-06-19

Applicant: 电子科技大学

Inventor： 林迪 ,  李丙涛 ,  胡苏 ,  马上 ,  靳传学 ,  吴薇薇 ,  杨君 ,  周晗

IPC: G06F18/22 ,  G06F18/213 ,  G06N3/084 ,  G06N3/048 ,  G06N3/0464

Abstract: 本发明属于物联网安全技术领域，具体来说是涉及一种基于生成对抗网络的射频指纹识别训练数据生成方法。虽然射频指纹识别技术发展日趋成熟，但当训练数据不够时，模型从原始数据中获取到的有效信息比较少，模型会出现过拟合现象。特别是在某些特殊环境下，如无人机等处于较为隐蔽环境的通信设备，无法获取其大量信号进行射频指纹识别。本发明基于生成对抗网络模型的射频指纹样本增强方法为提取更有效的射频指纹特征，增强数据，结合I/Q信号特点，修改了生成对抗网络的判别模型和生成模型；并采用Wasserstein距离公式作为计算样本特征相似度的函数，使模型更加能够区分I/Q信号样本之间的差异，从而保证模型生成的数据能够匹配原数据。

公开(公告)号：CN116502044A

公开(公告)日：2023-07-28

申请号：CN202310473765.6

申请日：2023-04-27

Applicant: 电子科技大学

Inventor： 林迪 ,  王梦娟 ,  胡苏 ,  吴薇薇 ,  杨刚 ,  马上 ,  靳传学 ,  杨钿

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06F18/241 ,  G06F18/25 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  H04W12/79 ,  H04W12/06 ,  G06F123/02

Abstract: 本发明属于物联网安全技术领域，具体来说是涉及一种基于残差网络模型的射频指纹识别方法。本发明首先将无线设备信号转换成固定大小的时频图，提取区分度更高的射频指纹特征，解决以信号样本序列作为射频指纹提取对象时，样本长度会影响后续算法结构和处理复杂度的问题。然后，针对无线设备信号时频图设计实现了深度学习模型CSAM‑ResNet，实现射频指纹的自动提取，充分挖掘时频图中的细节信息和关键特征信息，进一步提高复杂电磁环境下无线设备的识别能力。

公开(公告)号：CN113778682B

公开(公告)日：2023-04-18

申请号：CN202111066239.5

申请日：2021-09-13

Applicant: 电子科技大学

Inventor： 林迪 ,  李子健 ,  吴薇薇

IPC: G06F9/50 ,  H04L67/10

Abstract: 本发明公开了一种MEC系统资源分配方法，包括以下步骤：S1、构建任务处理代价目标函数和约束；S2、在无线信道中对任务队列的任务进行排序，得到固定优先级的任务队列；S3、根据任务处理代价目标函数、约束、固定优先级的任务队列和任务最差执行时延，得到任务分配的最优策略；S4、通过MEC服务器将任务分配的最优策略分配给各移动设备用户，实现MEC系统中资源的最优分配；本发明解决了现有MEC系统资源存在分配不合理的问题。

公开(公告)号：CN115001605B

公开(公告)日：2023-01-24

申请号：CN202210596388.0

申请日：2022-05-30

Applicant: 电子科技大学

Inventor： 马上 ,  张炳坤 ,  高凯 ,  李博文 ,  覃卓 ,  胡苏 ,  胡剑浩 ,  林迪

IPC: H04B17/309

Abstract: 本发明属于荧光频谱分析技术领域，具体来说是涉及一种面向卫星通信信号实时检测的荧光频谱分析方法。本发明首先计算信号频谱统计基准线，再以此基准线上下一定范围确定位图统计区域，然后构建位图对待测信号频谱数据进行位图统计，这样就可以避免为无频点落入区域提供存储空间，达到减少存储资源使用的目的。

公开(公告)号：CN114155108A

公开(公告)日：2022-03-08

申请号：CN202111470910.2

申请日：2021-12-03

Applicant: 宜宾电子科技大学研究院

Inventor： 何儒 ,  宋林泽 ,  邓欢 ,  汤羽 ,  林迪 ,  陈波

IPC: G06Q40/06 ,  G06Q40/04 ,  G06N3/08

Abstract: 本发明公开了一种投资推荐方法和投资推荐系统，所述投资推荐方法包括：S1：对成分股的相关信息进行预处理，得到成分股的金融数据，其中，所述金融数据为序列形式的金融数据；S2：获取多个目标指数成分股的成分股子集，其中，各所述目标指数成分股至少包括一个成分股子集；S3：利用深度自编码器对所有所述目标指数成分股的成分股子集进行筛选操作，得到多个有效的成分股子集；S4：对各所述有效的成分股子集进行回测操作，得到各目标指数成分股的隶属数据；S5：利用深度学习算法对各所述目标指数成分股的历史数据进行优化，得到各所述有效的成分股子集中的若干优质成分股子集；S6：根据若干所述优质成分股子集，对投资目标进行权重分配推荐。

公开(公告)号：CN110912919A

公开(公告)日：2020-03-24

申请号：CN201911217822.4

申请日：2019-12-03

Applicant: 电子科技大学

Inventor： 胡苏 ,  张骁 ,  张骁丰 ,  林迪 ,  梁宇 ,  吴薇薇

IPC: H04L29/06 ,  H04L12/24

Abstract: 本发明公开了一种用于网络健康状况建模分析的网络数据采集方法、系统，涉及网络健康分析技术领域，在硬件增加了控制主机，网络数据采集包括：通过wireshark从受控主机采集网络节点连接信息数据，并将其解析为json格式后存入数据库中；从受控主机采集网络节点状态信息数据，并将其解析为json格式后存入数据库中；从数据库中调取对应相同时间段和主机ip的json格式的网络节点连接信息和网络节点状态信息数据进行拼接后重新存入数据库中，供网络健康状况分析时调取。本发明网络改造成本低廉，其能够提供精准的网络数据支撑，方便后续使用机器学习的方法对网络数据进行建模分析。