公开(公告)号：CN118568605A

公开(公告)日：2024-08-30

申请号：CN202410541087.7

申请日：2024-04-30

Applicant: 中山大学 ,  北京无线电测量研究所

Inventor： 谢恺 ,  郑海平 ,  朱应申 ,  林进健 ,  王力宏 ,  孙慧博

IPC: G06F18/2431 ,  G01S7/02 ,  G06N3/0442 ,  G06F18/10 ,  G06N3/047

Abstract: 本发明公开一种基于重构循环神经网络的已知雷达信号开集分选方法，将输入重构和开集方法引入RNN分选模型，通过输入重构的思想构建RBi‑RNN，联合交叉熵损失、重构损失和中心损失进行模型训练，提高模型的分选精度，并通过极值理论拟合Weibull分布，利用拟合好的Weibull分布从混叠脉冲序列中将已知雷达与未知雷达分离，提升了分选模型适应开集环境的能力。

公开(公告)号：CN120085257A

公开(公告)日：2025-06-03

申请号：CN202510050941.4

申请日：2025-01-13

Applicant: 中山大学

Inventor： 谢恺 ,  王力宏 ,  孙慧博

IPC: G01S7/02 ,  G06F18/241 ,  G06N3/044 ,  G06N3/08

Abstract: 本发明公开一种基于残差收缩重构循环神经网络的雷达工作模式识别方法，包括以下步骤：获取雷达信号，保存得到脉冲描述字序列；利用量化技术对所述脉冲描述字序列中每个参数的原始数值进行量化；对量化后的每个参数使用独热向量表示，得到每个参数的独热向量；使用嵌入方法将每个参数的独热向量压缩，得到每个参数的嵌入向量；将所有参数的嵌入向量拼接后，得到输入向量序列；将所述输入向量序列输入预设的基于残差收缩重构循环神经网络模型中，得到预测的雷达工作模式。本发明解决了模型分类准确率在实际电磁环境中会大幅下降的技术问题。