-
公开(公告)号：CN115580326B
公开(公告)日：2024-08-27
申请号：CN202211248946.0
申请日：2022-10-12
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0456 , H04B7/06 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种利用双极化数据相关性的信道信息压缩反馈方法。针对具有相关性的双极化信道信息数据，本发明首先利用二维傅里叶变换将两个极化方向上的空间‑频率域信道矩阵转化到角度‑时延域，然后将复数矩阵的虚实部拆分为两个实数矩阵并拼接；编码器网络通过三个子特征提取神经网络分别来提取分别包含两个极化方向的条件熵的特征和包含两个极化方向互信息的特征；解码网络将接收到的两个极化方向的条件熵分别与互信息输入两个信道信息恢复神经网络来恢复原始信道信息；本发明利用双极化数据间的相关性，提取两极化方向的互信息，有效提升了信道信息的压缩效率并改善了信道信息的恢复性能，更高效地进行信道压缩反馈，具有明显的性能优势。
-
公开(公告)号：CN115580326A
公开(公告)日：2023-01-06
申请号：CN202211248946.0
申请日：2022-10-12
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0456 , H04B7/06 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种利用双极化数据相关性的信道信息压缩反馈方法。针对具有相关性的双极化信道信息数据，本发明首先利用二维傅里叶变换将两个极化方向上的空间‑频率域信道矩阵转化到角度‑时延域，然后将复数矩阵的虚实部拆分为两个实数矩阵并拼接；编码器网络通过三个子特征提取神经网络分别来提取分别包含两个极化方向的条件熵的特征和包含两个极化方向互信息的特征；解码网络将接收到的两个极化方向的条件熵分别与互信息输入两个信道信息恢复神经网络来恢复原始信道信息；本发明利用双极化数据间的相关性，提取两极化方向的互信息，有效提升了信道信息的压缩效率并改善了信道信息的恢复性能，更高效地进行信道压缩反馈，具有明显的性能优势。
-
Patent Agency Ranking
公开(公告)号：CN115062667B
公开(公告)日：2024-07-16
申请号：CN202210759625.0
申请日：2022-06-29
Applicant: 东南大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/2415 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于解耦合表征的信道鲁棒射频指纹学习与提取方法，包括：接收机过采样接收有线或无线信号，通过下变频得到全部基带信号构造包含有限传输环境的训练数据集；进行解耦合表征学习，将信号分解成前景表征和背景表征，并利用这两部分表征实现对信号的重建；利用解耦合表征对训练集中的信号进行背景表征交换，以合成增广信号来模拟各种信道环境下发射设备所发射的信号；利用训练集中的原始信号与增广信号对射频指纹提取器进行训练，迫使射频指纹提取器忽略信号的背景差异从而使得所提取的指纹具有信道鲁棒的特性，对未见过设备和未见过传输环境依然具有泛化能力以及高可分性。
-
公开(公告)号：CN115062667A
公开(公告)日：2022-09-16
申请号：CN202210759625.0
申请日：2022-06-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于解耦合表征的信道鲁棒射频指纹学习与提取方法，包括：接收机过采样接收有线或无线信号，通过下变频得到全部基带信号构造包含有限传输环境的训练数据集；进行解耦合表征学习，将信号分解成前景表征和背景表征，并利用这两部分表征实现对信号的重建；利用解耦合表征对训练集中的信号进行背景表征交换，以合成增广信号来模拟各种信道环境下发射设备所发射的信号；利用训练集中的原始信号与增广信号对射频指纹提取器进行训练，迫使射频指纹提取器忽略信号的背景差异从而使得所提取的指纹具有信道鲁棒的特性，对未见过设备和未见过传输环境依然具有泛化能力以及高可分性。
-
公开(公告)号：CN113609982B
公开(公告)日：2024-03-19
申请号：CN202110894778.1
申请日：2021-08-05
Applicant: 东南大学
IPC: G06F18/241 , G06K7/10 , G06F18/24 , G06F18/2411 , G06F18/214
Abstract: 本发明公开了一种基于智能载波同步的高区分度射频指纹学习与提取方法，包括：接收机过采样接收有线或无线信号，通过下变频得到全部基带信号；进行信号的智能同步，即利用带可学习参数的映射对基带信号进行载波频偏和相偏估计，去除估计所得频偏和相偏，得到智能同步后的信号；对智能同步后得到的信号进行射频指纹提取；利用辅助分类器，所有可学习参数模块通过极大似然估计进行学习。通过对经典载波同步引入智能参数化学习，使得本发明提出的射频指纹提取模型可以极大保留输入信号关于设备身份相关信息，所提取的射频指纹具有极高的区分度并对未见过设备依然具有极强的泛化能力。
-
公开(公告)号：CN115392538A
公开(公告)日：2022-11-25
申请号：CN202210861998.9
申请日：2022-07-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于信息论的投资组合普适优化配置方法，包括：获取并清洗股票历史数据价量数据、选股因子历史数据；通过选股因子检验方法确定对若干个有效的选股因子组合，作为股票筛选的依据；根据选取的有效选股因子组合，对股票进行打分，选出得分大于预设值的股票构建投资组合；利用基于信息论的投资组合普适优化配置方法，定期对所选出的投资组合进行投资权重配置与调整。本发明通过筛选多选股因子评级股票池和对投资组合配置权重的调整这两个维度入手，动态调整投资组合权重，对投资组合进行了更加全面精准配置，从而增加了投资获利的机会。同时由于投资组合的权重配置方法不对市场行为做出任何统计假设，因此更为通用与稳健。
-
公开(公告)号：CN113609982A
公开(公告)日：2021-11-05
申请号：CN202110894778.1
申请日：2021-08-05
Applicant: 东南大学
Abstract: 本发明公开了一种基于智能载波同步的高区分度射频指纹学习与提取方法，包括：接收机过采样接收有线或无线信号，通过下变频得到全部基带信号；进行信号的智能同步，即利用带可学习参数的映射对基带信号进行载波频偏和相偏估计，去除估计所得频偏和相偏，得到智能同步后的信号；对智能同步后得到的信号进行射频指纹提取；利用辅助分类器，所有可学习参数模块通过极大似然估计进行学习。通过对经典载波同步引入智能参数化学习，使得本发明提出的射频指纹提取模型可以极大保留输入信号关于设备身份相关信息，所提取的射频指纹具有极高的区分度并对未见过设备依然具有极强的泛化能力。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
