CN113824661A - 一种通信系统调制与解调方法 - Google Patents
一种通信系统调制与解调方法 Download PDFInfo
- Publication number
- CN113824661A CN113824661A CN202111382926.8A CN202111382926A CN113824661A CN 113824661 A CN113824661 A CN 113824661A CN 202111382926 A CN202111382926 A CN 202111382926A CN 113824661 A CN113824661 A CN 113824661A
- Authority
- CN
- China
- Prior art keywords
- frequency
- sequence
- bit
- energy peak
- preset
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0008—Modulated-carrier systems arrangements for allowing a transmitter or receiver to use more than one type of modulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/50—Transmitters
- H04B10/516—Details of coding or modulation
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Electromagnetism (AREA)
- Optical Communication System (AREA)
Abstract
本发明属于通信技术领域,尤其涉及一种通信系统调制与解调方法,基于预设频率,建立频率序列集和比特序列集之间的比特映射表,频率序列与比特序列一一对应;根据比特映射表来实现监测位置点终端的传感信息的调制。对调制后的信号,基于相邻监测位置点能量峰平系数及其中值矩阵的求解方法,生成机器学习模型输入序列,再结合机器学习模型,得到比特序列的唯一准确确定,从而实现监测终端信息的有效可靠传输。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种通信系统调制与解调方法。
背景技术
通信简单来讲就是信息在不同主体之间的传递,其是伴随着人类社会的发展演变而形成的,而通信技术能够为通信提供相应的技术支持。通信技术的核心诉求包含两个方面:信息传输速率(有效性)、信息传输准确率(可靠性),需要基于实际的通信需求进行两方面诉求的折衷优化。
光纤传感,一般都运用光信号作为读取外界环境变化的载体,当光信号被接收时,该信号就包含了外界环境改变信息,而通过一些信号处理算法就可以恢复出这种信息。现有光缆纤芯对温度等外界环境参数的直接定量感知误差较大,很多时候能根据数据进行定性分析,而现有各种传感器对于各种物理参数的感知和传输精度非常高,因此通过其与光传感技术的叠加,由传统的传感器实现信息的获取,而由光纤传感技术实现对数据的有效可靠传输。
如何利用光纤传感特性进行信息的高效、极低误码率的通信信息传输,是本领域亟待解决的问题。
发明内容
针对现有技术的不足,本一种用于光纤传感通信的基站系统和实现方法。本发明通过以下技术方案实现:
一种通信系统调制方法,其应用于光纤/光缆沿线的监测位置点终端;包括以下步骤:
步骤S1、确定监测位置点终端的N个预设频率,N为大于1的正整数;
步骤S2、根据所述预设频率的同时发生组合和先后发生顺序来设置频率序列集,分别设置与频率序列集中每个频率序列一一对应的比特序列,所述比特序列包含多位比特数据;基于频率序列集和比特序列集之间对应关系生成比特映射表;
步骤S3、根据所述比特映射表将监测位置点终端的传感信息调制成高频编码信号送至基站系统。
所述预设频率的发生方式包括振动、温度、应力或磁场的变化频率。
进一步地,所述频率序列集包括n个所述预设频率同时发生时对应的频率序列的集合,n=1,……,N;和多个预设频率间隔固定时间发生时对应的频率序列的集合。
还公开了一种通信系统解调方法,应用于基站系统,包括以下步骤:
步骤S1、接收高频编码信号;经过预处理得到光纤/光缆上逐个监测位置点终端的幅度、相位信息序列;
步骤S2、对逐个监测位置点终端的幅度、相位信息序列进行数据冗余分段得到多个分段数据Zi;对所述多个分段数据进行短时傅里叶变换得到傅里叶变换序列Ti;
步骤S3、根据每个所述傅里叶变换序列Ti分别计算N个预设频率处的能量峰平系数;生成逐位置点能量峰平系数序列;
步骤S4、根据所述逐位置点能量峰平系数序列,结合机器学习类比特序列识别算法,得到信息解调结果。
进一步地,所述预处理包括数字域滤波处理和小波分解处理。
进一步地,所述对逐个监测位置点终端的幅度、相位信息序列进行数据冗余分段得到多个分段数据具体包括:基于所述幅度、相位信息序列,分割得到多个长度为2M的分段数据Zi,且相邻分段数据之间设置长度为M的冗余重叠,M为正整数。
进一步地,所述步骤S3具体包括,基于所述N个预设频率在所述傅里叶变换序列Ti中的位置,计算每个预设频率在预设频率范围内的能量峰平系数R-i-j;R-i-j=Max/Mean;其中R-i-j是在对应分段i中预设频率j处的能量峰平系数;Max为预设频率j在第一预设频率范围内频域能量峰值,Mean为预设频率j在第二频域频率范围内频域能量平均值;根据所述能量峰平系数R-i-j生成逐位置点能量峰平系数序列Mk,k表示监测位置点终端所在位置点序号。
进一步地,所述步骤S4具体包括,
步骤S4.1、取三个连续的相邻点对应的能量峰平系数序列Mk-1、Mk、Mk+1,组成一个能量峰平系数矩阵 ,
将所述矩阵中每一列取中值,得到输入向量Uk。
进一步地,所述步骤S4具体还包括,
步骤S4.2、将输入向量Uk输入至多分类支持向量机,结合Softmax算法,选择最大概率值对应的比特序列,输出解调结果。
进一步地,所述机器学习类比特序列识别算法包括深度神经网络算法。
进一步地,所述N个预设频率,N在[2,8]范围内取正整数。本发明与现有技术相比存在以下优点:
本发明根据频率序列和比特序列之间的一一对应关系建立比特映射表;有效滤除了光纤传感过程中必然产生的随机干扰现象,能够实现信息的可靠传输;且由于比特序列集中包含多个比特序列,每个比特序列均包括多位比特,可实现多比特信息的同时传输,有助于提升信息传输的有效性。
而基于机器学习模型的比特解调方式,具有较强的鲁棒性,能够应对实际通信场景下的有意或无意的外界随机干扰、突发干扰等,同时在确保通信有效性以及可靠性的前提下,通过降低平均每比特数据耦合到光纤上时的能量消耗(比如振动能量消耗),实现了监测位置点终端的低能量消耗以及持久运行。
另外,根据相邻点对应的能量峰平系数建立能量峰平系数矩阵,将能量峰平系数矩阵中的向量进行中值处理后得到机器学习模型的输入向量,其充分考虑光纤中相邻点信号数据之间的相关性,利用传感数据中的冗余信息进行信息的协作解调,提高解调可靠性。
最后,本发明所涉及的通信系统的调制与解调方法,能够在无线信号覆盖缺失场景下,实现光纤/光缆沿线多监测位置点的同时信息接收解调处理,避免了附加值低的场景下无线信号覆盖的设备投入成本以及有线通信系统所需的有源割接耦合操作及设备成本,具有较大的技术应用价值。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中的通信系统;
图2是本发明实施例中的解调方法流程图;
图3是本发明实施例中的能量峰平系数计算流程图;
图4是本发明实施例中的机器学习模型结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
光纤传感,一般都运用光信号作为读取外界环境变化的载体。光纤中输入光信号,外界的环境变化(例如应变、温度、湿度等等参数的变化)通过改变光纤的参数(例如折射率、半径大小等等)改变输入光信号的强度、相位或偏振态。因此,当光信号被接收时,该信号就包含了外界环境改变信息,而通过一些信号处理算法就可以恢复出这种信息。
基于光纤传感实现通信的有效性及可靠性,同时考虑到监测位置点终端工作地点的多样性以及由此带来的低能量消耗需求,信号数据的调制及解调方式具有极其重要的影响。考虑到后向瑞利散射信号的随机性,对应到通信系统中,信息传输的信道具有快速时变、循环平稳的特性,因此需要采用鲁棒的信息调制及解调方式,有效滤除信息传输过程中的随机干扰,实现信息的有效可靠解调,并降低单比特传输所需的能量消耗。
本发明中所述的通信系统如图1所示,其中监测位置点终端负责将传感器数据通过调制后以特定的方式(如振动方式)耦合到光缆或光纤上,基于光纤的后向瑞利散射效应,由基站侧光纤传感主机实现信息的解调。
本发明中涉及一种通信系统调制方法,其应用于光纤/光缆沿线的监测位置点终端;包括以下步骤:
步骤S1、确定N个预设频率,N为大于1的正整数;
以N个振动频率为例,不失一般性,下边以4个振动频率为例进行阐述;也可以是[2,8]中的任意数量或者其他数量;选定4个振动频率F0、F1、F2、F3;
步骤S2、根据所述预设频率设置频率序列集,并建立频率序列集和比特序列集之间的比特映射表,频率序列与比特序列之间一一对应;
考虑到降低单比特信息传输平均能量消耗的需求,相应的比特映射方式如下表1所列:
表1
所述频率序列集包括n个所述预设频率同时发生时对应的频率序列的集合,n=1,……,N;和多个预设频率间隔固定时间发生时对应的频率序列的集合。如表1所示,监测终端可以支持4个振动频率同时发出,或可选发出其中任意几个;此外,还可以支持多个(以2个为例)预设频率间隔固定时间发出。考虑到将振动施加到光纤/光缆后,即使振动源撤销,光缆的振动仍旧会持续一段时间,上述映射方式设计过程中,充分考虑到了余震的干扰。
防止相邻脉冲激光之间的干扰,基于待测光纤的长度来设置输入光纤/光缆的脉冲激光的频率f,使得f≤S/2L;其中S表述激光光速。
而所述间隔固定时间基于脉冲激光的周期设置。
步骤S3、根据所述比特映射表将监测位置点终端的传感信息调制成高频编码信号。
如图2所示,本发明还涉及一种通信系统解调方法,应用于基站系统,包括以下步骤:
步骤S1、接收高频编码信号;经过预处理得到光纤/光缆上逐个监测位置点终端的幅度、相位信息序列;
在基站侧基于直接探测/外差相干探测技术进行接收信号,利用数字域滤波、小波分解等去噪技术对信号进行预处理,最终得到光纤沿线逐个监测位置点终端的幅度、相位等信息,作为后续信号处理算法的计算数据源;
步骤S2、对逐个监测位置点终端的幅度、相位信息序列进行数据冗余分段得到多个分段数据Zi;对所述多个分段数据进行短时傅里叶变换得到傅里叶变换序列Ti;
针对每个光纤/光缆沿线逐个监测位置点终端,提取对应的幅度、相位信息序列,示例性地,将该序列按照每段128个时间上连续的数据,段与段之间冗余设置32个重叠数据进行分割,得到分段数据:Z1、Z2、Z3、Z4、Z5、Z6、Z7、Z8……,其中每个Zi对应长度为64的数据段;此外,也可以按照每段256个时间上连续的数据,段与段之间冗余64个数据进行分割,每个分段数据长度为128位,或者其他相似方式。
步骤S3、根据每个所述傅里叶变换序列Ti分别计算N个预设频率处的能量峰平系数;生成逐位置点能量峰平系数序列;
针对每个分段数据Zi,通过短时傅里叶变换,计算其对应的傅里叶变换序列Ti,并基于上述F0~F3频率点在Ti中的位置,计算预设频率范围内的能量峰平系数,计算流程如图3所示,R-i-j为对应分段i中频点j处的能量峰平系数。
步骤S4、根据所述逐位置点能量峰平系数序列,结合机器学习类比特序列识别算法,得到信息解调结果。
基于上述计算,假定光纤/光缆上监测位置点终端序号为k对应的能量峰平系数为Mk,其中Mk长度为256,其组成如下所示:
R-0-0,R-1-0,…,R-63-0,R-0-1,R-1-1,…,R-63-1,R-0-2,R-1-2,…,R-63-2,R-0-3,R-1-3,…,R-63-3;
然后取k-1与k+1两个相邻点对应的能量峰平系数序列,组成一个能量峰平系数矩阵,如下所示:该矩阵大小为3*256;
将3个向量Mk-1~Mk+1组成的能量峰平系数矩阵,把每一列的三个数据从大到小重新排序,取中值作为该列的新元素,得到输入向量Uk,作为机器学习模型的输入。
将Uk送至多分类支持向量机,如图4中所示的16分类支持向量机,直接基于该支持向量机实现4bits数据的输出。其中,支持向量机根据比特映射表建立,0对应比特序列0000,支持向量机1对应比特序列0001,支持向量机15对应比特序列1111,依此类推。基于多分类(2-256)支持向量机,结合Softmax算法实现比特序列的唯一准确确定。除此之外,也可以采用其他相似原理的机器学习类比特序列识别算法。
所生成的机器学习模型输入序列,同样也可以利用手工设计特征的方法,基于数值序列之间的数据单元值域变化规律,实现比特序列的快速获取,这些均在本发明的保护范围之内。
具体的解调算法可分为如下几种:
基于信号数据时域或频域特征的单域解调;
基于信号数据频域特征的解调;
基于信号数据多域特征的联合解调;
基于信号数据的盲解调(基于机器学习算法)。
其中前3种对应手工设计特征,第4种对应基于数据驱动的特征自学习,实现信号数据的盲解调。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。在不脱离本发明之精神和范围内,所做的任何修改、等同替换、改进等,同样属于本发明的保护范围之内。
Claims (10)
1.一种通信系统调制方法,其应用于光纤/光缆沿线的监测位置点终端;其特征在于,包括以下步骤:
步骤S1、确定监测位置点终端的N个预设频率,N为大于1的正整数;
步骤S2、根据所述预设频率的同时发生组合和先后发生顺序来设置频率序列集,分别设置与频率序列集中每个频率序列一一对应的比特序列,所述比特序列包含多位比特数据;基于频率序列集和比特序列集之间对应关系生成比特映射表;
步骤S3、根据所述比特映射表将监测位置点终端的传感信息调制成高频编码信号送至基站系统;
所述预设频率的发生方式包括振动、温度、应力或磁场的变化频率。
2.一种如权利要求1所述的调制方法,其特征在于:所述频率序列集包括n个所述预设频率同时发生时对应的频率序列的集合,n=1,……,N;和多个预设频率间隔固定时间发生时对应的频率序列的集合。
3.一种通信系统解调方法,应用于基站系统,其特征在于:包括以下步骤:
步骤S1、接收高频编码信号;经过预处理得到光纤/光缆上逐个监测位置点终端的幅度、相位信息序列;
步骤S2、对逐个监测位置点终端的幅度、相位信息序列进行数据冗余分段得到多个分段数据Zi;对所述多个分段数据进行短时傅里叶变换得到傅里叶变换序列Ti;
步骤S3、根据每个所述傅里叶变换序列Ti分别计算N个预设频率处的能量峰平系数;生成逐位置点能量峰平系数序列;
步骤S4、根据所述逐位置点能量峰平系数序列,结合机器学习类比特序列识别算法,得到信息解调结果。
4.一种如权利要求3所述的解调方法,其特征在于,所述预处理包括数字域滤波处理和小波分解处理。
5.一种如权利要求3所述的解调方法,其特征在于,所述对逐个监测位置点终端的幅度、相位信息序列进行数据冗余分段得到多个分段数据具体包括:基于所述幅度、相位信息序列,分割得到多个长度为2M的分段数据Zi,且相邻分段数据之间设置长度为M的冗余重叠,M为正整数。
6.一种如权利要求3所述的解调方法,其特征在于,所述步骤S3具体包括,基于所述N个预设频率在所述傅里叶变换序列Ti中的位置,计算每个预设频率在预设频率范围内的能量峰平系数R-i-j;R-i-j=Max/Mean;其中R-i-j是在对应分段i中预设频率j处的能量峰平系数;Max为预设频率j在第一预设频率范围内频域能量峰值,Mean为预设频率j在第二频域频率范围内频域能量平均值;根据所述能量峰平系数R-i-j生成逐位置点能量峰平系数序列Mk,k表示监测位置点终端所在位置点序号。
8.一种如权利要求7所述的解调方法,其特征在于,所述步骤S4具体还包括,
步骤S4.2、将输入向量Uk输入至多分类支持向量机,结合Softmax算法,选择最大概率值对应的比特序列,输出解调结果。
9.一种如权利要求3所述的解调方法,其特征在于, 所述机器学习类比特序列识别算法包括深度神经网络算法。
10.一种如权利要求3-9任一项所述的解调方法,其特征在于, 所述N个预设频率,N在[2,8]范围内取正整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111382926.8A CN113824661B (zh) | 2021-11-22 | 2021-11-22 | 一种通信系统调制与解调方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111382926.8A CN113824661B (zh) | 2021-11-22 | 2021-11-22 | 一种通信系统调制与解调方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113824661A true CN113824661A (zh) | 2021-12-21 |
CN113824661B CN113824661B (zh) | 2022-03-15 |
Family
ID=78917980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111382926.8A Active CN113824661B (zh) | 2021-11-22 | 2021-11-22 | 一种通信系统调制与解调方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113824661B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114726442A (zh) * | 2022-06-02 | 2022-07-08 | 高勘(广州)技术有限公司 | 基于光纤传感的分布式通信方法、系统、装置及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018076551A1 (zh) * | 2016-10-25 | 2018-05-03 | 北京大学 | 能够实现全相位解调的分布式光纤传感系统及其测量方法 |
CN109063798A (zh) * | 2018-08-10 | 2018-12-21 | 福建英格尔电气设备有限公司 | 一种智能电网监控系统 |
CN112985574A (zh) * | 2021-02-26 | 2021-06-18 | 电子科技大学 | 基于模型融合的光纤分布式声波传感信号高精度分类识别方法 |
CN113049083A (zh) * | 2021-03-09 | 2021-06-29 | 中国人民解放军国防科技大学 | 一种在分布式光纤传感系统中实现高频相位解调的方法 |
CN113124994A (zh) * | 2021-05-24 | 2021-07-16 | 中国计量大学 | 一种基于弱信噪比信号的分布式振动传感解调方法 |
US20210255007A1 (en) * | 2020-01-13 | 2021-08-19 | Nec Laboratories America, Inc | Distributed optical fiber sensing using point sensors |
-
2021
- 2021-11-22 CN CN202111382926.8A patent/CN113824661B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018076551A1 (zh) * | 2016-10-25 | 2018-05-03 | 北京大学 | 能够实现全相位解调的分布式光纤传感系统及其测量方法 |
CN109063798A (zh) * | 2018-08-10 | 2018-12-21 | 福建英格尔电气设备有限公司 | 一种智能电网监控系统 |
US20210255007A1 (en) * | 2020-01-13 | 2021-08-19 | Nec Laboratories America, Inc | Distributed optical fiber sensing using point sensors |
CN112985574A (zh) * | 2021-02-26 | 2021-06-18 | 电子科技大学 | 基于模型融合的光纤分布式声波传感信号高精度分类识别方法 |
CN113049083A (zh) * | 2021-03-09 | 2021-06-29 | 中国人民解放军国防科技大学 | 一种在分布式光纤传感系统中实现高频相位解调的方法 |
CN113124994A (zh) * | 2021-05-24 | 2021-07-16 | 中国计量大学 | 一种基于弱信噪比信号的分布式振动传感解调方法 |
Non-Patent Citations (1)
Title |
---|
杨经国: ""Φ-OTDR分布式光纤传感系统信噪比增强与模式识别研究"", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114726442A (zh) * | 2022-06-02 | 2022-07-08 | 高勘(广州)技术有限公司 | 基于光纤传感的分布式通信方法、系统、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113824661B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113824661B (zh) | 一种通信系统调制与解调方法 | |
CN106052730B (zh) | 一种用于光纤分布式传感系统的信号解调方法及装置 | |
CN113938188B (zh) | 一种光信噪比监测模型的构建方法及应用 | |
US10887009B2 (en) | G-OSNR estimation on dynamic PS-QAM channels using hybrid neural networks | |
Xiang et al. | Joint and accurate OSNR estimation and modulation format identification scheme using the feature-based ANN | |
CN114510960A (zh) | 一种分布式光纤传感器系统模式识别的方法 | |
CN114553315B (zh) | 基于CNN-biRNN的光纤非线性均衡方法及系统 | |
CN109218240A (zh) | 一种环境反向散射通信系统中的信号发送与检测方法 | |
Yu et al. | Centimeter-level indoor localization using channel state information with recurrent neural networks | |
CN114598581B (zh) | 概率整形信号的双阶段检测模型训练方法、识别方法及装置 | |
Kashef et al. | Non‐Gaussian statistics of CO‐OFDM signals after non‐linear optical fibre transmission | |
CN113242201B (zh) | 基于生成分类网络的无线信号增强解调方法及系统 | |
Saadaoui et al. | IWSN under an industrial wireless channel in the context of Industry 4.0 | |
He et al. | Decision triggered data transmission and collection in industrial internet of things | |
Banitalebi-Dehkordi et al. | Compressive-sampling-based positioning in wireless body area networks | |
CN113869227A (zh) | 一种信号调制方式识别方法、装置、设备及可读存储介质 | |
CN113834998A (zh) | 一种基于电力线载波技术的飞机电缆故障检测识别方法 | |
CN112364845A (zh) | 信噪比评估方法、装置、电子设备和存储介质 | |
CN116340849B (zh) | 一种基于度量学习的非接触式跨域人体活动识别方法 | |
Zhou et al. | Recognition and evaluation of constellation diagram using deep learning based on underwater wireless optical communication | |
Fallah et al. | Graph‐based iterative measurement‐denoising and radio‐map generation for semi‐supervised indoor localisation | |
Isac et al. | Impulsive noise parameter estimation: A deep CNN-LSTM network approach | |
CN117478175B (zh) | 一种电力通信传输优化系统及运行方法 | |
Zhang et al. | Self-evaluation clustering scheme for modulation format identification in coherent optical communication | |
KR102153923B1 (ko) | 3차원 공간 상에 분포되어 있는 통신 노드들을 통해 아날로그 협력 빔포밍에 기반한 신호 전송 처리를 수행하는 무선 통신 제어 장치 및 그 동작 방법 |
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 |