“赵知劲”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55个，建议您升级VIP下载更多相关专利

[发明专利]一种基于原始IQ数据的深度学习DOA估计方法-CN202310831010.9在审
发明人：杨壮;郑仕链;赵知劲 -专利权人：杭州电子科技大学
申请日： 2023-07-07 - 公布日： 2023-10-03 - 主分类号： G01S3/14 文献下载
摘要：本发明公开了一种基于原始IQ数据的深度学习DOA估计方法。本发明利用原始信号的I和Q分量作为模型的输入，以提高性能。本发明旨在解决单信号源的DOA估计问题，将单信号源DOA估计问题建模为一个单标签多分类问题。通过将DOA范围离散化，把可能到达的方向作为对应的标签。设计了一个卷积神经网络来适应不同数量的快照，对不同长度的输入信号都可以自适应得到准确的DOA估计。实验结果表明，相对于现有的基于协方差矩阵作为输入的深度学习DOA估计方法，该方案具有更优异的表现，可为阵列信号处理提供更加可靠的解决方案。
一种基于原始 iq 数据深度学习 doa 估计方法

[发明专利]一种基于深度学习的信噪比估计方法-CN202310888458.4在审
发明人：陈书润;郑仕链;赵知劲;陈涛 -专利权人：杭州电子科技大学
申请日： 2023-07-19 - 公布日： 2023-09-15 - 主分类号： H04B17/336 文献下载
摘要：本发明公开了一种基于深度学习的信噪比估计方法，首先采集已预设信噪比下的发射信号序列，构建原始信号数据集；对采集的信号序列进行时频变换获得其功率谱数据集；根据所需的信噪比估计精度选择分类或回归方法，构造相应卷积分类网络或卷积回归网络，初始化神经网络训练参数；使用功率谱数据集进行训练；最后利用训练好的卷积神经网络模型对新接收到的信号进行信噪比估计。本发明通过使用回归技术，能够更准确地估计信号的SNR，而无需依赖事先定义的离散类别。相较于基于分类的方法，本发明提出的基于回归的方法不仅具备更好的估计性能，还能够降低对大量训练标签的依赖性。
一种基于深度学习估计方法

[发明专利]基于CNN-LSTM模型和迁移学习的信号调制样式识别方法-CN202010548590.7有效
发明人：占锦敏;赵知劲;翁建新 -专利权人：杭州电子科技大学
申请日： 2020-06-16 - 公布日： 2023-09-15 - 主分类号： G06F18/213 文献下载
摘要：本发明公开一种基于CNN‑LSTM模型和迁移学习的信号调制样式识别方法。本发明首先对采集多种不同调制信号样本集，预处理得到源数据集；再构建CNN‑LSTM网络模型，将网络的权值进行随机初始化，输入源数据集对网络模型进行预训练；将预训练后CNN网络与LSTM网络的权值参数对应迁移至目标CNN‑LSTM网络中，输入训练数据集对目标CNN‑LSTM网络中的随机森林分类器进行训练，得到训练完成的CNN‑LSTM网络；最后利用训练完成的CNN‑LSTM网络对测试数据集进行调制样式识别，得到信号分类识别结果。本发明结合了CNN网络与LSTM网络的特征提取优点，提高了信号识别性能，并解决了深度学习在缺少目标信号样本的条件下识别性能差的问题。
基于 cnn lstm 模型迁移学习信号调制样式识别方法

[发明专利]一种基于Swin-Transformer的语音语义信号传输方法-CN202310606682.X在审
发明人：周子良;郑仕链;赵知劲;陈杰 -专利权人：杭州电子科技大学
申请日： 2023-05-26 - 公布日： 2023-08-29 - 主分类号： G10L15/18 文献下载
摘要：本发明公开了一种基于Swin‑Trasformer的语音语义通信传输方法，本发明包括以下步骤：1.对语音信号进行数据预处理；2.将预处理后的语音信号通过语义编码器，自动提取语音信号中的语义信号；3.将语义信号通过物理信道以模拟现实生活中的噪声干扰；4.将带有噪声干扰的语义信号通过语义解码器；将带有噪声的信号分别经过卷积层和Transformer‑basedDecoder层，重新构建其浅层特征和深层特征，最后经过KeepfeatLayer实现多重维度语义信息的融合；5.对经过语义解码器的信号进行信号重建，以恢复出原始的语音信号。本发明以时域信号直接作为系统输入，减少了计算的成本，这对于注重时时传输的智能通信系统来说是极为重要的。
一种基于 swin transformer 语音语义信号传输方法

[发明专利]一种基于半监督深度学习的频谱感知方法-CN202110311989.8有效
发明人：张煜培;赵知劲 -专利权人：杭州电子科技大学
申请日： 2021-03-24 - 公布日： 2023-05-23 - 主分类号： G06F18/2415 文献下载
摘要：本发明提供了一种基于半监督深度学习的频谱感知方法，该方法包括以下步骤：S1、通过有标签样本训练半监督集成决策树模型以获得用于区分PU信号和噪声的分类器；S2、将无标签样本输入分类器，并将置信度高于预设值的无标签样本样本标记为伪标签；S3、通过所述的伪标签训练CNN网络以获得频谱感知预测模型。本方法的训练阶段基于半监督分类，只需要少量有标签样本，相比于传统基于完全监督学习的频谱感知算法，本方案能够大大降低对有标签样本的依赖。
一种基于监督深度学习频谱感知方法

[发明专利]基于矢量空间分离的持续电磁信号分类方法-CN202211456173.5有效
发明人：赵琰;陈仕川;郑仕链;赵知劲;姜明;戴绍港 -专利权人：杭州电子科技大学
申请日： 2022-11-21 - 公布日： 2023-05-19 - 主分类号： G06F18/241 文献下载
摘要：本方案公开了一种基于矢量空间分离的持续电磁信号分类方法，包括，使用无线电信号作为训练卷积神经网络的样本数据；进行第一个任务训练得到训练后的卷积神经网络；当新任务到来时，在原有卷积神经网络模型上增加新的全连接层，与旧的全连接层进行拼接输出；新任务训练过程中，基于余弦相似度控制新旧任务在矢量空间的距离，并使用L2正则化平衡新旧任务权重的大小，同时使用交叉熵损失函数区分新类与旧类；新任务训练结束后得到新的卷积神经网络。本方案引入一种相似度损失函数，并在交叉熵损失函数的共同作用下，在矢量空间中，保证新类对旧类的分类和新类之间的区分，来减少新类对旧类的影响并保证新任务的学习。
基于矢量空间分离持续电磁信号分类方法

[发明专利]一种基于深度确定性策略的跳频智能抗干扰决策方法-CN202211512206.3在审
发明人：张煜培;赵知劲 -专利权人：杭州电子科技大学
申请日： 2022-11-29 - 公布日： 2023-05-05 - 主分类号： H04B1/715 文献下载
摘要：本发明公开了一种基于深度确定性策略的跳频智能抗干扰决策方法。本发明包括：步骤1、建立双变跳频通信系统模型；步骤2、建立双变跳频通信系统抗干扰决策模型；步骤3、基于强化学习的优化问题转换；步骤4、基于HDP‑DDPG的双变跳频通信系统抗干扰决策；步骤5、训练HDP‑DDPG网络，输出抗干扰决策模型。本发明一方面通过回放更多立即回报高和时间差分误差大的经验来训练模型，使模型预测更精准；另一方面通过周期性衰减学习率使得网络参数的更新速度呈周期性变化，探索速度丰富多样，易于跳出局部最优。从而有效提高了经验样本的利用效率,避免了陷入局部最优,加快了网络的收敛速度。
一种基于深度确定性策略智能抗干扰决策方法

[发明专利]一种基于结构张量的图像局部纹理稳定场重建方法-CN202211603506.2在审
发明人：王凌宇;叶学义;曾懋胜;王浩;赵知劲 -专利权人：杭州电子科技大学
申请日： 2022-12-13 - 公布日： 2023-04-07 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种基于结构张量的图像局部纹理稳定场重建方法，首先将稳定场与图像纹理相结合，构建针对各个缺损像素点的图像局部纹理的稳定场重建方程；然后利用结构张量的特征值定义优先权函数，使得局部缺损区域边缘处各缺损点按照结构部分的强弱顺序进行重建；最后利用结构张量构造局部区域的平均相干因子，使处在图像不同结构区域处的缺损像素点能够自适应选取对应的有效场源范围。经实验验证，该方法实现了对不同类型的缺损图像更为准确的重建,尤其对于图像缺损区域的边缘以及纹理处的重建表现出色。
一种基于结构张量图像局部纹理稳定重建方法

[发明专利]基于样本回想增量学习的信号调制分类模型及学习方法-CN202211412173.5在审
发明人：赵琰;陈仕川;郑仕链;赵知劲;姜明;戴绍港 -专利权人：杭州电子科技大学
申请日： 2022-11-11 - 公布日： 2023-03-31 - 主分类号： H04L27/00 文献下载
摘要：本方案公开了一种基于样本回想增量学习的信号调制分类模型及学习方法，包括记忆回想模块、辨别模块和分类网络，引入了基于类标签与样本标签的记忆方式，在样本记忆阶段，记忆模块会对样本进行学习并生成低维度的特征表示，在样本回想阶段，只需对回想模块输入类标签与样本标签，就可以精确回想对应的样本，无需保存样本数据，只需要保存训练的回想模块和样本标签信息即可，通过记忆回想模块这个框架来作为样本数据的仓库，克服了直接存储样本数据需占用大量内存的困境。
基于样本回想增量学习信号调制分类模型学习方法

[发明专利]一种毫米波图像多角度检出结果的整合方法-CN202210938978.7有效
发明人：叶学义;王鹤澎;王凌宇;陈海颖;赵知劲 -专利权人：杭州电子科技大学
申请日： 2022-08-05 - 公布日： 2023-03-28 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种毫米波图像多角度检出结果的整合方法，首先计算单次检测的最大置信度；然后生成置信图，将一组样本的所有检出结果以区域灰度值叠加的形式共同存放在同一幅图像中，从而对检出结果进行批量整合；再计算置信图内所有连通域的最大外切矩形；依次计算每个最大外切矩形内的最高/次高灰度值，并作整合处理，获得最终的整合结果。本发明参考NMS算法的概率权重思想并结合统计学的置信区间理论有效地整合了人体毫米波图像的多角度检出结果。
一种毫米波图像角度检出结果整合方法

[发明专利]一种基于原型学习的开放集干扰识别模型和方法-CN202210909603.8有效
发明人：陈杰;赵知劲;叶学义;岳克强;姜明 -专利权人：杭州电子科技大学
申请日： 2022-07-29 - 公布日： 2022-11-08 - 主分类号： G06K9/00 文献下载
摘要：本方案公开了一种基于原型学习的开放集干扰识别模型和方法，包括具有特征提取网络和分类模型的PL‑Net，特征提取网络对输入干扰提取特征，分类模型根据特征向量与干扰类别的原型中心的距离进行类别识别，用于训练PL‑Net的损失函数包括闭集训练项和开集训练项，开集训练项的原型中心集合包括未知干扰类别原型中心，闭集训练项的原型中心集合无未知干扰类别原型中心，训练得到若干已知干扰类别原型中心和一未知干扰类别原型中心。本方案设计的损失函数基于原型学习策略，通过假定开放类别原型中心将闭集训练和开集训练相结合，使其对未知干扰也能够基于原型中心进行识别，从而使模型能够被用于识别未知干扰，有效提高模型在开放集合情况下干扰识别精度。
一种基于原型学习开放干扰识别模型方法

[发明专利]基于MFDRL-CTDE的跳频组网智能抗干扰决策方法-CN202110896680.X有效
发明人：朱家晟;赵知劲;郑仕链;姜明 -专利权人：杭州电子科技大学
申请日： 2021-08-05 - 公布日： 2022-10-21 - 主分类号： H04B1/715 文献下载
摘要：本发明公开了一种基于MFDRL‑CTDE的跳频组网智能抗干扰决策方法。针对多种干扰并存的复杂电磁环境和跳频异步组网结构，设计了相应的状态‑动作空间和奖赏函数。为应对Agent之间的相互影响和动态的环境，引入集中式训练和分散式执行框架。提出基于模糊推理系统的融合权重分配策略，用于解决网络融合过程中各Agent的权重分配问题。采用竞争性DQN算法和优先经验回放技术以提高算法的效率。本发明方法在收敛速度和最佳性能方面都具有较大优势，且对多变复杂电磁环境具有较好的适应性。
基于 mfdrl ctde 组网智能抗干扰决策方法

[发明专利]一种基于时频谱矩阵局部方差的跳频信号检测方法-CN202110556552.0有效
发明人： 赵知劲;李春 -专利权人：杭州电子科技大学
申请日： 2021-05-21 - 公布日： 2022-10-18 - 主分类号： H04B17/00 文献下载
摘要：本发明提供了一种基于时频谱矩阵局部方差的跳频信号检测方法，该方法包括以下步骤：S1.根据跳频信号模型和定频信号模型确定接收机截获的观测信号是否存在跳频信号或者定频信号，若存在，则执行后续步骤；S2.获取观测信号的短时傅里叶变换STFTx(m,n)，并计算时频谱Px(m,n)；S3.将时频谱Px(m,n)的不同频率分量在所有时间点的功率进行累加，得到只与频率相关的平均功率谱S4.在原时频谱Px(m,n)上减去对应频率的平均功率谱得到时频对消谱Psub1(m,n)；S5.对所得到的时频对消谱Psub1(m,n)进行归一化处理，并计算每个频点时频谱的方差d(m)和局部方差T。本方案将短时傅里叶变换、时频对消方法与方差特点结合起来对跳频信号进行检测，具有有效性和实用性等优点。
一种基于频谱矩阵局部方差信号检测方法

[发明专利]一种基于改进多目标混沌PSO优化的目标信道访问方法-CN201910439379.9有效
发明人：朱家晟;赵知劲 -专利权人：杭州电子科技大学
申请日： 2019-05-24 - 公布日： 2022-09-27 - 主分类号： H04W16/14 文献下载
摘要：本发明公开了一种基于改进多目标混沌PSO优化的目标信道访问方法。首先要将信道访问顺序转化为粒子位置，将信道序号编码成离散二进制[0,1]序列后进行纠正编码。然后引入倒“S”型函数改进惯性权重递减更新方式来改进粒子速度更新方法，引入“V”型函数更新粒子位置，将累积时延和信道容量作为目标函数，根据Pareto支配的定义，确定非支配解并加入到外部集中。使用自适应网格从外部集中选择全局最优解并对其进行基于改进Tent映射的混沌优化。当达到最大迭代次数，输出外部集里的解，每个解均对应一种目标信道访问顺序，这些解都是Pareto最优解。本发明复杂度较低，帮助算法收敛，有效跳出局部最优解。
一种基于改进多目标混沌 pso 优化目标信道访问方法

[发明专利]基于孪生神经网络的通信干扰信号开放识别模型和方法-CN202210523232.X在审
发明人：唐言;赵知劲 -专利权人：杭州电子科技大学
申请日： 2022-05-13 - 公布日： 2022-08-09 - 主分类号： G06K9/00 文献下载
摘要：本方案公开了一种基于孪生神经网络的通信干扰信号开放识别模型和方法，包括两个作为特征提取器的分支结构、一个差异判别结构和一个类别预测结构，两个分支结构的输入为样本对(x1,x2)以分别提取两个样本的特征向量，两个分支结构的输出均为差异判别结构和类别预测结构的输入，所述差异判别结构的输出为两个样本的差异性判断Y′，类别预测结构的输出为样本的预测类别y′。本方案提出了一种融合了SNN、VAE和Resnet结构优点的OWR网络结构，并且基于OWR网络结构进一步提出了基于已知类别潜在分布的未知类别检测算法，能够避免将未知类别的干扰信号归类至已知类别中从而实现开放世界中干扰信号的分类。
基于孪生神经网络通信干扰信号开放识别模型方法

1
2
3
4
下一页»
尾页
共 55 条