“邵怀宗”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111个，建议您升级VIP下载更多相关专利

[发明专利]一种基于自监督的跨接收机数据自适应辐射源识别方法-CN202310812302.8在审
发明人：利强;刘红利;朱少先;潘晔;林静然;邵怀宗;孙国敏 -专利权人：电子科技大学
申请日： 2023-07-04 - 公布日： 2023-10-27 - 主分类号： G06F18/241 文献下载
摘要：本发明涉及信号源识别技术领域，具体涉及一种基于自监督的跨接收机数据自适应辐射源识别方法，使用信息熵、伪标签自监督和对比学习等方法使得网络模型能自动适应新接收机的数据分布，从而从而提高网络在不同接收机数据上的泛化能力，解决现有网络模型在跨接收机数据识别时不足的问题。实验结果表明，在加载一个使用原接收机的有标签数据进行训练的网络模型后，使用新接收机无标签数据训练网络，相比于普通识别网络使用同样的有标签数据进行训练，在新接收机上的识别准确率不同数据集上均有提升，平均提升20.94％。
一种基于监督接收机数据自适应辐射源识别方法

[发明专利]一种基于Swin Transformer和迁移学习的智能辐射源识别方法-CN202310767307.3在审
发明人：潘晔;袁嘉良;孙国敏;张伟;利强;邵怀宗;林静然;胡全 -专利权人：电子科技大学
申请日： 2023-06-27 - 公布日： 2023-10-17 - 主分类号： G06F18/241 文献下载
摘要：本发明涉及信号处理技术领域，具体涉及一种基于Swin Transformer和迁移学习的智能辐射源识别方法，本发明使用组合的信号预处理方式进行数据增强，利用短时傅里叶变换与时域数据的一维向量和二维向量增强方式使得数据集的样本量得到了几个数量级的提升，从而拓展数据量，使模型得到更多信息。使用自注意力机制使其更好的利用先验知识从新数据中学习到辐射源指纹特征。即使在新的环境下得到数据特征改变，也能通过这种方式捕捉新环境和原来的环境通用的特征和模式，提高模型的复用性。使用滑动窗口的方法使网络参数的更新降低计算复杂度，并提高模型的训练速度和推理速度。
一种基于 swin transformer 迁移学习智能辐射源识别方法

[发明专利]一种适用于无人机通信链路的干扰方法-CN202210305406.5有效
发明人： 邵怀宗;陈伟;王万治;翟志凯;张伟;林静然;潘晔;利强 -专利权人：电子科技大学
申请日： 2022-03-25 - 公布日： 2023-10-10 - 主分类号： H04K3/00 文献下载
摘要：本发明提供一种适用于无人机通信链路的干扰方法，包括信号帧同步步骤：从信号检测系统中获取信号帧结束时刻算同步时刻；以同步时刻为基准采集信号，求得采集信号对应的功率谱从而得到同步时刻前功率谱变化值、同步时刻处功率谱变化值以及同步时刻后功率谱变化值；通过这三个变化值来判断当前是否同步成功以及计算同步时刻的调整量，对于同步成功的则进入中心频率估计步骤：计算出导频频率作为发射干扰的中心频率；发送干扰信号步骤：在中心频率处发送时长小于信号帧时长的干扰信号。本发明计算复杂度低，能够快速响应跳频信号；干扰系统中参数可调，适用于不同型号的无人机。
一种适用于无人机通信干扰方法

[发明专利]一种基于无监督动量对比学习的辐射源个体识别方法-CN202310767300.1在审
发明人：孙国敏;张伟;袁嘉良;邵怀宗;林静然;利强;潘晔;胡全 -专利权人：电子科技大学
申请日： 2023-06-27 - 公布日： 2023-09-26 - 主分类号： G06F18/241 文献下载
摘要：本发明涉及信号处理技术领域，具体涉及一种基于无监督动量对比学习的辐射源个体识别方法，本发明使用组合的信号预处理方式进行数据增强，使模型得到更多信息。将当前信号特征与字典中的信号特征进行比较，学习更好的分类特征，并通过动态的字典提高模型训练速度和推理速度使其更好的利用先验知识从新数据中学习辐射源指纹特征。使用InfoNCE对比损失函数，能够有效简化问题，降低计算复杂度。使用全连接层将模型的输入映射到固定大小的特征空间中，得到特征的统一表征。使用这些特征形成特征库，并随着场景不断迁移进行动量更新，即生成动态字典，这样既保留了原始场景中的特征信息，又能对特征库不断更新，从而实现场景迁移下的目标识别。
一种基于监督动量对比学习辐射源个体识别方法

[发明专利]基于孪生神经网络的电磁信号辐射源的未知模式识别方法-CN202011100245.3有效
发明人：袁泽霖;林静然;王沙飞;杨健;邵怀宗;利强;潘晔;张伟 -专利权人：电子科技大学;鹏城实验室
申请日： 2020-10-15 - 公布日： 2023-09-26 - 主分类号： G06F18/2413 文献下载
摘要：本发明公开了一种基于孪生神经网络的电磁信号辐射源的未知模式识别方法，涉及电磁信号辐射源识别技术领域。本发明针对多源多模型场景下的电磁信号辐射源闭集识别问题，利用孪生网络的距离判决，将某已知源未知模式的数据与多个已知源已知模式输入进孪生网络中，得到对应的多个距离，随后找出多个距离中每个已知源对应的最近的几个距离之和，并对每个已知源对应的距离之和相比较，找到最小的距离之和，随后判决为其对应的所属源，从而实现未知模式的有效判决。本发明在三源三模式、三源五模式、五源五模式下均能有效完成未知模式的识别任务，显著提高平均识别成功率。
基于孪生神经网络电磁信号辐射源未知模式识别方法

[发明专利]一种基于机器学习的智能门限频谱异常检测方法及系统-CN202310217761.1在审
发明人：邢继广;潘晔;林静然;利强;邵怀宗;孙国敏;胡全 -专利权人：电子科技大学
申请日： 2023-03-08 - 公布日： 2023-09-22 - 主分类号： H04B17/30 文献下载
摘要：本发明公开了一种基于机器学习的智能门限频谱异常检测方法及系统，包括数据获取模块，获取时序的天气数据和电磁能量数据；数据处理模块，用于利用训练好的模型生成智能门限对T时刻的电磁能量数据进行判决检测出异常频谱；其中通过训练好的模型来确定预测值，根据预测值生成智能门限，其中所述模型为使用多组训练数据训练得出，所述多组训练数据的每组数据包括：历史天气数据和历史能量数据。具有更好地筛选出由未知目标或者未授权目标引起的电磁能量异常优点。
一种基于机器学习智能门限频谱异常检测方法系统

[发明专利]一种雷达通信一体化保密系统的资源分配方法-CN202310598906.7在审
发明人：利强;曾进;邵怀宗;潘晔;林静然;孙国敏 -专利权人：电子科技大学
申请日： 2023-05-25 - 公布日： 2023-09-08 - 主分类号： H04W72/044 文献下载
摘要：本发明提供一种用于基于OFDM的雷达通信一体化系统的资源分配方法，根据计算子载波上探测信道、通信信道和窃听信道的信噪比初始化子载波分配向量；根据当前的子载波分配向量，计算雷达子载波分配向量与通信子载波的功率分配向量最优解；再对子载波分配向量、雷达子载波分配向量与通信子载波的功率分配向量最优解进行迭代优化输出最终的资源分配方案。雷达通信一体化设备向接收器发送信息，同时从回波信号中探测与目标的距离等参数，并防止信息泄露至目标。采用物理层安全技术，DFRC设备的最优发射波束，在保证目标估计速率的前提下，最大化系统安全速率。
一种雷达通信一体化保密系统资源分配方法

[发明专利]一种基于人工特征的联合决策数字调制信号识别方法-CN202310333209.9在审
发明人： 邵怀宗;金圣钦;陈慧;吴楠;刘星彤;刘易翰 -专利权人：电子科技大学
申请日： 2023-03-31 - 公布日： 2023-09-05 - 主分类号： H04L27/00 文献下载
摘要：本发明公开了一种基于人工特征的联合决策数字调制信号识别方法，属于无线通信技术领域。本发明包括：提取N维人工特征向量输入SVM模型，完成信号调制类型的类间识别；若SVM识别结果为高阶PSK信号，将信号低通滤波提取M维高阶谱特征向量，输入SVM分类器模型完成PSK信号类内识别；若SVM识别结果为FSK信号，提取基于瞬时频率的直方图最大比值特征完成FSK信号类内识别；若SVM识别结果为QAM信号，将信号定时同步处理后提取信号星座图圆环的聚集程度统计特征完成QAM信号类内识别。本发明根据待识别的数字信号调制类型合理设计了联合决策调制识别流程，阶段性完成信号调制方式的类间识别和类内识别，提升了调制识别的运行速度，并提高了识别流程的准确率和稳定性。
一种基于人工特征联合决策数字调制信号识别方法

[发明专利]一种基于跳频图案的多目标无人机上行链路跟踪干扰方法-CN202310598910.3在审
发明人： 邵怀宗;翟志凯;张伟;董源霖;潘晔;林静然;利强;胡全;孙国敏 -专利权人：电子科技大学
申请日： 2023-05-25 - 公布日： 2023-08-22 - 主分类号： H04B15/00 文献下载
摘要：本发明提供一种基于跳频图案的多目标无人机上行链路跟踪干扰方法，跳频信号在各子频道呈现周期出现规律，且周期均为跳频序列周期，故对各子频道周期信号完成跟踪干扰即实现对单无人机跳频链路整体的跟踪干扰。基于此特点，本发明通过划分不同子频道以及在同频道下划分的不同的跟踪及干扰线程，将对多无人机分别进行跟踪干扰的问题转化为在不同子频道下对各类周期信号进行跟踪干扰问题，可在跳频信号时频域分布复杂的情况下，在未知准确的跳周期参数情况下，对跳频信号的跳时刻进行跟踪，对多无人机的通信链路进行精确干扰，干扰响应时间短，干扰效率高，从而更好完成多无人机反制任务。
一种基于图案多目标无人机上行跟踪干扰方法

[发明专利]一种阶数、中心频率和带宽可重构的有源滤波芯片-CN202110573718.X有效
发明人：杨涛;李坤;刘斌;王沙飞;杨健;邵怀宗;王勇;李想;肖德政;齐亮 -专利权人：电子科技大学;中国人民解放军32802部队;南湖实验室
申请日： 2021-05-25 - 公布日： 2023-08-18 - 主分类号： H03H11/04 文献下载
摘要：本发明公开一种阶数、中心频率和带宽可重构的有源滤波芯片，控制信号从差分输入端口port1输入，经过对称的第一可控外部耦合单元后进入第一谐振腔的输入端口，第一谐振腔通过磁耦合将能量耦合到第二谐振腔，第二谐振腔通过对称的可控级间耦合单元将能量耦合到第三谐振腔，第三谐振腔通过磁耦合将能量耦合到第四谐振腔，第四谐振腔通过对称的第二可控外部耦合单元将能量耦合到第四谐振腔；本发明采用差分输入输出的形式，整个滤波器由四个谐振腔组成，并利用变压器实现，减小了耦合器件，节约了芯片面积，并通过可控负阻补偿单元NR1改善谐振腔Q值，改善滤波电路的插损、噪声系数等关键指标，并采用三组阵列形式的补偿单元，提高了补偿的灵活性。
一种中心频率带宽可重构有源滤波芯片

[发明专利]一种低小慢飞行器目标探测系统及其身份识别方法-CN202010572679.7有效
发明人：宛处好;王沙飞;邵怀宗;车畅;王万治;马宇辰;林静然;潘晔;利强 -专利权人：电子科技大学
申请日： 2020-06-22 - 公布日： 2023-07-25 - 主分类号： G06F18/10 文献下载
摘要：本发明公开了一种低小慢飞行器目标探测系统及其身份识别方法，其系统包括采集模块、转接模块、上位机模块和结果输出模块；采集模块用于采集监控区域的实时信息；转接模块用于将采集的实时信息进行转接；上位机模块用于对监控区域的实时信息识别；结果输出模块用于将结果进行可视化展现。本发明实现实时目标检测的方法，解决了在复杂城市环境两公里范围的低小慢飞行器目标探测难题；通过构建时空域的空间地图，将目标探测、目标身份识别和实时动态监管过程可视化。同时利用知识图谱对长期的电磁数据进行分析，形式智慧城市电磁态势感知，解决了探测识别过程和电磁态势的可视化难题。
一种低小慢飞行器目标探测系统及其身份识别方法

[发明专利]一种基于握手的竞争类MAC协议区分方法-CN202110546003.5有效
发明人：周国轩;林静然;潘晔;邵怀宗;利强;胡全 -专利权人：电子科技大学
申请日： 2021-05-19 - 公布日： 2023-07-25 - 主分类号： H04W74/00 文献下载
摘要：本发明提供一种基于握手的竞争类MAC协议区分方法，包括步骤：S1、对待处理的基于握手的竞争类MAC协议时序数据进行分组，根据待处理的数据设置一个时间长度阈值，并将分组持续时间大于该阈值的识别为数据分组；S2、检测数据分组和它前一个分组之间的间隔是否小于等于10微秒，如是，则进入步骤S3，否则判断为CSMA/CA协议；S3、检测每一个数据分组和它后一个分组的间隔是否都等于传播延迟，如是，则判断为MACAW协议，否则进入步骤S4；S4、比较数据分组的前一个分组和前面第二个分组的长度，如果前一个分组的长度小于前面第二个分组的长度，则判断为MACA协议，否则为FAMA协议。本发明发现了基于握手的竞争类MAC协议识别依据，能在合作或非合作的条件下进行基于握手的竞争类MAC组内协议识别。
一种基于握手竞争 mac 协议区分方法

[发明专利]一种基站激活和用户接入控制的联合优化方法-CN202310550329.4在审
发明人：林静然;刘仲海;利强;潘晔;胡全;邵怀宗;孙国敏 -专利权人：电子科技大学
申请日： 2023-05-16 - 公布日： 2023-06-30 - 主分类号： H04W24/02 文献下载
摘要：本发明公开的一种基站激活和用户接入控制的联合优化方法，本发明通过将基站激活和用户接入关系联合控制，综合了两个控制方向的优势，既考虑了基站激活带来的资源消耗问题，又考虑了用户的接入关系，保证系统的正常可靠运行。在算法运行过程中，通过设置适当的参数值，可以很好的平衡基站发射功率、激活基站的数量和接入用户数量的关系，将用户的接入关系放在首要考虑的位置，在满足用户要求的服务质量水平的前提下，再去平衡基站的激活问题。此外，本发明引入ADMM框架相较于现有技术降低了求解优化问题的复杂度，并且可以得到相同的优化结果。并且在系统构建的过程中考虑了用户之间的干扰情况，克服了现有技术中未考虑信道干扰的情况的问题。
一种基站激活用户接入控制联合优化方法

[发明专利]一种基于图神经网络的电子目标序列分析预测方法-CN202310304464.0在审
发明人：张毅恒;潘晔;林静然;利强;邵怀宗;孙国敏;胡全 -专利权人：电子科技大学
申请日： 2023-03-27 - 公布日： 2023-06-27 - 主分类号： G06F18/24 文献下载
摘要：本发明提供一种基于图神经网络的电子目标序列分析预测方法，使用图卷积神经网络分析实时场景下的电子目标序列，其中使用图卷积层聚合节点和边参数，生成图特征，使用线性分类器基于图特征对电子目标序列分类，从而识别电子目标序列的任务标签；使用图自编码器分析实时场景下的电子目标序列，其中使用图卷积神经网络作为编码器计算图特征，并随机添加负链接，最后使用内积恢复原始图结构，从而推测电子目标序列隐藏的目标间关系；使用时域图卷积神经网络分析带有时序特性的电子目标序列，其中使用图卷积神经网络计算图特征，使用门控递归单元基于图特征计算下一时刻的电子目标序列结构和参数，从而预测电子目标序列未来可能的结构和参数变化。
一种基于神经网络电子目标序列分析预测方法

[发明专利]一种基于一比特量化接收的毫米波大规模MIMO信道估计方法-CN202310181043.3在审
发明人：王思蕾;利强;林静然;邵怀宗;潘晔 -专利权人：电子科技大学
申请日： 2023-03-01 - 公布日： 2023-06-23 - 主分类号： H04L25/02 文献下载
摘要：本发明提供一种基于一比特量化接收的毫米波大规模MIMO信道估计方法，首先利用毫米波信道在虚拟角度域的稀疏性，将具有一比特模数转换器的大规模MIMO系统的信道估计问题转换为稀疏信号恢复的框架中。基站端采用一比特模数转换器，降低了大规格MIMO系统的成本和能耗。然后使用稀疏贝叶斯学习SBL方法通过求解第二类最大似然问题来实现角度域稀疏信道的估计，与现有的不考虑角度域信道稀疏性的一比特信道估计方法相比，大大提升了信道估计精度。SBL方法能够实现稀疏促进先验模型的自动选取，与现有的手动选取先验模型超参数的期望最大化基追踪降噪方法相比避免了估计性能对超参数选取的敏感性问题，从而可以实现估计性能的提升。
一种基于比特量化接收毫米波大规模 mimo 信道估计方法

1
2
3
4
5
6
7
8
下一页»
尾页
共 111 条