-
公开(公告)号：CN111652183A
公开(公告)日：2020-09-11
申请号：CN202010565503.9
申请日：2020-06-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于图传信号多特征融合的无人机检测与识别方法，其特征在于，包括如下步骤：1）信号采集；2）分段信号FFT处理；3）分段频谱重建；4）信号累积；5）阈值建立；6）循环判断；7）疑似OFDM信号判断；8）滑动移位循环自相关算法；9）建立特征库10）信号识别。这种方法能够在低信噪比下对无人机进行识别，具有较高的识别率，易于实际工程。
-
公开(公告)号：CN111639595A
公开(公告)日：2020-09-08
申请号：CN202010473731.3
申请日：2020-05-29
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于权重不可知神经网络的无人机微动特征信号检测方法，其特征是，包括如下步骤：1）计算信号的循环谱；2）通过MATLAB处理得到循环谱等高图，并选择观测区域；3）训练权重不可知神经网络；4）利用训练好的权重不可知神经网络进行微动特征识别。这种方法有很好的抗干扰性，神经网络的结构更简单，计算量更小，对无人机微动特征信号识别的准确率更高。
-
Patent Agency Ranking
公开(公告)号：CN111628833A
公开(公告)日：2020-09-04
申请号：CN202010523557.9
申请日：2020-06-10
Applicant: 桂林电子科技大学
IPC: H04B17/10 , H04B17/20 , H04B7/0413 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于卷积神经网络的MIMO天线数目估计方法，包括合作通信方的MIMO天线系统和第三方非合作通信接收方，其中，合作通信MIMO天线系统双方采用多天线发射和接收信号，非合作方采用单天线接收信号，非合作接收方包括如下步骤：1）信号的分类打包；2）模型构建；3）训练；4）测试；5）评价；6）调整。这种方法能提高对MIMO发射天线数目的估计准确率。
-
公开(公告)号：CN112731367B
公开(公告)日：2023-07-14
申请号：CN202011506299.X
申请日：2020-12-18
Applicant: 桂林电子科技大学
IPC: G01S13/58
Abstract: 本发明公开了基于涡旋电磁波的旋翼目标特征分析及提取方法，其特征是，包括如下步骤：S1建立涡旋电磁波对旋翼目标的回波数学模型；S2回波信号的特征分析；S3分别发射正负模态数的涡旋电磁波，计算回波信号中的总多普勒；S4和差运算；S5改变涡旋电磁波模态数，重复步骤S3、S4；S6整理微多普勒频率和旋转多普勒频率。这种方法能分离出微多普勒频率和旋转多普勒频率，对旋翼目标的探测和识别准确率高。
-
公开(公告)号：CN111639595B
公开(公告)日：2022-03-18
申请号：CN202010473731.3
申请日：2020-05-29
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于权重不可知神经网络的无人机微动特征信号检测方法，其特征是，包括如下步骤：1）计算信号的循环谱；2）通过MATLAB处理得到循环谱等高图，并选择观测区域；3）训练权重不可知神经网络；4）利用训练好的权重不可知神经网络进行微动特征识别。这种方法有很好的抗干扰性，神经网络的结构更简单，计算量更小，对无人机微动特征信号识别的准确率更高。
-
-
公开(公告)号：CN112731367A
公开(公告)日：2021-04-30
申请号：CN202011506299.X
申请日：2020-12-18
Applicant: 桂林电子科技大学
IPC: G01S13/58
Abstract: 本发明公开了基于涡旋电磁波的旋翼目标特征分析及提取方法，其特征是，包括如下步骤：S1建立涡旋电磁波对旋翼目标的回波数学模型；S2回波信号的特征分析；S3分别发射正负模态数的涡旋电磁波，计算回波信号中的总多普勒；S4和差运算；S5改变涡旋电磁波模态数，重复步骤S3、S4；S6整理微多普勒频率和旋转多普勒频率。这种方法能分离出微多普勒频率和旋转多普勒频率，对旋翼目标的探测和识别准确率高。
-
-
-
-
-
-
Search Results
27
records
(took 0.044 seconds)
