期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于MobileNet-DOA的无人机射频信号识别方法
被引量：
1
1
作者
晏行伟
孔令轩
+1 位作者
刘坤
刘安娜
《雷达科学与技术》
北大核心
2025年第1期57-66,共10页
针对当前低信噪比环境下,基于射频信号的无人机型号和飞行模式识别率低的问题,本文提出了一种基于MobileNet-DOA模型的无人机射频信号识别方法。该方法首先对原始无人机射频信号进行基于变分模态分解的信号预处理,降低背景噪声和同频干...
针对当前低信噪比环境下,基于射频信号的无人机型号和飞行模式识别率低的问题,本文提出了一种基于MobileNet-DOA模型的无人机射频信号识别方法。该方法首先对原始无人机射频信号进行基于变分模态分解的信号预处理,降低背景噪声和同频干扰,然后利用短时傅里叶变换将预处理信号转换为时频图,最后利用MobileNet-DOA模型完成无人机射频信号识别。在模型方面,本文首先将DOConv卷积融合到MobileNetv4模型中,在增强模型特征提取能力的同时,提高了训练和运算速度。其次,使用FA注意力机制进一步提升了模型在低信噪比环境下的识别准确率。实验结果表明,该方法在-15~15 dB信噪比范围内的平均检测准确率达到了94.83%,可应用于无人机实时检测识别系统中。
展开更多
关键词
无人机射频信号
识别
变分模态分解
MobileNet模型
DOConv卷积
FA注意力机制
在线阅读
下载PDF
职称材料
基于小波熵特征的无人机射频信号识别算法研究
2
作者
刘冰
时明心
刘佳琪
《电子与信息学报》
北大核心
2025年第8期2736-2745,共10页
随着无人机技术的迅猛发展及其在多个领域的广泛应用,确保无人机的安全飞行和有效监管成为了一个重要的研究课题。该文提出一种基于小波熵特征和优化神经网络的无人机飞控射频信号分类识别方法,旨在解决复杂电磁环境中无人机信号识别的...
随着无人机技术的迅猛发展及其在多个领域的广泛应用,确保无人机的安全飞行和有效监管成为了一个重要的研究课题。该文提出一种基于小波熵特征和优化神经网络的无人机飞控射频信号分类识别方法,旨在解决复杂电磁环境中无人机信号识别的问题。通过提取射频信号的小波熵特征并构建特征向量,结合由大蔗鼠优化算法(GCRA)优化的支持向量机(SVM)分类器,实现了对不同型号无人机的有效分类。实验使用了公开数据集DroneRFa中的常见无人机射频信号,经过10-折交叉验证测试,该方法对于6种型号的无人机分类准确率达到了97%以上,最高可达99%,证明了所提方法的有效性和可靠性。该研究为无人机自主避障、路径规划以及多机协同作业提供了重要的技术支持。
展开更多
关键词
小波熵
优化神经网络
无人机射频信号
识别算法
在线阅读
下载PDF
职称材料
低信噪比条件下无人机射频信号实时检测方法
被引量：
4
3
作者
苏志刚
晏翔
+2 位作者
韩冰
郝敬堂
赵欣怡
《信号处理》
CSCD
北大核心
2023年第5期919-928,共10页
无人机射频信号检测技术是实现未来空管系统中自动化无人机检测的关键技术。针对低信噪比条件下无人机射频信号检测准确率较低的问题,本文提出了一种基于多分支卷积结构以及注意力机制的射频信号检测模型。该方法首先设计了一种由多分...
无人机射频信号检测技术是实现未来空管系统中自动化无人机检测的关键技术。针对低信噪比条件下无人机射频信号检测准确率较低的问题,本文提出了一种基于多分支卷积结构以及注意力机制的射频信号检测模型。该方法首先设计了一种由多分支卷积结构组成的轻量化骨干网络来提取信号完整时频谱中的微小时变特征,提升模型对抗噪声的能力。其次使用注意力机制增强模型对时频谱中的信号区域的表达,抑制对噪声区域的关注,进一步提升信号检测准确率。本文在两个公开数据集上开展实验评估模型性能,对比实验结果表明本文提出的检测模型可以有效地在低信噪比条件下提升无人机射频信号检测准确率,在-15 dB至-6 dB的低信噪比范围下的检测准确率可分别达到94.63%和94.75%,-15 dB至15 dB全信噪比范围下的准确率分别为97.50%和97.35%,较以往方法有大幅提升。消融实验结果表明,多分支结构和注意力机制可分别带来3.74%和1.56%的性能提升。推理速度测试实验表明本文模型的推理时间仅需1.61 ms,可以运用于无人机信号的实际检测系统中。
展开更多
关键词
无人机射频信号
检测
多分支卷积网络
注意力机制
时
频
分析
在线阅读
下载PDF
职称材料
题名
基于MobileNet-DOA的无人机射频信号识别方法
被引量：
1
1
作者
晏行伟
孔令轩
刘坤
刘安娜
机构
国防科技大学电子科学学院
天津先进技术研究院
河北工业大学人工智能与数据科学学院
北京跟踪与通信技术研究所
出处
《雷达科学与技术》
北大核心
2025年第1期57-66,共10页
基金
国家自然科学基金(No.62173124,62101563)
河北省自然科学基金(No.F2022202064)。
文摘
针对当前低信噪比环境下,基于射频信号的无人机型号和飞行模式识别率低的问题,本文提出了一种基于MobileNet-DOA模型的无人机射频信号识别方法。该方法首先对原始无人机射频信号进行基于变分模态分解的信号预处理,降低背景噪声和同频干扰,然后利用短时傅里叶变换将预处理信号转换为时频图,最后利用MobileNet-DOA模型完成无人机射频信号识别。在模型方面,本文首先将DOConv卷积融合到MobileNetv4模型中,在增强模型特征提取能力的同时,提高了训练和运算速度。其次,使用FA注意力机制进一步提升了模型在低信噪比环境下的识别准确率。实验结果表明,该方法在-15~15 dB信噪比范围内的平均检测准确率达到了94.83%,可应用于无人机实时检测识别系统中。
关键词
无人机射频信号
识别
变分模态分解
MobileNet模型
DOConv卷积
FA注意力机制
Keywords
drone radio frequency signal identification
variational mode decomposition
MobileNet model
DO-Conv
FA attention mechanism
分类号
TN911.7 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于小波熵特征的无人机射频信号识别算法研究
2
作者
刘冰
时明心
刘佳琪
机构
中国民航大学交通科学与工程学院
天津市城市空中交通系统技术与装备重点实验室
出处
《电子与信息学报》
北大核心
2025年第8期2736-2745,共10页
基金
国家自然科学基金青年项目(6240011305)
天津市城市空中交通系统技术与装备重点实验室开放课题基金(TJKL-UAM-202403)
+1 种基金
石家庄市垂直起降固定翼无人机智能研究重点实验室开放课题(KF2024-2)
云南省无人自主系统重点实验室开放课题(202501YB02)。
文摘
随着无人机技术的迅猛发展及其在多个领域的广泛应用,确保无人机的安全飞行和有效监管成为了一个重要的研究课题。该文提出一种基于小波熵特征和优化神经网络的无人机飞控射频信号分类识别方法,旨在解决复杂电磁环境中无人机信号识别的问题。通过提取射频信号的小波熵特征并构建特征向量,结合由大蔗鼠优化算法(GCRA)优化的支持向量机(SVM)分类器,实现了对不同型号无人机的有效分类。实验使用了公开数据集DroneRFa中的常见无人机射频信号,经过10-折交叉验证测试,该方法对于6种型号的无人机分类准确率达到了97%以上,最高可达99%,证明了所提方法的有效性和可靠性。该研究为无人机自主避障、路径规划以及多机协同作业提供了重要的技术支持。
关键词
小波熵
优化神经网络
无人机射频信号
识别算法
Keywords
Wavelet entropy
Optimization neural network
Unmanned Aerial Vehicle Radio Frequency(UAV RF)signal
Recognition algorithm
分类号
TN98 [电子电信—信息与通信工程]
在线阅读
下载PDF
职称材料
题名
低信噪比条件下无人机射频信号实时检测方法
被引量：
4
3
作者
苏志刚
晏翔
韩冰
郝敬堂
赵欣怡
机构
中国民航大学中欧航空工程师学院
出处
《信号处理》
CSCD
北大核心
2023年第5期919-928,共10页
基金
国家自然科学基金青年科学基金(62103417)
中央高校基本科研业务费中国民航大学专项(3122019183)
中国民航大学研究生科研创新项目(2021YJS071)。
文摘
无人机射频信号检测技术是实现未来空管系统中自动化无人机检测的关键技术。针对低信噪比条件下无人机射频信号检测准确率较低的问题,本文提出了一种基于多分支卷积结构以及注意力机制的射频信号检测模型。该方法首先设计了一种由多分支卷积结构组成的轻量化骨干网络来提取信号完整时频谱中的微小时变特征,提升模型对抗噪声的能力。其次使用注意力机制增强模型对时频谱中的信号区域的表达,抑制对噪声区域的关注,进一步提升信号检测准确率。本文在两个公开数据集上开展实验评估模型性能,对比实验结果表明本文提出的检测模型可以有效地在低信噪比条件下提升无人机射频信号检测准确率,在-15 dB至-6 dB的低信噪比范围下的检测准确率可分别达到94.63%和94.75%,-15 dB至15 dB全信噪比范围下的准确率分别为97.50%和97.35%,较以往方法有大幅提升。消融实验结果表明,多分支结构和注意力机制可分别带来3.74%和1.56%的性能提升。推理速度测试实验表明本文模型的推理时间仅需1.61 ms,可以运用于无人机信号的实际检测系统中。
关键词
无人机射频信号
检测
多分支卷积网络
注意力机制
时
频
分析
Keywords
drone radio frequency signal identification
multi-branch convolution neural network
attention mechanism
time-frequency analysis
分类号
TN98 [电子电信—信息与通信工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于MobileNet-DOA的无人机射频信号识别方法
晏行伟
孔令轩
刘坤
刘安娜
《雷达科学与技术》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
基于小波熵特征的无人机射频信号识别算法研究
刘冰
时明心
刘佳琪
《电子与信息学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
低信噪比条件下无人机射频信号实时检测方法
苏志刚
晏翔
韩冰
郝敬堂
赵欣怡
《信号处理》
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
