CN111447158B - 一种基于有限域傅里叶变换的信道编码特征提取方法 - Google Patents

一种基于有限域傅里叶变换的信道编码特征提取方法 Download PDF

Info

Publication number
CN111447158B
CN111447158B CN202010235770.XA CN202010235770A CN111447158B CN 111447158 B CN111447158 B CN 111447158B CN 202010235770 A CN202010235770 A CN 202010235770A CN 111447158 B CN111447158 B CN 111447158B
Authority
CN
China
Prior art keywords
finite field
fourier transform
data block
coded data
processed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010235770.XA
Other languages
English (en)
Other versions
CN111447158A (zh
Inventor
潘晔
张继红
杨健
邵怀宗
王沙飞
林静然
利强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Peng Cheng Laboratory
Original Assignee
University of Electronic Science and Technology of China
Peng Cheng Laboratory
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China, Peng Cheng Laboratory filed Critical University of Electronic Science and Technology of China
Priority to CN202010235770.XA priority Critical patent/CN111447158B/zh
Publication of CN111447158A publication Critical patent/CN111447158A/zh
Application granted granted Critical
Publication of CN111447158B publication Critical patent/CN111447158B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0009—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the channel coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Power Engineering (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明公开了一种基于有限域傅里叶变换的信道编码特征提取方法，包括以下步骤：S1：从信息码流中提取待处理的编码数据块；S2：对待处理的编码数据块进行预处理，得到编码数据块；S3：对编码数据块进行有限域傅里叶变换；S4：进行放大零频分量处理，得到编码数据块的行向量；S5：进行归一化处理，得到特征向量，完成信道编码的特征提取。本发明提供的特征提取方法可以在有限域上得到编码数据每一帧的频谱信息，有利于提高有限域傅里叶变换特征在高误码率情况下的泛化能力。同时相比于直接对原始数据分类，本发明的特征提取方法在分类准确率方面有较大的提升，有利于后续机器学习算法利用本发明的特征提取结果。

Description

一种基于有限域傅里叶变换的信道编码特征提取方法
技术领域
本发明属于通信信号处理技术领域，具体涉及一种基于有限域傅里叶变换的信道编码特征提取方法。
背景技术
不管是在移动通信系统、卫星通信系统、软件无线电系统，还是在多媒体服务系统中，信道编码分析识别在智能通信和信息对抗等领域具有重要意义。由此可见，从信息码流中正确地识别出信道编码的类型及相关参数，在电子侦察领域具有至关重要的作用。目前对信道编码的识别分析主要停留在有限先验知识的识别分析上，真正的全盲识别分析还不多。而特征提取是将高维信息通过映射或变换的方法映射到低维信息空间上。一段信息包含的数据量是相当大的，从中提取出最能反映分类本质的特征是进行有效目标识别的关键。所以，本发明提出一种基于有限域傅里叶变换的信道编码特征提取方法。
发明内容
本发明的目的是为了解决信道编码特征的问题，提出了一种基于有限域傅里叶变换的信道编码特征提取方法。
本发明的技术方案是：一种基于有限域傅里叶变换的信道编码特征提取方法包括以下步骤：
S1：从信息码流中提取待处理的编码数据块；
S2：对待处理的编码数据块进行预处理，得到编码数据块；
S3：对编码数据块进行有限域傅里叶变换，得到编码数据块的有限域傅里叶变换矩阵；
S4：对有限域傅里叶变换矩阵进行放大零频分量处理，得到编码数据块的行向量；
S5：对行向量进行归一化处理，得到特征向量，完成信道编码的特征提取。
本发明的有益效果是：本发明提供的特征提取方法可以在有限域上得到编码数据每一帧的频谱信息，有利于提高有限域傅里叶变换特征在高误码率情况下的泛化能力。使用本发明方法对LDPC码、RS码、卷积码以及turbo码进行特征提取，可以得到差异性较明显的特征信息。同时相比于直接对原始数据分类，本发明的特征提取方法在分类准确率方面有较大的提升，有利于后续机器学习算法利用本发明的特征提取结果。
进一步地，步骤S1中，待处理的编码数据块为二进制，大小为N*K，其中，N表示待处理的编码数据块的帧数，K表示待处理的编码数据块的长度。
上述进一步方案的有益效果是：在本发明中，二进制流形式的编码数据块便于后续步骤对编码数据块进行处理。
进一步地，步骤S2中，预处理的方式为对待处理编码数据块的数据长度进行初始化，其具体方法为：根据有限域GF(pn)将待处理编码数据块的数据按照实际长度为0进行填充或截取至(pn-1)*n的长度，完成预处理，其中，GF(*)表示待处理编码数据块的有限域，pn表示有限域中的元素个数。
上述进一步方案的有益效果是：在本发明中，在特征提取前，需要对数据长度进行初始化处理，每个不同类型的信道都对应各自的有限域。
进一步地，步骤S3包括以下子步骤：
S31：根据编码数据块的有限域得到本原多项式；
S32：根据本原多项式得到有限域离散傅里叶变换矩阵M；
S33：将有限域离散傅里叶变换矩阵M按行重组，得到有限域离散傅里叶变换重组矩阵H；
S34：将有限域离散傅里叶变换重组矩阵H按行转换为十进制的列向量C；
S35：将有限域离散傅里叶变换矩阵M与列向量C相乘，得到有限域傅里叶变换向量D；
S36：重复步骤S31-S35处理编码数据块的每帧数据，得到有限域傅里叶变换矩阵G。
上述进一步方案的有益效果是：在本发明中，不同信道的有限域都有各自本原多项式的相关表格，可以通过查表得到本原多项式以及有限域离散傅里叶变换矩阵，便于针对不同信道进行特征提取。同时，得到的有限域傅里叶变换矩阵便于后续进行放大零频处理。
进一步地，步骤S32中，有限域离散傅里叶变换矩阵M的大小为(pn-1)*(pn-1)；
步骤S33中，有限域离散傅里叶变换重组矩阵H的大小为n*(pn-1)；
步骤S34中，列向量C的大小为(pn-1)*1；
步骤S35中，有限域傅里叶变换向量D的大小为(pn-1)*1；
步骤S36中，有限域傅里叶变换矩阵G的大小为(pn-1)*N；
其中，pn表示有限域中的元素个数，N表示待处理的编码数据块的帧数。
上述进一步方案的有益效果是：在本发明中，不同矩阵和向量的大小都由编码数据块的帧数和有限域的元素个数决定。
进一步地，步骤S36中，将每帧数据的有限域傅里叶变换向量D按列组合，得到有限域傅里叶变换矩阵G。
上述进一步方案的有益效果是：在本发明中，有限域傅里叶变换矩阵的形成方式简单易操作。
进一步地，步骤S4中，对有限域傅里叶变换矩阵中的一列向量g进行放大零频分量处理，得到编码数据块的行向量Vi的计算公式为：
Figure BDA0002430921480000041
其中，j表示有限域中的第j个元素，pn表示有限域中的元素个数，j＝1,2,...,pn-1，vj表示列向量g中的每个元素，vmax表示列向量g中的元素最大值，lg(*)表示求对数运算，ε表示任意小的数。
上述进一步方案的有益效果是：在本发明中，放大零频分量处理的公式容易计算，减少特征提取的难度和复杂程度。
进一步地，步骤S5中，对行向量的频谱进行归一化处理，其具体处理方式为：将行向量的每个元素除以行向量的元素最大值后进行取反操作，得到特征向量，完成信道编码的特征提取。
上述进一步方案的有益效果是：在本发明中，进行归一化处理后，特征向量具有统一的格式，便于后续步骤使用特征向量。
附图说明
图1为信道编码特征提取别方法的流程图；
图2为步骤S3的流程图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示，本发明提供了一种基于有限域傅里叶变换的信道编码特征提取方法，包括以下步骤：
S1：从信息码流中提取待处理的编码数据块；
S2：对待处理的编码数据块进行预处理，得到编码数据块；
S3：对编码数据块进行有限域傅里叶变换，得到编码数据块的有限域傅里叶变换矩阵；
S4：对有限域傅里叶变换矩阵进行放大零频分量处理，得到编码数据块的行向量；
S5：对行向量进行归一化处理，得到特征向量，完成信道编码的特征提取。
在本发明实施例中，如图1所示，步骤S1中，待处理的编码数据块为二进制，大小为N*K，其中，N表示待处理的编码数据块的帧数，K表示待处理的编码数据块的长度。
在本发明中，二进制流形式的编码数据块便于后续步骤对编码数据块进行处理。
在本发明实施例中，如图1所示，步骤S2中，预处理的方式为对待处理编码数据块的数据长度进行初始化，其具体方法为：根据有限域GF(pn)将待处理编码数据块的数据按照实际长度为0进行填充或截取至(pn-1)*n的长度，完成预处理，其中，GF(*)表示待处理编码数据块的有限域，pn表示有限域中的元素个数。
上述进一步方案的有益效果是：在本发明中，在特征提取前，需要对数据长度进行初始化处理，每个不同类型的信道都对应各自的有限域。两种预处理方法可以根据实际情况进行选择。
在本发明实施例中，如图2所示，步骤S3包括以下子步骤：
S31：根据编码数据块的有限域得到本原多项式；
S32：根据本原多项式得到有限域离散傅里叶变换矩阵M；
S33：将有限域离散傅里叶变换矩阵M按行重组，得到有限域离散傅里叶变换重组矩阵H；
S34：将有限域离散傅里叶变换重组矩阵H按行转换为十进制的列向量C；
S35：将有限域离散傅里叶变换矩阵M与列向量C相乘，得到有限域傅里叶变换向量D；
S36：重复步骤S31-S35处理编码数据块的每帧数据，得到有限域傅里叶变换矩阵G。
在本发明中，不同信道的有限域都有各自本原多项式的相关表格，可以通过查表得到本原多项式以及有限域离散傅里叶变换矩阵，便于针对不同信道进行特征提取。同时，得到的有限域傅里叶变换矩阵便于后续进行放大零频处理。
在本发明实施例中，如图2所示，步骤S32中，有限域离散傅里叶变换矩阵M的大小为(pn-1)*(pn-1)；
步骤S33中，有限域离散傅里叶变换重组矩阵H的大小为n*(pn-1)；
步骤S34中，列向量C的大小为(pn-1)*1；
步骤S35中，有限域傅里叶变换向量D的大小为(pn-1)*1；
步骤S36中，有限域傅里叶变换矩阵G的大小为(pn-1)*N；
其中，pn表示有限域中的元素个数，N表示待处理的编码数据块的帧数。
在本发明中，不同矩阵和向量的大小都由编码数据块的帧数和有限域的元素个数决定。
在本发明实施例中，如图2所示，步骤S36中，将每帧数据的有限域傅里叶变换向量D按列组合，得到有限域傅里叶变换矩阵G。
在本发明中，有限域傅里叶变换矩阵的形成方式简单易操作。
在本发明实施例中，如图1所示，步骤S4中，对有限域傅里叶变换矩阵中的一列向量g进行放大零频分量处理，得到编码数据块的行向量Vi的计算公式为：
Figure BDA0002430921480000061
其中，j表示有限域中的第j个元素，pn表示有限域中的元素个数，j＝1,2,...,pn-1，vj表示列向量g中的每个元素，vmax表示列向量g中的元素最大值，lg(*)表示求对数运算，ε表示任意小的数。
在本发明中，放大零频分量处理的公式容易计算，减少特征提取的难度和复杂程度。
在本发明实施例中，如图1所示，步骤S5中，对行向量的频谱进行归一化处理，其具体处理方式为：将行向量的每个元素除以行向量的元素最大值后进行取反操作，得到特征向量，完成信道编码的特征提取。
在本发明中，进行归一化处理后，特征向量具有统一的格式，便于后续步骤使用特征向量。
本发明的工作原理及过程为：本发明的特征提取方法首先对待处理的编码数据块进行预处理，得到编码数据块；再对编码数据块依次进行有限域傅里叶变换、放大零频分量处理和归一化处理，得到特征向量。
本发明的有益效果为：本发明提供的特征提取方法可以在有限域上得到编码数据每一帧的频谱信息，有利于提高有限域傅里叶变换特征在高误码率情况下的泛化能力。使用本发明方法对LDPC码、RS码、卷积码以及turbo码进行特征提取，可以得到差异性较明显的特征信息。同时相比于直接对原始数据分类，本发明的特征提取方法在分类准确率方面有较大的提升，有利于后续机器学习算法利用本发明的特征提取结果。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (6)

1.一种基于有限域傅里叶变换的信道编码特征提取方法，其特征在于，包括以下步骤：
S1：从信息码流中提取待处理的编码数据块；
S2：对待处理的编码数据块进行预处理，得到编码数据块；
所述步骤S2中，预处理的方式为对待处理编码数据块的数据长度进行初始化，其具体方法为：根据有限域GF(pn)将待处理编码数据块的数据按照实际长度为0进行填充或截取至(pn-1)*n的长度，完成预处理，其中，GF(*)表示待处理编码数据块的有限域，pn表示有限域中的元素个数；
S3：对编码数据块进行有限域傅里叶变换，得到编码数据块的有限域傅里叶变换矩阵；
所述步骤S3包括以下子步骤：
S31：根据编码数据块的有限域得到本原多项式；
S32：根据本原多项式得到有限域离散傅里叶变换矩阵M；
S33：将有限域离散傅里叶变换矩阵M按行重组，得到有限域离散傅里叶变换重组矩阵H；
S34：将有限域离散傅里叶变换重组矩阵H按行转换为十进制的列向量C；
S35：将有限域离散傅里叶变换矩阵M与列向量C相乘，得到有限域傅里叶变换向量D；
S36：重复步骤S31-S35处理编码数据块的每帧数据，得到有限域傅里叶变换矩阵G；
S4：对有限域傅里叶变换矩阵进行放大零频分量处理，得到编码数据块的行向量；
S5：对行向量进行归一化处理，得到特征向量，完成信道编码的特征提取。
2.根据权利要求1所述的基于有限域傅里叶变换的信道编码特征提取方法，其特征在于，所述步骤S1中，待处理的编码数据块为二进制，大小为N*K，其中，N表示待处理的编码数据块的帧数，K表示待处理的编码数据块的长度。
3.根据权利要求1所述的基于有限域傅里叶变换的信道编码特征提取方法，其特征在于，所述步骤S32中，有限域离散傅里叶变换矩阵M的大小为(pn-1)*(pn-1)；
所述步骤S33中，有限域离散傅里叶变换重组矩阵H的大小为n*(pn-1)；
所述步骤S34中，列向量C的大小为(pn-1)*1；
所述步骤S35中，有限域傅里叶变换向量D的大小为(pn-1)*1；
所述步骤S36中，有限域傅里叶变换矩阵G的大小为(pn-1)*N；
其中，pn表示有限域中的元素个数，N表示待处理的编码数据块的帧数。
4.根据权利要求1所述的基于有限域傅里叶变换的信道编码特征提取方法，其特征在于，所述步骤S36中，将每帧数据的有限域傅里叶变换向量D按列组合，得到有限域傅里叶变换矩阵G。
5.根据权利要求1所述的基于有限域傅里叶变换的信道编码特征提取方法，其特征在于，所述步骤S4中，对有限域傅里叶变换矩阵中的一列向量g进行放大零频分量处理，得到编码数据块的行向量Vi的计算公式为：
Figure FDA0002984845550000021
其中，j表示有限域中的第j个元素，pn表示有限域中的元素个数，j＝1,2,...,pn-1，vj表示列向量g中的每个元素，vmax表示列向量g中的元素最大值，lg(*)表示求对数运算，ε表示任意小的数。
6.根据权利要求1所述的基于有限域傅里叶变换的信道编码特征提取方法，其特征在于，所述步骤S5中，对行向量的频谱进行归一化处理，其具体处理方式为：将行向量的每个元素除以行向量的元素最大值后进行取反操作，得到特征向量，完成信道编码的特征提取。
CN202010235770.XA 2020-03-30 2020-03-30 一种基于有限域傅里叶变换的信道编码特征提取方法 Active CN111447158B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010235770.XA CN111447158B (zh) 2020-03-30 2020-03-30 一种基于有限域傅里叶变换的信道编码特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010235770.XA CN111447158B (zh) 2020-03-30 2020-03-30 一种基于有限域傅里叶变换的信道编码特征提取方法

Publications (2)

Publication Number Publication Date
CN111447158A CN111447158A (zh) 2020-07-24
CN111447158B true CN111447158B (zh) 2021-06-29

Family

ID=71651371

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010235770.XA Active CN111447158B (zh) 2020-03-30 2020-03-30 一种基于有限域傅里叶变换的信道编码特征提取方法

Country Status (1)

Country Link
CN (1) CN111447158B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010151043A2 (en) * 2009-06-23 2010-12-29 Samsung Electronics Co., Ltd. Methods and apparatus to encode bandwidth request message
CN103401568A (zh) * 2013-08-14 2013-11-20 山东大学 基于伽罗华域傅里叶变换的rs码编码参数盲识别方法
CN108512797A (zh) * 2018-03-21 2018-09-07 电子科技大学 一种基于正交频分复用的雷达通信一体化信号设计方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7685503B2 (en) * 2006-06-21 2010-03-23 Intel Corporation Fast decoding of Reed-Solomon code
CN101534168B (zh) * 2009-04-16 2011-11-23 中国电子科技集团公司第五十四研究所 一种容误码的rs码编码参数盲识别方法
CN103208996B (zh) * 2013-04-17 2016-06-22 北京航空航天大学 准循环码的频域编码方法
US9734129B2 (en) * 2014-04-22 2017-08-15 Sandisk Technologies Llc Low complexity partial parallel architectures for Fourier transform and inverse Fourier transform over subfields of a finite field
CN105207683B (zh) * 2015-09-16 2018-10-16 电子科技大学 一种rs码频域快速译码方法
CN107026654B (zh) * 2016-02-02 2019-06-18 中国科学院声学研究所 一种准循环多进制低密度奇偶校验码的快速频域编码方法
CN107302370B (zh) * 2017-06-30 2020-03-17 电子科技大学 基于抽取部分码字的rs码快速参数盲估计方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010151043A2 (en) * 2009-06-23 2010-12-29 Samsung Electronics Co., Ltd. Methods and apparatus to encode bandwidth request message
CN103401568A (zh) * 2013-08-14 2013-11-20 山东大学 基于伽罗华域傅里叶变换的rs码编码参数盲识别方法
CN108512797A (zh) * 2018-03-21 2018-09-07 电子科技大学 一种基于正交频分复用的雷达通信一体化信号设计方法

Also Published As

Publication number Publication date
CN111447158A (zh) 2020-07-24

Similar Documents

Publication Publication Date Title
CN112953550B (zh) 数据压缩的方法、电子设备及存储介质
CN106452452A (zh) 一种基于K‑means聚类的全脉冲数据无损压缩方法
CN110162290B (zh) 一种针对OLED屏DeMURA数据的压缩方法
CN113258934A (zh) 一种数据压缩方法、系统及设备
CN106877885B (zh) 一种利用巴哈塔切亚参数构造极化码的方法及系统
CN107592083A (zh) 毫米波宽带功率放大器的数字预失真系统及其方法
CN107332570B (zh) 分段级联Hash序列的极化码编码方法
CN116506073A (zh) 一种工业计算机平台数据快速传输方法及系统
Chen et al. High-accuracy CSI feedback with super-resolution network for massive MIMO systems
CN111447158B (zh) 一种基于有限域傅里叶变换的信道编码特征提取方法
Yang et al. Memory feature-based sample selection strategy for few-sample learning digital predistortion
CN114268323A (zh) 支持行存的数据压缩编码方法、装置及时序数据库
CN102394718A (zh) 一种传感网络数据压缩编码/解码方法
CN106331719A (zh) 一种基于k‑l变换误差空间拆分的图像数据压缩方法
CN108459585B (zh) 基于稀疏局部嵌入深度卷积网络的电站风机故障诊断方法
CN113743593B (zh) 神经网络量化方法、系统、存储介质及终端
CN104184557B (zh) 一种bch码做外码的级联码识别交织长度的盲识别方法
CN113516170B (zh) 基于贝叶斯神经网络随机加法饱和结构的图像分类方法
US20060290538A1 (en) Methods, apparatus, and systems for order-adaptive compression
CN114372169A (zh) 一种同源视频检索的方法、装置以及存储介质
CN111107360B (zh) 一种光谱-空间维联合的高光谱图像无损压缩方法及系统
CN107872413B (zh) 基于压缩感知高阶累积量的智能调制识别方法
CN114866311B (zh) 一种基于时序表征的射频指纹提取方法
CN113222116A (zh) 一种基于编码输出的网络高效优化方法
CN112182892B (zh) 一种基于分段仿射的功率放大器行为建模方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant