1 |
一种基于星座图相位异众比率校正频偏的调制识别方法 |
CN202210428506.7 |
2022-04-22 |
CN114978827B |
2024-05-10 |
盛瀚民; 周圆; 邵晋梁; 刘鑫; 马文建; 陈凯 |
|
2 |
一种基于多特征融合的信号调制分析方法 |
CN202410120460.1 |
2024-01-29 |
CN117997689A |
2024-05-07 |
杨宇晓; 马乾坤 |
本发明实施例公开了一种基于多特征融合的信号调制分析方法,涉及电子信息技术领域,能够实现基于多特征融合的信号调制识别,并提升低信噪比条件下的识别准确率。本发明通过构造系数加权矩阵SST时频系数矩阵对传统时频分析方法进行优化,提高了时频聚集度和时频分辨率,使得信号在时频域的特征更加易于区分。基于多特征融合的信号调制识别方法通过提取信号在时域和时频域的特征并进行融合,经过卷积神经网络分类器进行分类,实现信号不同调制类型的识别。从而实现基于多特征融合的信号调制识别,并提升低信噪比条件下的识别准确率。 |
3 |
一种信号处理电路、方法及通讯系统 |
CN202311804205.0 |
2023-12-25 |
CN117997688A |
2024-05-07 |
王增升; 李玉发; 冯清宇; 刘泉洲; 叶铁英 |
本发明公开一种信号处理电路、方法及通讯系统。其中,该信号处理电路包括:调制补偿模块,其第一输入端连接通讯芯片,其输出端连接频率控制模块的第一输入端;频率控制模块,其输出端连接接收端处理器的第一输入端;晶振芯片,分别连接调制补偿模块的第二输入端、频率控制模块的第二输入端和接收端处理器的第二输入端,用于向所述调制补偿模块发送载波信号,向频率控制模块发送抽样判决信号,以及向接收端处理器发送时钟信号;其中,载波信号、抽样判决信号以及时钟信号信号的频率相同、时序同步且幅值相等。通过本发明,能够实现通讯信号与通讯系统的时钟信号的时序同步,消除了信号时序错乱,信号失真与衰减问题。 |
4 |
基于降噪神经网络的水声信号智能接收方法 |
CN202410063273.4 |
2024-01-17 |
CN117614467B |
2024-05-07 |
王景景; 刘钊; 姜帅; 王渝; 王猛; 董新利; 鄢社锋; 龙奇 |
本发明涉及水声信号降噪技术领域,具体为基于降噪神经网络的水声信号智能接收方法。该方法具体包括生成用于训练的水声信号样本,对样本进行预处理,分别建立降噪扩散概率模型和混合深度神经网络模型进行特征提取,利用降噪扩散概率模型获取水声信号更具鲁棒性的表征,提高信噪比,利用混合深度神经网络模型进行两阶段训练,分别完成调制方式自动识别与信号自适应解调任务,实现水声信号智能接收。解决了当前信号接收方法误码率高、实现复杂、只能针对单一信号的技术问题。 |
5 |
包括深度神经网络和静态算法模块的混合无线处理链 |
CN202280061880.6 |
2022-09-12 |
CN117980913A |
2024-05-03 |
王继兵; 埃里克·理查德·施陶费尔 |
描述了用于包括深度神经网络DNN和静态算法模块的混合无线通信处理链的技术和装置。在各方面中,第一无线通信设备使用混合发射器处理链与第二无线设备进行通信。第一无线通信设备选择(805)形成调制深度神经网络DNN的机器学习配置ML配置,该调制DNN使用编码比特作为输入来生成调制信号。第一无线通信设备基于调制ML配置来形成(810)调制DNN以作为包括调制DNN和至少一个静态算法模块的混合发射器处理链的一部分。响应于形成调制DNN,第一无线通信设备使用混合发射器处理链来处理(815)与第二无线通信设备相关联的无线通信。 |
6 |
一种载波频偏盲估计方法、装置、终端设备及存储介质 |
CN202410362768.7 |
2024-03-28 |
CN117978608A |
2024-05-03 |
杜新炜; 甘培润 |
本发明公开了一种载波频偏盲估计方法、装置、终端设备及存储介质,方法包括:将载波信号映射到不同的星座点上进行网格编码调制,得到调制后的载波信号;将调制后的载波信号的第一个OFDM符号进行零填充,得到零填充后的载波信号;将零填充后的载波信号进行离散傅里叶变换,得到零填充后的频谱;将零填充后的频谱进行分集,得到若干频谱分集,并根据预设的代价函数分别计算各频谱分集的频谱幅度之和;将频谱幅度之和最大的频谱分集作为目标频谱分集;根据所述目标频谱分集的频谱幅度之和、频谱分集的分集数量以及预设的代价函数,计算得到载波信号的频偏估计值,通过实施本发明,降低盲估计算法对于高阶调制信号的敏感度,提高频偏估计的精度。 |
7 |
一种基于谱分析和聚类的信号调制识别方法及装置 |
CN202410091394.X |
2024-01-23 |
CN117978597A |
2024-05-03 |
鹿彤彤; 杨艺; 楼维中; 朱贾峰; 王铧栋 |
本发明公开了一种基于谱分析和聚类的信号调制识别方法及装置,该方法包括对目标信号进行谱分析处理得到谱峰数,并基于谱峰数确定出与目标信号对应的目标类别;当检测到目标类别所包括的信号种类超过预设的第一阈值时,对目标信号进行聚类判决处理,确定出目标信号的调制阶数;根据目标类别以及调制阶数,确定出目标信号的调制方式。本申请通过谱分析处理将具有相似频谱特征的信号类型划分到同一个目标类别,缩小了后续进行聚类判决处理的信号类型范围,进而减少了聚类过程的计算量,并且由于采用了谱分析以及聚类判决两个处理过程,使得对信号的判断更为准确,可判断出的信号种类更多。 |
8 |
载波频偏估计方法及装置 |
CN202111617899.8 |
2021-12-27 |
CN114301746B |
2024-05-03 |
陈耀辉; 董启甲; 王盾; 徐振兴; 刘坤; 张爽娜; 薛伟罗晨 |
本发明涉及一种载波频偏估计方法及装置,方法包括以下步骤:a、获取符号及时间同步信息,并根据符号及时间同步信息进行自相关运算;b、对载波频偏进行粗估计;c、生成粗载波频偏补偿后的自相关运算结果;d、对载波频偏进行精估计;e、结合粗估计和精估计的结果对载波频偏进行估计。本发明可以解决现有算法难以兼顾载波频偏估计精度和估计范围的问题。 |
9 |
基于四阶累积量的MP-WFRFT信号调制识别方法 |
CN202410083320.1 |
2024-01-19 |
CN117955786A |
2024-04-30 |
马鹏辉; 李艳斌; 史飞; 胡孟凯; 牛慧莹; 杜宇峰 |
本发明公开了基于四阶累积量的MP‑WFRFT信号调制识别方法,属于信号处理领域。本发明包括:初始化接收参数,对接收信号进行与发送端变换相反的逆变换,对逆变换后的结果求四阶累积量;采用近似梯度下降搜索算法寻找四阶累积量最小值;通过四阶累积量最小值得到发送参数分量之间的两种数量关系,利用这两种数量关系分别对接收信号进行所述逆变换,得到两种信号序列;选取两种信号序列中的任意一种信号序列,对其进行调制样式识别。本发明可实现非合作信号的调制识别,填补了当下非合作MP‑WFRFT信号调制识别领域的空白。 |
10 |
一种多普勒频移补偿技术的实时短波信号传输方法及系统 |
CN202311831961.2 |
2023-12-28 |
CN117955785A |
2024-04-30 |
何国金; 刘亚南; 吴斌; 朱传伙; 金培进 |
一种多普勒频移补偿技术的实时短波信号传输方法,包括如下步骤:步骤1,接收短波信号并进行预处理:步骤2,检测多普勒频移:步骤3,进行频偏补偿:步骤4,解调与解码。本发明所公开的方法,通过对短波信号频偏的实时补偿,可以使信号恢复至原始频带,提高了短波通信的可靠性和传输效率。此外,本发明所提供的方法还具有实施简单、实时性高等优点,在实际应用中具有广泛的推广和应用前景。 |
11 |
通信方法、装置及存储介质 |
CN202310541631.3 |
2023-05-12 |
CN117955784A |
2024-04-30 |
刘锟; 戴博; 陈梦竹; 杨维维; 胡有军; 徐俊 |
本申请提供一种通信方法、装置及存储介质,涉及通信技术领域,用于降低信号发生频率偏移对信号接收端的影响。该方法包括:发送端在第一资源内发送第一序列。接收端基于检测到第一序列的第七频域资源的频域位置,确定频率偏移调整量。 |
12 |
一种高速高精度载波频偏恢复的方法 |
CN202311664529.9 |
2023-12-06 |
CN117938593A |
2024-04-26 |
张辉; 凌元; 孙健; 陈光远; 张坤 |
在通信系统中,由于无法保证发射端和接收端本振的一致性,且多普勒效应的存在,如果在接收端不对载波信号进行频偏估计和补偿,将会导致通信质量严重下降,无法建立起有效地通信链路。本发明提出了一种高速高精度载波频偏恢复的方法,通过两级波频偏恢复处理和多路并行处理的方法,满足当前通信系统中对载波频偏恢复高速高精度的要求。 |
13 |
基于OTFS通感共享波形的多目标参数估计方法及系统 |
CN202410116258.1 |
2024-01-29 |
CN117938586A |
2024-04-26 |
李彬; 焦舸洋; 武楠; 蒋荣堃; 陈妍研 |
本发明公开了基于OTFS通感共享波形的多目标参数估计方法及系统,涉及通信感知一体化技术领域,该方法首先联合采用离散DD域感知信道和连续DD域感知信道两种表示方法,及其相应的DD域回波信号模式,描述了适用于多目标感知与分数延迟多普勒估计的问题模型;在感知目标时,本发明中的BCS‑ML算法分两阶段对目标参数进行估计,第一阶段估计整数延迟多普勒,第二阶段估计分数延迟多普勒,本发明采用的模型以及提出的算法实现了对多目标的低复杂度参数估计与高精度参数估计,突破了传统OTFS感知参数估计算法的局限性。 |
14 |
一种基于分数低阶极坐标和深度学习的调制识别方法 |
CN202110394895.1 |
2021-04-13 |
CN113518049B |
2024-04-26 |
栾声扬; 周嘉晨; 梁兆元; 高银锐; 赵明龙; 陈薇 |
一种基于分数低阶极坐标和深度学习的调制识别方法,包括步骤:采集信号并对其进行分数低阶处理;计算分数低阶极坐标特征并制作训练集和测试集;构建与训练轻量化的深度学习网络;测试深度学习网络并进行信号调制识别。本发明所提出的方法涵盖信号种类广泛,且能显著提升在脉冲性噪声干扰条件下信号调制方式的识别准确率,同时轻量化的深度学习网络能够显著降低训练和使用过程中的计算成本。 |
15 |
用于二进制相移键控调制数据的计算机生成的序列设计 |
CN201980070191.X |
2019-11-01 |
CN112913202B |
2024-04-26 |
杨桅; 黄轶; S·朴; G·斯里德哈兰; A·马诺拉科斯; X·F·王; 季庭方; P·加尔 |
描述了用于无线通信的方法、系统和设备。设备(例如,基站或用户设备(UE))可以识别与多个资源块相对应的序列长度,并且基于该序列长度来选择调制方案。该设备可以从与调制方案相关联的一组序列中选择具有该序列长度的序列。在一些示例中,一组序列可以包括一组时域相移键控计算机生成的序列或一组频域相移键控计算机生成的序列中的至少一个。设备可以基于该序列来生成用于数据传输的参考信号,并且在多个资源块内发送参考信号。 |
16 |
一种持续时间起始位置确定方法、装置、通信设备及存储介质 |
CN202280003208.1 |
2022-08-18 |
CN117917055A |
2024-04-19 |
李艳华 |
本公开实施例提供了一种持续时间起始位置确定方法、装置、通信设备及存储介质;通信设备基于预定信息,确定至少一个第一非连续接收(DRX)周期中持续时间起始位置的第一调整偏移值,其中,所述第一DRX周期包括:UE进行基站切换后关联于DRX配置参数的第一个DRX周期。 |
17 |
一种传输物理随机接入信道方法、装置、设备以及可读存储介质 |
CN202280002778.9 |
2022-08-17 |
CN117917054A |
2024-04-19 |
乔雪梅 |
本公开提供一种传输物理随机接入信道的方法、装置、设备以及可读存储介质,应用于无线通信技术中,此方法包括:响应于第一时域资源和第二时域资源发生重叠,所述第一时域资源用于PRACH盲重传,所述第二时域资源用于接收随机接入过程中的下行控制信息,确定有效的随机接入资源;在所述有效的随机接入资源上执行PRACH盲重传。 |
18 |
用于基站中SRS信号的RSRP测量方法及装置 |
CN202311843846.7 |
2023-12-29 |
CN117560100B |
2024-04-19 |
赵强; 刘利国; 吴昊 |
本发明公开了一种用于基站中SRS信号的RSRP测量方法及装置,该方法包括:从上行数据的频域数据中提取出对应用户终端的SRS测量信号;生成对应用户终端的天线端口的本地SRS发送序列,并计算出信道估计响应,得到信号功率估计值;根据信号功率估计值计算出对应用户终端的时偏估计,并利用时偏估计对信道估计响应进行时偏补偿,得到用户终端对应的目标信道估计响应;对目标信道估计响应进行归一化处理,以及根据归一化处理的信道估计响应及本地SRS发送序列计算出信号功率值;根据信号功率值及RRU产品预设的功率参数计算出测量目标功率。本方案能够适配不同RRU设备,并能够实现对SRS信号功率的准确测量。 |
19 |
一种基于SDR多波形传输的系统 |
CN202211227856.3 |
2022-10-09 |
CN117896221A |
2024-04-16 |
陈栋志; 孔凡伟; 钱婧怡; 熊勇华 |
本发明提供了一种多波形的系统设计,采用的是多载波16QAM调制和单载波64QAM调制,对其中的数据时隙、编码和调制等进行设计。多波形的设计可以根据各自的优势在不同的环境进行切换,多载波可以最大限度的利用给定的频带资源但是也会带来一些缺陷。本设计应用于甚高频通信系统,可以根据数据的传输速率需求选择波形。 |
20 |
多用户调制分类方法、装置及系统和存储介质 |
CN202310650736.2 |
2023-06-02 |
CN116962126B |
2024-04-16 |
王翔; 邓文; 黄知涛; 孙丽婷; 柯达; 赵雨睿; 李保国; 王丰华 |
本发明公开一种多用户调制分类方法、装置及系统和存储介质,基于信号的自回归、符号跳变及波形复现三个特性,可动态适应TFOC‑Signal中目标信号数量变化。该方案由稀疏域编码器、稀疏域表示估计器、稀疏域目标数目估计器、稀疏域解码器及分类器五个部分组成。首先通过SDE将TFOC‑Signal转换到稀疏域空间中的相应表示形式,然后通过SDRE用这种表示来估计每个时间步骤中目标信号的表示矩阵,而后通过SDNC估计混合信号中目标信号的数目并生成与信号数目对应的混合矩阵,然后将混合矩阵与稀疏表示相乘恢复稀疏域空间中相应数目的目标信号并通过SDD将其变换回时域,最后通过分类器完成各目标信号调制类型分类。 |