-
公开(公告)号：CN118984261B
公开(公告)日：2025-01-24
申请号：CN202411473268.7
申请日：2024-10-22
Applicant: 西南交通大学
Abstract: 本发明提供了一种实时通信信号频谱的切分检测方法及系统，涉及信道属性判断技术领域，包括获取待识别的宽带信号，所述待识别的宽带信号包括所有信道的实时通信信号；将所述待识别的宽带信号进行信号判断，得到待识别的宽带信号内每个信道是否具备通信信号的判断结果；将具备通信信号的信道进行属性判断，并基于判断得到的每个信道的属性进行信道拼接，再判断拼接完成的信道是否拼接成功，得到第二判断结果；基于第二判断结果进行信道属性提取，得到每个拼接完成的信道的属性类型。本发明提出的信道属性判别方案，在对信号分段、判别时相比传统方法具有更高的准确性和适用性，能够更有效地将独立信号从时域混叠信号中提取出来。
-
公开(公告)号：CN118984261A
公开(公告)日：2024-11-19
申请号：CN202411473268.7
申请日：2024-10-22
Applicant: 西南交通大学
Abstract: 本发明提供了一种实时通信信号频谱的切分检测方法及系统，涉及信道属性判断技术领域，包括获取待识别的宽带信号，所述待识别的宽带信号包括所有信道的实时通信信号；将所述待识别的宽带信号进行信号判断，得到待识别的宽带信号内每个信道是否具备通信信号的判断结果；将具备通信信号的信道进行属性判断，并基于判断得到的每个信道的属性进行信道拼接，再判断拼接完成的信道是否拼接成功，得到第二判断结果；基于第二判断结果进行信道属性提取，得到每个拼接完成的信道的属性类型。本发明提出的信道属性判别方案，在对信号分段、判别时相比传统方法具有更高的准确性和适用性，能够更有效地将独立信号从时域混叠信号中提取出来。
-
公开(公告)号：CN117874487B
公开(公告)日：2024-07-26
申请号：CN202311701877.9
申请日：2023-12-12
Applicant: 西南交通大学
IPC: G06F18/213 , G06F18/214 , G06F18/24 , G06N3/0475 , G06N3/094 , G06N3/098
Abstract: 本发明涉及辐射源识别技术领域，涉及一种未知辐射源识别方法、装置、设备及可读存储介质，所述方法包括获取辐射源信息和预设的对抗神经网络模型；将辐射源信息进行特征提取，得到特征向量；根据特征向量划分训练集和测试集，并根据训练集确定锚样本、正样本和负样本；根据锚样本、正样本和负样本对预设的对抗神经网络中的分类器的损失函数进行优化，得到第一损失函数；根据第一损失函数、测试集和训练集对预设的对抗神经网络模型进行训练，得到训练后的对抗神经网络模型；将每个客户端训练后的对抗神经网络模型进行联邦学习，得到全局模型，本发明对神经网络的损失函数进行优化，提高了训练集中样本特征的聚集性，使神经网络的识别精度更高。
-
公开(公告)号：CN117874487A
公开(公告)日：2024-04-12
申请号：CN202311701877.9
申请日：2023-12-12
Applicant: 西南交通大学
IPC: G06F18/213 , G06F18/214 , G06F18/24 , G06N3/0475 , G06N3/094 , G06N3/098
Abstract: 本发明涉及辐射源识别技术领域，涉及一种未知辐射源识别方法、装置、设备及可读存储介质，所述方法包括获取辐射源信息和预设的对抗神经网络模型；将辐射源信息进行特征提取，得到特征向量；根据特征向量划分训练集和测试集，并根据训练集确定锚样本、正样本和负样本；根据锚样本、正样本和负样本对预设的对抗神经网络中的分类器的损失函数进行优化，得到第一损失函数；根据第一损失函数、测试集和训练集对预设的对抗神经网络模型进行训练，得到训练后的对抗神经网络模型；将每个客户端训练后的对抗神经网络模型进行联邦学习，得到全局模型，本发明对神经网络的损失函数进行优化，提高了训练集中样本特征的聚集性，使神经网络的识别精度更高。
-
-
-
Search Results
4
records
(took 0.021 seconds)
