本发明公开了一种鲁棒且高精度的超奈奎斯特系统打包率估计方法，包括：获取传输导频块，根据传输导频块构建传输帧；基于超奈奎斯特系统对传输帧进行仿真传输，设置若干个下采样因子，将所述若干个下采样因子分别输入下采样符号生成模型，得到下采样符号，并基于从下采样符号提取的下采样后的导频块及传输导频块，通过差分广义后验累加算法生成若干个下采样因子对应的判决值；提取数值最大的判决值对应的下采样因子，根据所述提取的下采样因子，得到超奈奎斯特系统的打包率。通过上述技术方案，本发明可以抵抗高频偏和相噪，获取随机打包率的表现较好，提高超奈奎斯特系统的打包率估计精度。
📄 2024103937931
📂 H04L25_03
👤 安徽大学
📅 2024-04-02
本发明请求保护一种动态环境下基于数据辅助的稳健信噪比估计方案，涉及无线通信系统。信噪比是现代通信系统中的重要参数和指标，在很大程度上反映了通信系统的质量，影响各种通信技术和方案的选择。现有文献中，大多数系统模型都假定接收信号已进行多普勒频移补偿，并未考虑多普勒频移带来的影响。然而在高动态环境下，存在随机波动变化的多普勒频移和载波相位偏差，即使对其进行一定的补偿，但仍会存在较大的多普勒频移和载波相位偏差残留。本发明提出一种基于数据辅助的稳健信噪比估计算法，该算法从时域出发，对接收信号进行延迟共轭相乘，将多普勒频移转变成固定的相位因子，克服了相偏和多普勒频移的影响，再利用辅助数据完成信噪比估计。
📄 2015102535373
📂 H04L25_02
👤 重庆邮电大学
📅 2015-05-18
本发明提出了一种建筑内部通信电信号的处理方法，涉及信号处理技术领域，具体步骤包括：制作建筑内部通信电信号数据集，构建传播响应模型；引入曲率调节系数，设计非欧氏流形嵌入结构并训练非欧氏卷积编码器与解码器，实现信号的编码与重构；通过模态扰动分析获取扰动响应关系矩阵，结合扰动方向敏感性矩阵与模态自抑制因子计算融合权重，对多模态信号进行融合优化；同时提出建筑内部通信电信号处理模型，实现复杂结构下通信信号的精准表达与增强，有效提升建筑内部通信电信号的稳定性与抗干扰能力。
📄 2025107307324
📂 H04B17_391
👤 山东宏业发展集团有限公司
📅 2025-06-03
本发明提供了一种预失真系数切换方法和系统，以解决预失真系数较差干扰邻小区的问题。所述的方法包括：预置主用表和备用表，其中，主用表中存储默认的预失真系数，备用表用于存储更新的预失真系数；当预失真处理器的数据源采用被用表时，采用所述更新的预失真系数进行参数输出处理得到预失真参数，并将所述预失真参数与输入信号共同通过预失真处理器得到预失真信号；将所述预失真信号通过各类信号处理器得到第一信号，并确定所述第一信号的功率数据；若所述第一信号的功率数据大于或等于设定范围，则继续采用备用表作为预失真处理器的数据源；若所述第一信号的功率数据小于设定范围，则将所述预失真处理器的数据源切换成主用表。
📄 2013100304784
📂 H04L25_49
👤 大唐移动通信设备有限公司
📅 2013-01-25
本发明公开了基于局部特征窗口融合ViT网络的通信信号分类方法。该方法首先获得不同信噪比下的信号样本，进行载波同步与符号同步的处理，转变为带有加性高斯白噪声的基带序列。其次基带序列经过归一化的预处理后，将预处理后的基带序列转换为星座图。然后将星座图分隔为N块patch，为每一个patch做位置编码，得到Transformer编码器的输入序列。最后结合编码器中两个分支得到的全局特征分量与局部特征分量，构造损失函数，得到信号分类结果。本发明解决低信噪比环境下，噪声导致分类困难以及高阶信号分类效果不佳问题，并且更能加清晰的提取特征，提高了分类准确率。
📄 2023102246772
📂 G06F18_10
👤 杭州电子科技大学
📅 2023-03-10
本发明请求保护一种基于特征分解和梅西算法的DSSS/UQPSK信号的伪码序列估计方法，属于通信技术领域。本方法首先按照长码周期进行分段，再在每段里面再按照信息码元宽度进行分段，然后按照特征分解的方法得到短码序列和各段的长PN码序列，对得到的各段长PN码序列选取其中一部分求取生成多项式，最后根据生成多项式恢复出整周期的长PN码序列。使用本方法除了提高PN码估计的效率外，更主要的是提高了PN码估计的准确性，且能有效的解决长码序列恢复所存在的相位模糊问题。本方法对PN码本身的特性没有任何的先验知识要求，只需知道长、短PN码的周期即可。所以在无线电管理、军事通信侦察、截获、相关干扰等诸多领域具有应用前景。
📄 2014103947588
📂 H04L25_02
👤 重庆邮电大学
📅 2014-08-12
本发明公开了互联网载波信号调节电路，包括波形采集模块、检波调频模块，所述波形采集模块运用型号为AD8318的波形采集器J1采集互联网节点信号发射器载波信号波形，所述检波调频模块一路运用运放器AR1和二极管D2、二极管D3组成峰值电路筛选出峰值信号，同时运用运放器AR2比较信号后输入运放器AR3同相输入端内，二路运用电容C2、电容C3和电感L4组成调频电路调节信号频率，同时运用运放器AR4和三极管Q3组成降噪电路降低信号噪声比后输入运放器AR3同相输入端内，最后运放器AR3同相放大信号后经信号发射器E1发送至互联网节点信号接收器内，能够对互联网节点信号发射器载波信号校准，转换为互联网节点信号接收器的补偿校准信号。
📄 2020100238015
📂 H04B1_04
👤 南阳理工学院; 郑州工程技术学院
📅 2020-01-09
本发明提供了基于分解因子矩阵的信号检测方法、系统、设备及介质，方法包括：通过接收端接收发射端的发射信号，获取包括两个以上接收信号的接收信号向量；确定接收端与发射端之间的信道矩阵，并根据信道矩阵，计算得到发射信号的估计误差协方差矩阵的分解因子矩阵；根据信道矩阵对接收信号向量进行预处理，得到对应的接收信号结果向量；根据信道矩阵、分解因子矩阵、接收信号结果向量、以及预设补偿因子列向量，对发射信号进行干扰消除检测。本发明采用迭代更新的分解因子矩阵和补偿因子列向量估计发射信号，降低信号干扰检测的计算复杂度，提升系统计算效率的同时，还大大减少系统中高维矩阵数据存储，进而降低多天线无线通信系统的成本开销。
📄 2022102747428
📂 H04B7_0413
👤 五邑大学
📅 2022-03-18
基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法，首先根据调制识别结果对应的信号模型构造参考信号，计算此参考信号与观测信号的相关谱模值平方；然后分别提取相关谱模值平方序列的分组极值序列及超阈值序列；利用高斯Copula模型对分组极值序列及超阈值序列的联合分布进行拟合，并根据单分类准则，建立校验统计量；利用Bootstrap方法获取统计量在零假设下的概率分布及其数字特征，得到相应的判决门限；若校验统计量大于判决门限，则判定此次BPSK信号盲处理结果为可信，反之，不然。计算机仿真结果表明，该方法可以在缺乏信号及噪声方差信息条件下自适应对BPSK信号盲处理结果的可信性进行有效检验。
📄 2020110755268
📂 H04L1_00
👤 金陵科技学院
📅 2020-10-09
本公开提供了一种基于Arnold变换的OFDM系统峰值功率优化方法，将原始输入的二进制数据序列分为多个子块序列并添加增广序列，将各个子块序列分别排成方阵，并逐一对各个方阵进行Arnold变换，然后各个方阵重新排列为候选子块序列，将各个候选子块序列重新组合为数据序列，将重新组合后的各个数据序列进行相移键控映射，得到对应的频域数据序列，将频域数据序列按照上述方式再次进行Arnold变换后得到重新组合的频域数据序列，将各个频域数据序列分别进行IFFT变换，获得对应的候选信号并计算其PAPR值，从全部候选信号中，选择PAPR值最小的候选信号进行传输；本公开在无需发送边信息的前提下获得与原始OFDM系统相似的误比特率。
📄 2019111352505
📂 H04L27_26
👤 济南大学
📅 2019-11-19
本发明请求保护一种基于线性模型的伪码调相正弦调频复合信号伪码序列估计方法，属于信号处理领域。对正弦调频信号进行Jacobi-Anger展开，将非线性SFM信号模型转化为线性信号模型，根据Bessel函数的特殊对称性质，取线性信号的非负部分，然后复合伪码调相信号。采用平滑伪Wigner分布对该伪码调相复合信号进行时频分析，并结合SVD子空间分解方法，降低交叉项和噪声。求出经SVD去噪增强处理后的SPWVD等高图沿频率轴的最小值切面，通过对峰值位置及相位跳变信息检测，完成伪码调相复合信号PN码序列的准确盲估计。本方法可以在低信噪比下较准确地估计PN码，从而可以更加有效地提高管理和干扰伪码调相复合信号的能力。
📄 2013101693084
📂 H04L25_02
👤 重庆邮电大学
📅 2013-05-06
本发明属于通信系统技术领域，特别涉及一种长度3N四相非周期互补序列对信号生成方法及装置，其中所述装置包括控制电路、两个长度为N的输入移位寄存器、两个长度为3N的输出移位寄存器、七个乘法器、四个加法器以及两个开关，所述控制电路控制输入移位寄存器和输出移位寄存器的输入或/和输出以及控制开关的连接；本发明通过任意选取长度为N的二元戈莱互补序列对作为本发明的种子对，产生两路四相信号，将选取的二元戈莱互补序列对进行反相处理共形成三路二元信号，选择固定组合的三路信号从而获得序列长度3N、具有像冲激的非周期自相关函数和的四相非周期互补序列对；能够广泛应用于通信系统、雷达等装置中。
📄 2020115248414
📂 H04J13_10
👤 重庆邮电大学
📅 2020-12-22
柿子坊 · 知识产权运营
柿子坊知识产权运营平台