龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国人民解放军国防科技大学
摘要：本发明公开了一种基于K‑SVD的时频谱特征稀疏编码的小样本未知辐射源盲聚类方法，包括如下步骤：将原始的一维信号时间序列转换为高时频分辨率，低噪点的时频谱，作为下一步的输入；对时频谱进行特征聚焦细化处理后，通过K‑SVD算法构建调制样式的过完备差异字典，基于此字典，使用OMP算法提取出时频谱的特征稀疏编码向量，作为聚类的依据；通过T‑SNE算法对输入的特征稀疏编码向量进行降维与增强信号特征处理，并将经过该处理后的特征稀疏编码二维向量输入DBSCAN算法进行信号波形的盲聚类。所述方法无需任何辐射源信号的先验类别信息，直接对未知辐射源信号进行精确的盲聚类，并在低信噪比与小样本的环境下展现出优良性能。
主权项：1.一种基于K-SVD的时频谱特征稀疏编码的小样本未知辐射源盲聚类方法，其特征在于包括如下步骤：将原始信号利用自适应奇异值分解SVD滤波结合同步压缩小波变换SSWT的时频分析算法，将原始的一维信号时间序列转换为高时频分辨率，低噪点的时频谱，作为下一步的输入；对时频谱进行特征聚焦细化处理后，通过K-SVD算法构建调制样式的过完备差异字典，基于此字典，使用OMP算法提取出时频谱的特征稀疏编码向量，作为聚类的依据；通过T-SNE算法对输入的特征稀疏编码向量进行降维与增强信号特征处理，并将经过该处理后的特征稀疏编码二维向量输入DBSCAN算法进行信号波形的盲聚类。
全文数据：
权利要求：
百度查询： 中国人民解放军国防科技大学 基于K-SVD的时频谱特征稀疏编码的小样本未知辐射源盲聚类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号