-
公开(公告)号：CN115792849A
公开(公告)日：2023-03-14
申请号：CN202211476398.7
申请日：2022-11-23
Applicant: 哈尔滨工程大学
Abstract: 一种基于SAC算法的一维非均匀阵列设计方法及系统，本发明涉及基于SAC算法的一维非均匀阵列设计方法及系统。本发明的目的是为了解决现有在雷达被动测向系统中，天线数量的提升无疑能够提高测向精度，但是天线数量的增加也会使测向算法运算复杂度增加，以及现有阵列模型依旧受到阵元间距为固定半波长的约束的限制的问题。过程为：步骤一：构造测向精度性能评价标准；步骤二：构造测向分辨力性能评价标准；步骤三：构造阵列物理模型评价标准；步骤四：根据步骤一、步骤二和步骤三，构造阵列整体评价标准，对整体评价标准的目标函数进行求解，输出优化后的阵列摆放方式。本发明用于电子对抗领域。
-
公开(公告)号：CN113433955B
公开(公告)日：2023-01-17
申请号：CN202110780170.6
申请日：2021-07-09
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 有向切换拓扑下多AUV编队队形一致性控制方法，它属于多自主式水下航行器的协调控制技术领域。本发明解决了在随机切换拓扑和编队队形变换时，现有控制方法的鲁棒性和稳定性差的问题。本发明在有向切换拓扑和变换编队队形情况下，通过反馈线性化方法将AUV运动学模型和动力学模型转化为二阶积分器形式，并在控制算法中加入水下航行器之间的相对位置信息和速度阻尼器，形成编队队形控制律。多AUV编队收敛速度提高，可以形成稳定的编队队形的速度更快，在切换拓扑和队形变换的情况下，控制器可以保持很好的稳定性和鲁棒性，多AUV系统可以收敛到期望位置。本发明可以应用于对多自主式水下航行器的协调控制。
-
公开(公告)号：CN112114313B
公开(公告)日：2022-12-13
申请号：CN202011013966.0
申请日：2020-09-24
Applicant: 哈尔滨工程大学
IPC: G01S13/90
Abstract: 本发明提供结合正交匹配追踪算法的ISAR稀疏采样成像方法，通过发射一段完整信号，在接收端进行稀疏采样处理，通过稀疏的采样方式得到稀疏信号，然后采样后对稀疏的信号进行重构，再进行ISAR成像处理，可以得到更高质量的成像图形，且能提升信号采样频率的利用率。本发明不研究ISAR成像和OMP算法的新的方法，而是将OMP算法在采样方式上对采样信号进行处理，然后重构应用到ISAR成像领域来。本发明大大提升信号的利用率，并且能提升成像质量。
-
公开(公告)号：CN115453471A
公开(公告)日：2022-12-09
申请号：CN202211130703.7
申请日：2022-09-16
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于麻雀搜索算法的干扰探测一体化波形设计方法，该发明所述的方法首先根据干扰探测一体化信号时延分辨常数、多普勒分辨常数和脉冲压缩后信号幅度的离散程度联合最小化准则建立优化模型，构造相应的目标函数；利用麻雀搜索算法求解目标函数，从而得到优化的干扰探测一体化信号的方式。该方法设计出的一体化信号具有干扰性能的同时兼顾探测性能，不仅激发了电子对抗系统一机多能的潜能，增强了信号的隐蔽性；同时还证明麻雀搜索算法拥有更好的全局优化能力。为电子对抗系统在小型化、智能化、一体化发展的方向上提供了新的解决方案。
-
公开(公告)号：CN112130149B
公开(公告)日：2022-07-12
申请号：CN202011012635.5
申请日：2020-09-24
Applicant: 哈尔滨工程大学
IPC: G01S13/90
Abstract: 本发明提供一种结合正交匹配追踪算法的稀疏发射的ISAR成像方法，独立权利要求1。在发射端对发射信号进行稀疏处理，采样后得到稀疏的信号，然后对稀疏的信号进行重构，再进行ISAR成像处理，可以得到更高质量的成像图形，且能提升信号采样频率的利用率。本发明不研究ISAR成像和OMP算法的新的方法，而是将OMP算法在发射方式上对信号进行处理，然后重构信号应用到ISAR成像领域来。本发明可以大大提升信号的利用率，并且能提升成像质量。
-
Patent Agency Ranking
公开(公告)号：CN114200421A
公开(公告)日：2022-03-18
申请号：CN202111493579.6
申请日：2021-12-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种多频段子带信号融合方法，包括：接收N1组多频段子带回波信号和N1组全频带回波信号，将多频段子带回波信号的距离包络作为训练数据集，将全频带回波信号的距离包络作为训练标签集；将训练数据集和训练标签集组成训练样本送入DNN神经网络进行训练，训练完毕后，保存训练好的DNN神经网络模型；将待融合的多频段子带回波信号的距离包络输入训练好的DNN神经网络模型，得到融合后的全频带回波信号的距离包络。本发明可以输入多子带距离包络，直接得到宽带信号距离包络，提高了距离分辨率。通过训练网络，省去传统算法估计信号繁琐步骤，减少了子带预测过程中产生的误差。经过训练的网络可以批量获得更多测试结果，且精度更高。
-
公开(公告)号：CN113984061A
公开(公告)日：2022-01-28
申请号：CN202111241388.0
申请日：2021-10-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于因子图优化的UUV多海域综合导航系统设计方法以实现以惯导为核心的UUV多海域信息融合定位，该方法将海域分为浅海域、深远海域以及极区海域，通过分析各个海域的传感器可用性，对传感器进行最优组合以满足长航时多海域的情况。本发明解决UUV传统组合导航下只针对某一特定环境下的导航问题，长航时的能耗问题以及传感器异步异构问题。
-
公开(公告)号：CN113093124A
公开(公告)日：2021-07-09
申请号：CN202110370353.0
申请日：2021-04-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达干扰技术领域，具体涉及一种基于DQN算法的雷达干扰资源实时分配方法。本发明将DQN算法引入到无人机干扰样式资源分配中，克服了现有技术在动态、实时分配上的缺陷，实现了对无人机从任务开始到完成任务期间的干扰样式资源实时分配，可以用于处理雷达有多种工作模式转换的情形。
-
公开(公告)号：CN111931368A
公开(公告)日：2020-11-13
申请号：CN202010766650.2
申请日：2020-08-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于GRU粒子滤波的UUV目标状态估计方法，首先建立基于门循环单元(Gated Recurrent Units,GRU)的深度神经网络来拟合前一时刻目标测量状态与当前时刻目标实际状态之间的映射；该神经网络学习目标的动力学模型并识别测量噪声。该滤波器从测量状态中直接采样，以这些采样粒子来近似测量分布。然后，充分训练的神经网络用来预测各粒子的当前状态，从而根据蒙特卡洛思想估计出目标当前的状态。可解决UUV目标状态估计中，由目标复杂的动力学以及声呐测量的不确定性引起的，目标状态估计精度低以及估计不稳定的问题。
-
公开(公告)号：CN111624549A
公开(公告)日：2020-09-04
申请号：CN202010408859.1
申请日：2020-05-14
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供非共视条件下无源滤波跟踪方法，由观测信息及模型建立系统状态方程和量测方程；判断是否发生非共视情形，调整过程噪声矩阵及其附加系数；根据可视观测站个数，确定量测矩阵维数并进行滤波跟踪中的预测、估计及更新。本发明在跟踪过程中出现非共视情形，即观测站在各时刻接收到的目标信息量不均等，为保证连续跟踪，给定不同的阶段过程噪声及非线性过程噪声附加系数，实时调节对目标预测值与观测值的信任程度，并应用更适合非线性系统的UKF算法，使得跟踪效果更加优越。
-
-
-
-
-
-
-
-
-
Search Results
301
records
(took 0.029 seconds)
