公开(公告)号：CN109254274A

公开(公告)日：2019-01-22

申请号：CN201811409321.1

申请日：2018-11-23

Applicant: 哈尔滨工程大学

Inventor： 高敬鹏 ,  刘凡 ,  郜丽鹏 ,  武超群 ,  蒋伊琳 ,  赵忠凯 ,  白锦良 ,  秦鹏

IPC: G01S7/41

Abstract: 本发明涉及一种基于特征融合的雷达辐射源辨识方法，产生雷达辐射源无意调制信号集；提取AR模型系数、Renyi熵特征、谱峭度特征；计算平滑伪维格纳分布，生成时频图像，进行灰度化和自适应二值化处理，得到自适应二值化图像；提取图像的伪Zernike矩和Hu矩特征；应用AlexNet卷积神经网络提取信号时频图像无意调制特征并分别归一化，进行特征融合，得到融合后特征向量；将融合后特征向量输入支持向量机，训练由粒子群算法优化的支持向量机，将雷达辐射源信号集输入系统完成雷达辐射源辨识。本发明从时域、频域和时频域分析信号，实现多种无意调制特征全面提取，解决提取的无意调制特征适用性低、可靠性差和辐射源辨识困难。

公开(公告)号：CN109254274B

公开(公告)日：2022-12-13

申请号：CN201811409321.1

申请日：2018-11-23

Applicant: 哈尔滨工程大学

Inventor： 高敬鹏 ,  刘凡 ,  郜丽鹏 ,  武超群 ,  蒋伊琳 ,  赵忠凯 ,  白锦良 ,  秦鹏

IPC: G01S7/41

Abstract: 本发明涉及一种基于特征融合的雷达辐射源辨识方法，产生雷达辐射源无意调制信号集；提取AR模型系数、Renyi熵特征、谱峭度特征；计算平滑伪维格纳分布，生成时频图像，进行灰度化和自适应二值化处理，得到自适应二值化图像；提取图像的伪Zernike矩和Hu矩特征；应用AlexNet卷积神经网络提取信号时频图像无意调制特征并分别归一化，进行特征融合，得到融合后特征向量；将融合后特征向量输入支持向量机，训练由粒子群算法优化的支持向量机，将雷达辐射源信号集输入系统完成雷达辐射源辨识。本发明从时域、频域和时频域分析信号，实现多种无意调制特征全面提取，解决提取的无意调制特征适用性低、可靠性差和辐射源辨识困难。

公开(公告)号：CN109444832B

公开(公告)日：2023-02-14

申请号：CN201811250987.7

申请日：2018-10-25

Applicant: 哈尔滨工程大学

Inventor： 高敬鹏 ,  郑凯元 ,  郜丽鹏 ,  武超群 ,  蒋伊琳 ,  赵忠凯 ,  高路 ,  白锦良 ,  江志烨 ,  秦鹏

IPC: G01S7/38

Abstract: 本发明属于电子干扰技术领域，具体涉及一种基于多干扰效能值的群智能干扰决策方法；包括飞行器从电磁环境中获取侦测目标信息，利用组网雷达检测概率和定位精度的自适应加权和构建目标函数，通过群智能技术对目标函数寻优，将连续解离散化，同时引入遗传算法交叉思想，最终将生成的干扰策略送至飞行器干扰设备；本发明联合多指标对干扰效果进行评估，将组网雷达的检测概率和定位精度两个评估指标结合作为干扰决策目标函数，有效提高了计算目标函数值的可靠性，进而提升了干扰决策的正确性，同时，本发明结合自适应加权和方法与群智能算法，提高了算法的收敛速度，提高了寻优的适应性，降低了计算复杂度，并且增强了算法的全局搜索能力。

公开(公告)号：CN109444832A

公开(公告)日：2019-03-08

申请号：CN201811250987.7

申请日：2018-10-25

Applicant: 哈尔滨工程大学

Inventor： 高敬鹏 ,  郑凯元 ,  郜丽鹏 ,  武超群 ,  蒋伊琳 ,  赵忠凯 ,  高路 ,  白锦良 ,  江志烨 ,  秦鹏

IPC: G01S7/38

Abstract: 本发明属于电子干扰技术领域，具体涉及一种基于多干扰效能值的群智能干扰决策方法；包括飞行器从电磁环境中获取侦测目标信息，利用组网雷达检测概率和定位精度的自适应加权和构建目标函数，通过群智能技术对目标函数寻优，将连续解离散化，同时引入遗传算法交叉思想，最终将生成的干扰策略送至飞行器干扰设备；本发明联合多指标对干扰效果进行评估，将组网雷达的检测概率和定位精度两个评估指标结合作为干扰决策目标函数，有效提高了计算目标函数值的可靠性，进而提升了干扰决策的正确性，同时，本发明结合自适应加权和方法与群智能算法，提高了算法的收敛速度，提高了寻优的适应性，降低了计算复杂度，并且增强了算法的全局搜索能力。