摘要：本发明涉及一种基于卷积神经网络的QAM信号调制识别方法，包括S1、获取多种QAM信号和其他信号；S2、对接入的QAM信号的IQ数据进行处理，得到信号的星座图数据、瞬时相位数据和一阶频谱数据；S3、对切分好的IQ数据进行星座图、瞬时相位和一阶频谱计算得到M个PSK信号预测样本，并输入到训练好的多维三输入卷积神经网络模型中对M个QAM信号预测样本进行预测得到M个预测结果；S4、对M个预测结果进行分析，选取预测最多的类型结果作为QAM信号的识别结果。本发明具有较强的特征融合能力，具有较高的识别准确率，具有很强的抗噪抗干扰能力，具有较快较稳定的处理速度。

摘要：本发明涉及一种基于卷积神经网络的PSK信号调制识别方法，包括S1、获取多种PSK信号和其他信号；S2、对接入的PSK信号的IQ数据进行处理，得到信号的二阶频谱数据、四阶频谱数据和八阶频谱数据；S3、对I路数据、Q路数据、二阶频谱数据、四阶频谱数据和八阶频谱数据五个数据进行计算得到M个PSK信号预测样本，并输入到训练好的五输入卷积神经网络模型中对信号预测样本进行预测得到预测结果；S4、对M个预测结果进行分析，选取预测最多的类型结果作为PSK信号的识别结果。本发明使用了深度学习的方式将信号的不同特征融合并提取出来，具有较高的准确率；具有很强的抗噪和抗干扰能力，在信号较弱时，依然具有较好的效果。

摘要：本发明公开了基于卷积神经网络的FSK信号识别方法，涉及信号识别领域，包括S1、生成FSK信号；S2、处理FSK信号获得瞬时频率数据和一阶频谱数据；S3、构建数据集；S4、数据集导入训练深度学习卷积神经网络模型；S5、均匀切分待预测信号的原始IQ数据，进行瞬时频率和一阶频谱计算得到信号预测样本；S6、信号预测样本导入优化后的深度学习卷积神经网络模型进行预测得到预测结果；S7、确定待预测信号的识别结果；本发明具有较高的识别准确率，传统多信号类型识别方法需构建决策树，而该方法复杂、条件阈值因信号强弱很难设定，在信噪比较低的情况下，准确率不能保证，而本发明使用了深度学习的方式将信号的不同特征融合并提取出来，具有较高的准确率。

摘要：本发明涉及一种基于深度学习的噪声估计和语音降噪方法及系统，通过获取噪音并生成语音原始信号数据，将语音原始信号数据进行短时傅里叶变换并进行图像映射生成信号语谱图；将经过图像映射生成的信号语谱图进行语谱图切分；将通过语谱图切分生成长度为W的语谱子图中的语音事件部分进行标注，生成正负样本；将生成的正负样本整理并制作数据集；通过卷积神经网络对整理并制作的数据集进行训练；并对预测结果进行降噪处理。本发明达到的有益效果是实现了在没有先验知识的情况下自动进行噪声的估计和降噪处理，降低了人工的成本，提高了降噪的灵活性和适应性；更易克服误去噪和过度降噪等问题减小了对噪声估计的误差。

摘要：本发明公开了一种在复杂多辐射源电磁环境下的跳频信号参数计算方法，该方法包括以下步骤获取多辐射源的跳频信号对应的信号特征矩阵；根据信号特征矩阵和聚类分析，从多辐射源的跳频信号中筛选出每个辐射源的跳频信号；分别对所有辐射源的跳频信号进行分析计算，最终得到所有辐射源的跳频信号的相关参数。本发明能够对多个辐射源进行有效的跳频信号参数计算，即使辐射源长度相近或不同辐射源跳频信号出现相互干扰的情况，依然能够进行有效的辐射源分离与跳频图案参数计算。

摘要：本发明公开了用于无线双向信道的动态模拟系统及方法，涉及通信领域，系统包括导入模块、输入AD模块、模拟计算模块、缓存模块、动态模拟模块和时延模块；方法包括S1导入每个待测试节点设备的初始位置和动态位置，输入待测试节点设备的数字信号，S2模拟待测试节点设备的相关参数信息，S3根据相关参数信息模拟分析从待测试节点设备m到待测试节点设备n的总时延，S4延迟储存的数字信号和相关参数信息后传输到动态模拟模块，S5进行信号传输模拟；可以实现模拟双向无线信道在收发设备运动状态下的无线信号动态变化；为高速运动条件下无线通信设备的开发和测试提供了一种方便的测试手段；为基于双向无线通信的时间同步设备提供了有效的性能测试手段。

摘要：本发明公开了一种基于频谱数据的宽带信号实时检测方法，该方法包括获取宽带信号的频谱数据对应的噪声基底；基于滑动窗口得到宽带信号的频谱数据在滑动窗口内的多个子信号频谱数据；根据多个子信号频谱数据与噪声基底的相似度，完成宽带信号实时检测。本发明通过量化噪声基底和频谱数据之间对应的信号的幅度的差异，以较低的软件复杂度实现了信号的实时检测与识别，实时性强，信号检测识别准确度高，易于实现。

摘要：本发明公开了用于NTP服务器响应能力的测试方法及装置，涉及服务器测试领域，方法包括导入NTP客户端参数生成规则、测试参数和被测NTP服务器IP地址；获取被测NTP服务器MAC地址；生成NTP时间同步请求报文；发送NTP时间同步请求报文至NTP服务器，令S1＝S1+1；接收分析的NTP时间同步响应报文，令S2＝S2+1；判断是否停止，若是进步骤7，反之进步骤4；分析NTP时间同步响应报文、发送数量S1和接收数量S2确定NTP服务器测试结果；本方法支持以测试设备与被测NTP服务器之间连接网络最大带宽模拟多NTP客户端产生、接收、分析NTP报文，实现对NTP服务器的处理能力的测试，采用基于FPGA的硬件NTP报文发生器根据模拟的NTP客户端参数自动生成NTP报文，实现以连接网络最大带宽模拟NTP客服端的发送。

摘要：实用新型涉及一种大气暴晒装置，包括平杆、竖杆所形成的支撑结构，平杆包括横向平杆和侧向平杆；侧向平杆与竖杆之间通过角码在同一垂直平面上垂直连接；横向平杆与侧向平杆之间通过角码在同一水平面上垂直连接；斜梁，斜梁顶端与竖杆顶端通过螺母固定连接，斜梁的底端与侧向平杆前端通过螺母固定连接；斜梁还与横向平杆通过螺母固定连接；斜梁包括左右两组；横梁，横梁两端分别与两组斜梁连接，斜梁上的两组相邻的横梁之间放置有样品；固定螺母将样品固定在两组相邻的横梁中间。本实用新型达到的有益效果是可以通过调节螺母的位置两根相邻横梁之间的间距，能够适应不同大小的样品对样品的拆装更加便捷。

摘要：本发明公开了一种交互式光网络路由方法，包括读取数据库信息，获取光网络传输节点连接关系以及传输节点内部配置信息；生成网络拓扑图和节点约束条件；用户端接收网络拓扑图和节点约束条件并可视化展示；选择节点，根据网络连接关系和节点约束条件计算节点可用的临近节点，用户端选择一个可用的临近节点；直到从最开始节点到宿节点路径计算和选择完成，路径计算单元将完整的路径生成路径配置信息并发送到用户端；用户端接收路径配置信息并进行确认，确认后将路径配置信息发送到网管单元，网管单元控制传输节点设备建立路径。通过本发明提供的技术方案实现了用户与路由系统之间的交互，并可动态修改约束条件，获得传统方式无法找到的路径。

摘要：本发明公开了一种轨迹识别方法、装置、设备及存储介质，该方法包括基于历史轨迹数据，构建形状模型和位置模型；其中，形状模型为历史轨迹数据中轨迹形状的分类模型，位置模型为历史轨迹数据中轨迹点的分类模型；调用形状模型和位置模型分别对待识别轨迹进行处理，获得所述待识别轨迹的第一概率分布和所述待识别轨迹中轨迹点的第二概率分布；根据第一概率分布和第二概率分布，计算待识别轨迹的整体概率分布；基于所述整体概率分布，确定待识别轨迹的轨迹类型。本发明通过对轨迹形状和位置特征分别建模，进而对轨迹进行识别，解决了使用单一模型时高维数据样本稀疏、抗造能力弱、可解释性差等问题，能够准确与快速的为用户提供识别结果与依据。

摘要：本发明公开了一种轨迹预测方法、装置、设备及存储介质，该方法包括获取历史轨迹，提取历史轨迹中的目标轨迹；其中，所述目标轨迹为历史轨迹中与待预测轨迹相似度最高的轨迹；在所述目标轨迹上匹配待预测轨迹的映射区段，获取所述映射区段的末尾轨迹点；基于所述待预测轨迹的末尾轨迹点和所述映射区段的末尾轨迹点，确定预测轨迹。本发明通过对轨迹相似度的合理衡量，以及对待预测轨迹在相应历史轨迹上映射区域的合理推断，解决了现有算法抗噪能力弱、时间复杂度高、对长度不一致轨迹相似度评测困难等问题，能够准确与快速的为用户提供预测结果。

摘要：本发明公开了一种知识图谱构建方法及装置，包括以下步骤S1、获取信号数据；S2、根据经验和知识构建信号本体知识模型，描述信号数据中的实体、属性和关系；S3、根据深度学习知识模型抽取实体；S4、配置数据源信息，解析实体数据字段，导入信号数据，根据本体知识模型配置本体和实体以及本体和实体关系映射规则；S5、根据本体和实体关系映射规则，解析目标数据，抽取出实体、属性以及实体间的相互关系，存入图数据库，得到目标数据知识图谱。本发明能够有效利用信号信息数据进行深度挖掘分析，为数据分析人员提供准确、全面的信号信息知识库，提升数据质量和价值。

摘要：本发明公开了一种基于知识图谱技术面向动态网络智能网络态势感知系统，包括态势感知节点、网络态势感知融合中心和网络态势感知应用。本发明提出一种基于知识图谱技术面向5G动态网络智能网络态势感知系统，解决5G通信时代智能化的灵动动态网络时代，掌控传送网承载网络分布、各类型子网交织关系、网络流量走向、网络负载、网络路径以及网元实体信息等整体网络态势感知，满足建设优化、运营维护、网络安全和网络监管急需的多视角可视化动态感知的网络图谱知识信息。

摘要：本发明涉及一种适用于存储区域网络中间节点设备的测试系统，它包括测试平台，测试平台与多个被测设备连接；所述测试平台包括第一主板、第二主板和通道扩展FPGA卡；所述第一主板与所述第二主板连接通过网络查询第二主板端口的相关信息，所述第一主板和第二主板与所述通道扩展FPGA卡连接通过高速的传输通道实现数据交互；所述通道扩展FPGA卡包括多个测试通道，每个测试通道连接被测设备实现批量测试。本发明的优点在于低成本，通过一个测试系统实现传统测试组网中的服务器、交换机、磁盘阵列的完整IO路径，高效率，通过一个测试系统扩展N路数据通道，实现被测设备的批量测试。

摘要：本发明提供一种监测网络时间同步性能的方法及系统，该方法及系统基于标准网络时间同步协议（NTP/PTP），引入时分复用（TDMA）设计思想，采用单播多服务器协议处理机制，将单播工作模式与时分复用算法相结合，不改变NTP/PTP单播工作模式和通信协议，实现单个物理端口同时在线监测多个网络授时服务器性能，具备点对多点NTP/PTP网络授时接口一体化远程实时在线监测能力和全网授时性能比对分析和评估能力，提升网络时间同步性能的监测效率，带宽占用率低，降低测试和维护成本，提高网络授时服务可靠性。

摘要：本发明提供一种基于深度学习特征连接分析的语音事件提取方法，包括对用于训练的语音信号文件进行预处理得到训练语图样本文件以及样本标签，并制作成训练数据集；采用训练数据集训练深度学习卷积神经网络模型；对待预测语音信号文件进行预处理得到包含若干待预测语图样本文件的待预测数据集；将待预测数据集输入训练好的深度学习卷积神经网络模型进行预测，并将预测结果拼接为一组特征向量；对特征向量进行特征处理，特征向量中的特征值大于设定阈值即语音事件的位置信息，根据语音事件的位置信息从待预测语音信号文件中提取语音事件。本发明能够在语音信号较弱的情况下依然能够进行识别并提取，并且用特征向量的方式来表达语音信号，其精度高。

摘要：本发明提供一种基于深度学习分类组合的语音事件提取方法，包括对用于训练的语音信号文件进行预处理得到训练语图样本文件以及样本标签，并制作成训练数据集；采用训练数据集训练深度学习卷积神经网络模型；对待预测语音信号文件进行预处理得到若干待预测语图样本文件；将若干待预测语图样本文件输入训练好的深度学习卷积神经网络模型进行预测分类，得到若干分类结果，并将分类结果拼接为特征向量；对特征向量进行连续性处理，得到语音事件的位置信息，然后根据语音事件的位置信息从原始的待预测语音信号文件中提取语音事件。本发明使用深度学习二分类处理以及连续性算法，能够在语音信号弱或受干扰时也能有不错的提取效果。

摘要：本发明涉及一种长时间运行的主被动触发密钥销毁电路，它包括微电模块、控制逻辑模块、信号转换模块、合路器模块、背板和电池供电模块；背板提供的外部电源输出端与合路器的输入端连接，合路器的输出端分别连接微电模块和信号转换模块的输入端；背板产生被动触发信号输入到所述信号转换模块，经过信号转换模块实现信号转换后输入到控制逻辑模块，主动触发信号直接输入到控制逻辑模块，控制逻辑模块输出销毁触发信号到所述微动模块，微电模块输出开机保持信号到控制逻辑模块；电池供电模块连接所述合路器模块。本发明电路，在机箱断电后也可长期的实现稳定的工作、结构简单、安全可靠、控制方便、成本低、长时间不更换纽扣电池也可稳定的实现密钥销毁。

摘要：本发明提供一种基于环境噪声的宽带频谱信号实时检测与统计方法及系统，所述方法包括：S10，采集天线指向不同天区位置处的环境噪声频谱数据；S20，获取天线正常工作时的频谱仪频谱数据；S30，设置信号检测门限参数，并按照设置的信号检测门限参数启动信号检测，即通过将频谱仪频谱数据与环境噪声频谱数据进行逐点比对，获得宽带信号检测结果；S40，重复步骤S30，将新获得的宽带信号检测结果与已有宽带信号检测结果进行判决分析，形成最终的宽带信号检测结果。本发明考虑了天线周围环境噪声对信号检测识别的影响，能够捕捉信号的较小变化，避免同一信号被检测识别为两个不同频点和带宽的信号，并且本发明克服了同类方法存在的误检误报问题。