“位萱”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果7个，建议您升级VIP下载更多相关专利

[发明专利]一种联合重构电磁信号的对抗样本攻击检测方法-CN202310239144.1在审
发明人：齐佩汉;位萱;尹凯;周小雨;王丹洋;李赞 -专利权人：西安电子科技大学
申请日： 2023-03-13 - 公布日： 2023-06-23 - 主分类号： G06F18/241 文献下载
摘要：本申请实施例涉及无线通信技术领域，特别涉及一种联合重构电磁信号的对抗样本攻击检测方法，包括：获取调制信号数据集；构建调制识别网络；构建重构网络，并将重构网络的损失结果作为是否为对抗样本的判决依据；采用原始训练集对调制识别网络进行训练直至收敛；采用原始训练集为每种调制方式训练与调制方式对应的重构网络；对原始测试集的正常信号进行重构，得到重构损失，并以重构损失为依据划定对抗样本检测的阈值；采用对抗攻击生成对抗样本，并将对抗样本输入模型中，对攻击检测能力进行测试。本申请利用预先分类再重构电磁信号的方法实现对智能攻防场景下未知对抗样本攻击的准确检测，为调制识别提供有效的预先防御。
一种联合电磁信号对抗样本攻击检测方法

[发明专利]基于网络结构特征归纳的半监督调制类型识别方法、装置及介质-CN202110709690.8有效
发明人：齐佩汉;都毅;王丹洋;孟永超;周小雨;丁渊磊;张抗抗;安智慧;刘向丽;关磊;位萱;张亚欣 -专利权人：西安电子科技大学
申请日： 2021-06-25 - 公布日： 2023-04-04 - 主分类号： G06F18/241 文献下载
摘要：本发明实施例公开了一种基于网络结构特征归纳的半监督调制类型识别方法、装置及介质；该方法包括：将无标记样本集与小样本的有标记样本集输入至特征提取网络，获得所有样本各自对应的特征向量；基于高斯函数定义通过所述无标记样本集与所述有标记样本集中各样本对应的特征向量获取连接矩阵；根据所述连接矩阵以及由所述连接矩阵的各行元素之和所组成的对角矩阵获取传播矩阵；构造并初始化迭代矩阵；利用所述传播矩阵以及初始化的迭代矩阵对所述迭代矩阵进行迭代至收敛；根据收敛的迭代矩阵中的行向量对所述无标记样本集中样本的调制类型标记进行预测。
基于网络结构特征归纳监督调制类型识别方法装置介质

[发明专利]一种异常信号半监督分类方法、系统、数据处理终端-CN202110708117.5有效
发明人：齐佩汉;陈婉清;姜涛;周航平;位萱;马建峰;孟永超;张抗抗;周小雨 -专利权人：西安电子科技大学
申请日： 2021-06-24 - 公布日： 2023-03-03 - 主分类号： H04B17/382 文献下载
摘要：本发明涉及深度学习和无线通信频谱信号技术领域，公开了一种异常信号半监督分类方法、系统、数据处理终端，通过建立一个深度聚类模型，将异常信号数据作为CNN模型的输入，然后提取输入数据的压缩特征作为K‑means聚类算法的输入，用于聚类；同时将CNN所提取的特征输入到CNN的分类层进行分类；最后计算K‑means的输出与CNN的输出间的损失，并更新CNN的参数，直到迭代过程收敛，以达到用聚类结果来辅助训练分类器的目的。为了使该模型在我们的数据集上有较好的表现，我们引入预训练模型、确定聚类的初始质心、构建类别均值Memory以及替换伪标签等优化方法，并且所采用的半监督的学习方法可以使频谱管理人员在用户交互较小的情况下对异常信号分类。
一种异常信号监督分类方法系统数据处理终端

[发明专利]电磁信号孪生深度学习识别方法、装置、设备及存储介质-CN202210561300.1在审
发明人：齐佩汉;周小雨;张卫琳;李赞;姜涛;安智慧;位萱;沈清 -专利权人：西安电子科技大学
申请日： 2022-05-23 - 公布日： 2022-11-18 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种电磁信号孪生深度学习识别方法、装置、设备及存储介质，该方法包括：获取待识别电磁信号；待识别电磁信号输入预建孪生网络，得到待识别电磁信号对应的特征向量；根据特征向量与每一类别的类均值向量，确定待识别电磁信号的类别。该方案抵御对抗样本的攻击性能较好。
电磁信号孪生深度学习识别方法装置设备存储介质

[发明专利]存储增强的无监督频谱异常检测方法、系统、设备、介质-CN202110706843.3有效
发明人：齐佩汉;王立展;姜涛;位萱;何进洋;马建峰;孟永超;张抗抗;周小雨 -专利权人：西安电子科技大学
申请日： 2021-06-24 - 公布日： 2022-08-26 - 主分类号： H04B17/00 文献下载
摘要：本发明属于异常检测技术领域，公开了一种存储增强的无监督频谱异常检测方法、系统、设备、介质，存储增强的无监督频谱异常检测方法包括：通过编码器对内存和更新进行编码输入和生成查询；进行信号分类并引入存储模块通过一定的策略对编码器提取的特征进行存储；通过解码器，用于对输入的数据与来自内存的查询结果进行重构；基于查询结果、重构结果以及分类结果进行频谱异常检测。本在自动编码器中引入了存储模块，根据一定策略，可以对自动编码器中编码器提取的特征进行存取操作，并由解码器进行重构。本发明所提出的异常检测方法，有效减小了自动编码器中神经网络泛化性所带来的误差，从而大幅提升了无监督异常频谱检测的正确率。
存储增强监督频谱异常检测方法系统设备介质

[发明专利]基于深度神经网络结构的OTFS信号接收恢复方法-CN202210233419.6在审
发明人：齐佩汉;杜昆刚;郑仕链;周小雨;孟永超;张正宇;位萱;沈清 -专利权人：西安电子科技大学;中国电子科技集团公司第三十六研究所
申请日： 2022-03-10 - 公布日： 2022-07-12 - 主分类号： H04L25/02 文献下载
摘要：本发明公开了一种基于深度神经网络结构的OTFS信号接收恢复方法，该方法包括：构建OTFS收发系统，并且构建发送数据集与对应数据的比特信息标签；获取经过延时多普勒信道后的电磁信号并转化为I Q数据，将接收到的I Q数据进行预处理成网络输入格式；构建基于残差块(ResNet)的多分类神经网络；对所述基于残差块(ResNet)的多分类神经网络进行训练；按信号获取方式将采集的I Q数据经过预处理后送入训练好的基于残差块(ResNet)的多分类神经网络，输出推理结果。本发明与常用的检测解调方法相比性能明显提升，与最大似然检测算法性能接近。
基于深度神经网络结构 otfs 信号接收恢复方法

[发明专利]无监督对抗学习电磁频谱异常信号检测方法-CN202110156715.6有效
发明人：齐佩汉;毛维安;周小雨;位萱;李赞;姜涛;梁琳琳;王丹洋;郝本建;王凡 -专利权人：西安电子科技大学
申请日： 2021-02-04 - 公布日： 2021-12-21 - 主分类号： G01R23/16 文献下载
摘要：本发明公开了一种无监督对抗学习电磁频谱异常信号检测方法，该方法为：对获取的功率谱数据进行预处理，获得功率谱密度估计；通过所述功率谱密度估计构建基于深度学习的电磁频谱异常检测模型；通过所述电磁频谱异常检测模型对任意一功率谱数据确定重构误差Lr和判决器损失Ld；根据所述重构误差Lr和判决器损失Ld确定异常结果Aresult，并且通过异常结果Aresult确定电磁频谱数据是否存在异常。本发明结合功率谱数据的局部特性，使用卷积神经网络代替传统方式的全连接网络，减小了网络的规模；采用对抗自编码器，将对抗思想引入电磁频谱异常信号检测，能够学习到更加有效的特征，相比传统普通的编解码器模型有更好的检测能力。
监督对抗学习电磁频谱异常信号检测方法

1
共 7 条