-
公开(公告)号：CN109581359B
公开(公告)日：2023-04-28
申请号：CN201811607966.6
申请日：2018-12-27
Applicant: 电子科技大学
IPC: G01S13/86
Abstract: 本发明属于信息融合技术领域，涉及一种ESM无源信息与雷达有源信息关联的方法。本发明首先使用线性内插法，将ESM数据对准到雷达测量时刻；然后使用1NN最近邻分类建立关联判别函数，并利用类似纽曼‑皮尔逊准则，建立判别门限；再使用Dempster‑Shafer证据理论融合不同时刻的信息；最后使用硬判决确定关联矩阵。计算机仿真表明本发明经过一定时间积累具有较好的性能。
-
公开(公告)号：CN111505591B
公开(公告)日：2023-03-24
申请号：CN202010284374.6
申请日：2020-04-13
Applicant: 西安电子科技大学
IPC: G01S7/40
Abstract: 本发明公开了一种基于应答机制的相控阵和差通道误差校正系统，它由多个功能模块组成。其界面显控模块下发通道校正命令及阵面工作指令，显示各模块工作状态；任务命令调度模块中转各模块任务消息并进行任务分发与数据缓存；波束控制模块控制相控阵天线阵元通道工作状态；相控阵天线阵列模块控制阵列天线工作状态；天线信号合成模块对阵列天线阵元接收的信号进行幅度与相位加权及信号功率合成；射频数据采集模块将射频信号转为基带信号；数据预处理模块对和差网络传输的基带信号进行滤波及通道校正；通道校正模块控制和差通道信号增益、解算幅相影响因子和监测通道校正性能。本发明显示直观简洁，灵活性好，可靠性高，可用于对阵列及雷达信号处理。
-
公开(公告)号：CN115201768A
公开(公告)日：2022-10-18
申请号：CN202210655328.1
申请日：2022-06-10
Applicant: 西安电子科技大学
IPC: G01S7/38
Abstract: 本发明提供的一种基于循环一致性生成对抗网络的有源欺骗式干扰方法，在雷达距离‑多普勒域通过对雷达目标回波截取、间隔采样、相邻填充等一系列步骤可以生成虚假目标数量更多，干扰强度更强的C&I干扰和SMSP干扰信号序列作为判决标准，将不包含干扰的原始回波信号序列作为Cycle‑GAN模型的输入。Cycle‑GAN模型由一对GAN模型构成循环训练模型，可以实现在不降低生成器准确性的基础上提升GAN模型稳定性的效果，并且本发明通过将检测出的虚假目标个数与总目标数进行对比，以确定Cycle‑GAN模型的性能。因此本发明可以增强干扰能量，泛化干扰样式，得到在距离‑多普勒域难以识别的干扰效果。
-
公开(公告)号：CN112865915B
公开(公告)日：2022-07-12
申请号：CN202110005855.3
申请日：2021-01-05
Applicant: 西安电子科技大学
Abstract: 本发明提供了一种用于对抗深度学习的无线电信号伪造方法，解决了人工智能与电子对抗技术领域，基于深度学习的信号分类器难以对抗的技术问题。实现包括：对调制后的无线电信号随机生成候选对抗信号，将候选对抗信号作为初始父代种群，通过基于视觉限制的差分进化方法生成信号干扰方案集；采用基于深度学习的无线电信号分类器评估获得干扰信号和对抗信号，完成对抗信号伪造。本发明伪造的信号和原无线电信号具有极高的相似性，有效对抗基于深度学习的信号分类器，降低无线电信号调制类型分类精度。本发明伪造的信号在干扰信号未知的情况下，基本不影响无线电信号内容理解。用于军事领域电子对抗，防止无线电信号调制类型被识别。
-
公开(公告)号：CN109104307B
公开(公告)日：2021-06-04
申请号：CN201810843396.4
申请日：2018-07-27
Applicant: 电子科技大学
Abstract: 本发明属于网络通信领域，涉及一种动态数据链网络的关键节点感知方法。本发明的方法首先将数据链网络建模为无向网络，考虑网络中每条路径的赋权情况，计算网络中节点的最小通信权值，加权得到数据链网络的关键节点重要性排序结果，根据排序结果感知到关键节点。随着观测流量信息的不断更新，数据链网络拓扑结构动态变化的情况下，利用本发明提出的数据链网络关键节点感知方法，可以实时挖掘出该数据链网络的关键节点，即指挥节点。仿真中加入观测误差的影响，挖掘关键节点，方法简单，计算量小，效果良好。
-
Patent Agency Ranking
公开(公告)号：CN110517272A
公开(公告)日：2019-11-29
申请号：CN201910806358.6
申请日：2019-08-29
Applicant: 电子科技大学
Abstract: 本发明公开一种基于深度学习的血细胞分割方法，涉及生物医学图像处理和深度学习领域，包括如下步骤：构建数据集；构建血细胞显微图像数据集，并对其中的三类细胞(红细胞，白细胞，血小板)进行标注，训练神经网络：训练基于深度神经网络的血细胞显微图像的语义分割模型。本发明的有益效果是，将深度学习方法应用于血细胞显微图像的分割，提高了血细胞的分割准确率。
-
公开(公告)号：CN108282262B
公开(公告)日：2019-11-26
申请号：CN201711345203.4
申请日：2018-04-16
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于门控循环单元深度网络的智能时序信号分类方法，其实现步骤为：(1)构建编码调制联合时序信号；(2)生成训练样本集和测试样本集；(3)搭建门控循环单元深度网络模型；(4)设置门控循环单元深度网络的参数；(5)训练门控循环单元深度网络模型；(6)获得分类准确率。本发明不需要人工特征提取和大量先验知识，可以对一维信号进行自动的特征提取和准确的信号分类，具有复杂度低，分类结果准确、稳定等优点，可用于军事和民用通信领域中。
-
公开(公告)号：CN105898865B
公开(公告)日：2019-06-18
申请号：CN201610439442.5
申请日：2016-06-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开非线性非高斯条件下基于EKF和PF的协同定位方法。该方法获取目标节点与各基站的TOA原始数据，计算得到目标节点与各基站之间的距离；利用Wylie鉴别法判断是否有NLOS误差；TOA值做差得到TDOA值，重构TDOA值对应的距离差rm1；分别使用EKF算法和PF算法估算tk时刻目标节点的位置坐标；进行残差加权得到tk时刻的最终估计值；对所有时刻的位置坐标进行加权平滑即可得到最终定位结果。该方法较EKF更适用于非线性非高斯的定位环境，较PF有效避免了使用不正确数据，减少了计算量。该方法有效降低NLOS误差的影响，结合EKF和PF两者的优势，同时克服两者的不足，实现比较精确的定位。
-
公开(公告)号：CN109104307A
公开(公告)日：2018-12-28
申请号：CN201810843396.4
申请日：2018-07-27
Applicant: 电子科技大学
Abstract: 本发明属于网络通信领域，涉及一种动态数据链网络的关键节点感知方法。本发明的方法首先将数据链网络建模为无向网络，考虑网络中每条路径的赋权情况，计算网络中节点的最小通信权值，加权得到数据链网络的关键节点重要性排序结果，根据排序结果感知到关键节点。随着观测流量信息的不断更新，数据链网络拓扑结构动态变化的情况下，利用本发明提出的数据链网络关键节点感知方法，可以实时挖掘出该数据链网络的关键节点，即指挥节点。仿真中加入观测误差的影响，挖掘关键节点，方法简单，计算量小，效果良好。
-
-
-
-
-
-
-
-
Search Results
166
records
(took 0.035 seconds)
