-
公开(公告)号：CN112198481B
公开(公告)日：2023-07-21
申请号：CN202011072664.0
申请日：2020-10-09
Applicant: 哈尔滨工程大学
IPC: G01S7/28
Abstract: 本发明公开了一种脉冲丢失混叠情况下的PRI抖动雷达信号分选方法，能够在脉冲丢失混叠等情况下，分选抖动雷达信号，判断抖动信号抖动率，完成对抖动雷达信号的搜索与提取。本发明改进PRI交叠箱结构，利用多级箱结构提高脉冲丢失混叠情况下的抖动信号检测能力；通过对多级箱PRI变换结果以及箱内脉冲对个数曲线分析，实现对抖动信号抖动率进行判断，提升信号分析能力；结合PRI估计值与抖动率，利用相关性判断置信度，分情况提取脉冲序列，有效降低电磁空间复杂度。可证明该方法分选算法性能良好，易于工程实现。
-
公开(公告)号：CN113111774B
公开(公告)日：2022-10-28
申请号：CN202110388521.9
申请日：2021-04-12
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达信号脉内调制类型识别技术领域，具体涉及一种基于主动增量式微调的雷达信号调制方式识别方法。本发明首先将截获的雷达信号进行时频分布处理，得到二维时频图像；接着调整时频图像大小并进行幅度归一化处理；在训练阶段，采用基于池的抽样场景，将雷达信号时频图像样本逐组放入手写识别训练过的预训练模型中，输出其对应各类型的概率，由熵的不确定性抽样策略，寻找有价值的样本进行专家标注，扩大已标注的雷达信号数据集，通过该数据集更新当前网络所有层的参数；识别阶段，将未知雷达信号时频图像放入该网络中，输出层输出最终识别类型。本发明在低信噪比条件下识别率高，大幅度节省不必要的标注成本，具有良好应用前景。
-
公开(公告)号：CN113111774A
公开(公告)日：2021-07-13
申请号：CN202110388521.9
申请日：2021-04-12
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达信号脉内调制类型识别技术领域，具体涉及一种基于主动增量式微调的雷达信号调制方式识别方法。本发明首先将截获的雷达信号进行时频分布处理，得到二维时频图像；接着调整时频图像大小并进行幅度归一化处理；在训练阶段，采用基于池的抽样场景，将雷达信号时频图像样本逐组放入手写识别训练过的预训练模型中，输出其对应各类型的概率，由熵的不确定性抽样策略，寻找有价值的样本进行专家标注，扩大已标注的雷达信号数据集，通过该数据集更新当前网络所有层的参数；识别阶段，将未知雷达信号时频图像放入该网络中，输出层输出最终识别类型。本发明在低信噪比条件下识别率高，大幅度节省不必要的标注成本，具有良好应用前景。
-
公开(公告)号：CN111431573A
公开(公告)日：2020-07-17
申请号：CN202010253354.2
申请日：2020-04-02
Applicant: 哈尔滨工程大学
IPC: H04B7/06 , H04B7/08 , H04W4/02 , H04B7/0404
Abstract: 本发明一种CSI单接入点定位的天线资源配置与阵列设计方法，构建基于到达时间差与到达角的单接入点定位观测方程；给出天线资源分配策略与约束条件；给出不同功能天线位置分布策略与约束条件；给出天线位置分布范围的约束条件；给出天线摆放方向的策略与约束条件；基于定位观测方程与费雪信息矩阵的行列式，构建单接入点天线资源配置与阵列设计的优化目标函数；基于步骤二到步骤五给定的各类策略与约束条件，通过最大化步骤六的目标函数，寻找最优的单接入点定位天线资源配置与天线摆放位置。本发明有效提高天线资源配置效率，保证单接入点定位精度。本发明给出的各种天线资源配置策略与约束条件，能有效降低优化算法的计算复杂度。
-
公开(公告)号：CN111079859A
公开(公告)日：2020-04-28
申请号：CN201911407781.5
申请日：2019-12-31
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供一种无源多站多目标测向交叉定位与虚假点去除方法，包括如下步骤：步骤一、根据双站测向交叉定位原理，得出两两站点的双站交叉定位结果，给出交叉定位点集合；步骤二、根据真实目标附近交叉定位点密度明显高于虚假点这一特性，利用马氏距离定义椭圆邻域，提取高密度交叉定位点；步骤三、对高密度点集合进行DBSCAN聚类处理，取高密度点数最多的前NT个聚类作为真实目标所在的簇，每一簇的聚类中心即为真实目标位置，NT为目标个数。本发明利用一种高密度点提取方法，在保证目标点定位精度与虚假点去除性能的同时，降低了后续聚类数据处理的计算量。
-
Patent Agency Ranking
公开(公告)号：CN110175560A
公开(公告)日：2019-08-27
申请号：CN201910440416.8
申请日：2019-05-24
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种雷达信号脉内调制识别方法，包括如下步骤：将截获的雷达信号进行Cohen类时频分布处理，得到时频图像；对时频图像进行预处理，即调整尺寸和幅度，然后分组加标签制作训练集和测试集；设计深度卷积神经网络；对未知调制类型的雷达信号调整尺寸和幅度后放入训练好的深度卷积神经网络中，网络自动判断雷达信号类型，完成识别；本发明提出的时频分析核函数相比于Choi-Williams分布中的核函数，对雷达信号抑制交叉项效果更好，信号鲁棒性特征更明显；本发明提出利用卷积去噪自编码器对分类网络进行预训练，可以免去时频图像预处理造成的信号能量的信息损失，从而提高系统整体的分类正确率，并且操作简单更易于实现。
-
公开(公告)号：CN109752687A
公开(公告)日：2019-05-14
申请号：CN201910036688.1
申请日：2019-01-15
Applicant: 哈尔滨工程大学
IPC: G01S3/00
Abstract: 本发明属于信号处理技术领域，具体涉及一种降低阵元互耦效应的改进型互质阵列设置方法。主要解决现有稀疏阵列阵元互耦大以及物理阵列孔径不够大的问题。其技术方案是：首先，根据给定的阵元数R确定与改进型互质阵列两子阵列阵元数相关的参数M及N；其次，根据M及N确定两均匀子阵列的阵元位置；最后，再在原点处添加一个阵元作为参考阵元。本发明可用于入射信源个数大于阵元数情况下的波达方向估计，并且能够减少阵元间的互耦效应，在不采用任何解耦算法的情况下仍具有良好的DOA估计性能。在相同阵元数下，本发明对应的改进型互质阵列具有更大的阵元间隔以及物理孔径，从而能够极大地降低阵元间的互耦，相比于传统的互质阵列具有更好的DOA估计性能。
-
公开(公告)号：CN112287784B
公开(公告)日：2022-05-31
申请号：CN202011121979.X
申请日：2020-10-20
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于深度卷积神经网络与特征融合的雷达信号分类方法，将雷达信号转换为时频图像；采用图像处理方法对时频图像进行预处理，并分别制作为数据集1和数据集2；利用两个改进的EfficientNet模型分别提取为数据集1和数据集2更有效的特征；设计一种多特征融合模型，充分利用不同特征之间的关系，对提取数据集1和数据集2的特征进行融合；采用Adam算法对网络参数进行优化；利用SoftMax分类器获取分类结果。本发明能更充分提取雷达信号特征，从而提高雷达信号在低信噪比环境下的识别性能，可用于复杂电磁环境下的雷达信号识别等电子对抗中。
-
公开(公告)号：CN113343796B
公开(公告)日：2022-04-05
申请号：CN202110569016.4
申请日：2021-05-25
Applicant: 哈尔滨工程大学
Abstract: 本发明属于深度学习与雷达信号调制识别技术领域，具体涉及一种基于知识蒸馏的雷达信号调制方式识别方法。本发明结合知识蒸馏的思想，利用知识蒸馏的网络压缩方法设计轻量化网络，对设备内存要求低，有利于集成到芯片，部署到终端设备。本发明提出利用两个教师网络完成知识蒸馏训练，将低信噪比情况下时频结构受损严重的雷达信号单独训练第二教师网络，得到软标签作为监督信息，能够提高轻量化网络在低信噪比情况下的识别正确率。本发明所提到的网络都采用的是残差网络，能够提取到时频图像更深层的特征，对多种雷达信号具有良好的适应性。本发明在使识别网络轻量化的同时，能够在较低信噪比下对雷达信号的调制方式有较高的识别正确率。
-
公开(公告)号：CN112287784A
公开(公告)日：2021-01-29
申请号：CN202011121979.X
申请日：2020-10-20
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于深度卷积神经网络与特征融合的雷达信号分类方法，将雷达信号转换为时频图像；采用图像处理方法对时频图像进行预处理，并分别制作为数据集1和数据集2；利用两个改进的EfficientNet模型分别提取为数据集1和数据集2更有效的特征；设计一种多特征融合模型，充分利用不同特征之间的关系，对提取数据集1和数据集2的特征进行融合；采用Adam算法对网络参数进行优化；利用SoftMax分类器获取分类结果。本发明能更充分提取雷达信号特征，从而提高雷达信号在低信噪比环境下的识别性能，可用于复杂电磁环境下的雷达信号识别等电子对抗中。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.032 seconds)
