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！

龙图腾网获悉西安电子科技大学申请的专利Alpha稳定分布噪声下MIMO-OFDM空频编码方式识别方法、系统、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117811624B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410043417.X，技术领域涉及：H04B7/0413；该发明授权Alpha稳定分布噪声下MIMO-OFDM空频编码方式识别方法、系统、设备及介质是由刘明骞;范亚奇;张卫东设计研发完成，并于2024-01-11向国家知识产权局提交的专利申请。

本Alpha稳定分布噪声下MIMO-OFDM空频编码方式识别方法、系统、设备及介质在说明书摘要公布了：Alpha稳定分布噪声下MIMO‑OFDM空频编码方式识别方法、系统、设备及介质，方法包括：首先对接收信号进行基于分数低阶相关的空时频编码类间识别；然后提取接收信号的循环相关熵谱特征图；最后将提取到的特征图输入训练好的深度森林网络对空频编码方式进行识别；其系统、设备及介质基于分数低阶时滞相关的空时频编码类间识别，实现对未知信号的类间识别，用于确认是否使用了空频编码；本发明提取了接收信号的循环相关熵谱特征图，结合深度森林网络，将编码识别问题转换为图像识别；本发明可以有效实现Alpha稳定分布噪声下MIMO‑OFDM空频编码方式识别，解决了传统方法在非合作通信中功能受限的问题；也适用于高斯噪声环境。

本发明授权Alpha稳定分布噪声下MIMO-OFDM空频编码方式识别方法、系统、设备及介质在权利要求书中公布了：1.一种Alpha稳定分布噪声下MIMO-OFDM系统中空频编码方式识别方法，其特征在于，具体包括以下步骤： 步骤一，对接收天线的接收信号进行基于分数低阶时滞相关的空时频编码类间识别； 1.1将第个接收天线接收的信号样本表示为： 其中，表示发射天线与接收天线间的信道参数，表示传播路径数目，为Alpha稳定分布噪声； 1.2针对Alpha稳定分布噪声对信号的影响，对接收信号做分数低阶化处理，抑制非高斯噪声对有用信号的影响，计算不同接收天线下的分数低阶时滞相关： 其中，,是编码方式的块长度，代表不同时滞,表示OFDM长度，表示不同接收天线的接收信号； 在时滞相关函数中，寻找峰值，并提取峰值对应的时滞值作为峰值特征，绘制时滞相关峰值特征图； 1.3之后，提取多时滞下的时滞相关峰值特征图，并将特征图划分为训练集和测试集,利用训练集中的特征图样本训练双通道网络DPN，用以对时滞相关峰值特征图进行识别；在DPN网络识别时滞相关峰值特征图的过程中，将输出切分为两路，一路和原始输入特征累加构成残差结构，减少原始输入特征的冗余度；另一路和原始输入特征并联，使得当前网络层能够直接获得上一级网络层的输出，并进一步从该输出中提取更深层的特征，提升模型的分类准确率，实现空时频编码类间识别； 步骤二，对于步骤一识别为空频编码的不同接收天线的接收信号，计算接收信号的循环相关熵，提取接收信号的循环相关熵谱特征图；具体过程为： 对于不同接收天线的接收信号，计算其相关熵定义为： 将其写成傅里叶级数形式，则有循环相关熵函数为： 对循环相关熵求取傅里叶变换，进一步得到循环相关熵谱函数： 在此基础上取固定循环频率的循环相关熵谱切片作为该接收信号的特征图； 步骤三，将步骤二提取到的循环相关熵谱特征图输入训练好的深度森林网络对空频编码方式进行识别的具体过程为： 深度森林网络的每一层都由级联的多个随机森林组成；将步骤二提取到的循环相关熵谱特征图作为输入，使用多粒度扫描对输入的循环相关熵谱特征图进行预处理得到特征向量，将得到的特征向量输入到级联的多个随机森林中进行训练；通过随机森林学习输入特征向量的特征信息，将该特征信息输入到深度森林网络的下一层；为了增强模型的泛化能力，每一层选取不同类型的随机森林，以适应于不同大小的数据集，将步骤二提取到的循环相关熵谱输入训练好的深度森林网络，得到最终的分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。