一种基于原型学习和t-SNE联合的调制信号开集识别方法

    公开(公告)号:CN117574224A

    公开(公告)日:2024-02-20

    申请号:CN202311491355.0

    申请日:2023-11-09

    Abstract: 本发明属于无线通信信号调制识别领域,涉及一种基于原型学习和t‑SNE联合的无线通信信号调制识别的开放集识别方法。本发明首先采用ResNet作为分类器,用原型层替换SoftMax层,即一组可学习的权重(原型点),能够提升类内聚集性和类间可分性。在高维空间中已知类别识别准确率较高,但模型对于未知类别的识别准确率(拒识率)较低,引入t‑SNE将高维特征非线性降维至二维,利用σ原则删除离群点,计算二维平面上各个类别的中心点与阈值半径,通过阈值判断完成已知类别的识别并拒绝未知类别,已知类别准确率与未知类别拒识率均较高。本发明的有益效果为,本发明在具有较高的已知调制类型识别准确率的同时,实现了较好的未知调制类型拒识率,方法简单,效果良好。

    一种基于交替方向乘子法的波束形成方法

    公开(公告)号:CN113704998B

    公开(公告)日:2023-03-03

    申请号:CN202110995284.2

    申请日:2021-08-27

    Abstract: 本发明属于信号处理技术领域,涉及一种基于交替方向乘子法的波束形成方法。本发明考虑了具有旁瓣控制的系数阵列波束形成问题,通过设计权向量的l1范数量化了天线阵列的稀疏性。在对阵列结构作了稀疏性处理的基础上,通过改变旁瓣区域中幅度响应的约束,来实现对波束的旁瓣控制,在考虑了主瓣区域的幅度响应的抖动约束后,提出了一个非凸的优化问题。最后通过引入辅助变量和交替方向乘子法的算法框架,将原非凸的优化模型,分解为若干可解的凸优化子问题,迭代求解得到权向量及相关的辅助变量值。本发明可以实现波束的旁瓣控制和稀疏化,并且算法迭代步数少,收敛速度快,可以快速得到权向量的稀疏性结果。

    一种基于交替方向乘子法的波束形成方法

    公开(公告)号:CN113704998A

    公开(公告)日:2021-11-26

    申请号:CN202110995284.2

    申请日:2021-08-27

    Abstract: 本发明属于信号处理技术领域,涉及一种基于交替方向乘子法的波束形成方法。本发明考虑了具有旁瓣控制的系数阵列波束形成问题,通过设计权向量的l1范数量化了天线阵列的稀疏性。在对阵列结构作了稀疏性处理的基础上,通过改变旁瓣区域中幅度响应的约束,来实现对波束的旁瓣控制,在考虑了主瓣区域的幅度响应的抖动约束后,提出了一个非凸的优化问题。最后通过引入辅助变量和交替方向乘子法的算法框架,将原非凸的优化模型,分解为若干可解的凸优化子问题,迭代求解得到权向量及相关的辅助变量值。本发明可以实现波束的旁瓣控制和稀疏化,并且算法迭代步数少,收敛速度快,可以快速得到权向量的稀疏性结果。

    一种基于正交匹配联合追踪的切换天线阵列DOA估计方法

    公开(公告)号:CN117491941A

    公开(公告)日:2024-02-02

    申请号:CN202311404672.4

    申请日:2023-10-27

    Abstract: 本发明属于阵列信号处理领域,涉及一种基于正交匹配联合追踪的切换天线阵列DOA估计方法。针对传统切换天线阵列DOA估计中算法性能分配失衡的问题,提供一种基于正交匹配联合追踪的切换天线阵列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,利用各个观测值的稀疏解对应相同支撑集的特性,通过正交匹配联合追踪算法对全部采样数据进行联合稀疏求解,充分利用了切换天线阵列的结构特征,提升了DOA估计精度,实现了高精度、低复杂度的切换天线阵列DOA估计。

    一种面向辐射源个体的开集识别方法

    公开(公告)号:CN113705446B

    公开(公告)日:2023-04-07

    申请号:CN202110997031.9

    申请日:2021-08-27

    Abstract: 本发明属于信号处理技术领域,具体的说是涉及一种面向辐射源个体的开集识别方法。实际应用场景中,辐射源个体识别系统面对的是开放电磁环境,接收到未被数据库收录的未知类别辐射源信号不可避免,因此辐射源开集识别具有重要的研究意义。本发明是在利用深度神经网络作为辐射源信号特征提取器的基础上,首先设计兼顾分类和聚类效果的联合损失函数,保证神经网络提取的信号深度特征具有良好的分类特性和聚类特性,然后利用训练数据得到的特征向量构造极值分布模型,确定判别阈值,实现判别算法,完成对辐射源信号的高准确率开集识别。

    一种近场稀疏阵设计方法

    公开(公告)号:CN113158568B

    公开(公告)日:2022-12-02

    申请号:CN202110440766.1

    申请日:2021-04-23

    Abstract: 本发明属于阵列天线设计技术领域,涉及一种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,将其作为稀疏阵列的基础。在计算中过程中先采用传统遗传算法进行阵列设计,当遗传算法进行到一定次数后,在每轮遗传算法结束前进行概率学习算法迭代,若在一定学习次数内产生适应度更高的解,则将当前遗传算法中最优解替换为该解并保留。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,且具有一定的灵活性。本发明对于实际工程中的小型阵列能够进行高性能的全局搜索,找到更优的可行解。

    一种面向辐射源个体的开集识别方法

    公开(公告)号:CN113705446A

    公开(公告)日:2021-11-26

    申请号:CN202110997031.9

    申请日:2021-08-27

    Abstract: 本发明属于信号处理技术领域,具体的说是涉及一种面向辐射源个体的开集识别方法。实际应用场景中,辐射源个体识别系统面对的是开放电磁环境,接收到未被数据库收录的未知类别辐射源信号不可避免,因此辐射源开集识别具有重要的研究意义。本发明是在利用深度神经网络作为辐射源信号特征提取器的基础上,首先设计兼顾分类和聚类效果的联合损失函数,保证神经网络提取的信号深度特征具有良好的分类特性和聚类特性,然后利用训练数据得到的特征向量构造极值分布模型,确定判别阈值,实现判别算法,完成对辐射源信号的高准确率开集识别。

    一种近场稀疏阵设计方法
    10.
    发明公开

    公开(公告)号:CN113158568A

    公开(公告)日:2021-07-23

    申请号:CN202110440766.1

    申请日:2021-04-23

    Abstract: 本发明属于阵列天线设计技术领域,涉及一种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,将其作为稀疏阵列的基础。在计算中过程中先采用传统遗传算法进行阵列设计,当遗传算法进行到一定次数后,在每轮遗传算法结束前进行概率学习算法迭代,若在一定学习次数内产生适应度更高的解,则将当前遗传算法中最优解替换为该解并保留。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,且具有一定的灵活性。本发明对于实际工程中的小型阵列能够进行高性能的全局搜索,找到更优的可行解。

Patent Agency Ranking