-
公开(公告)号：CN119716787A
公开(公告)日：2025-03-28
申请号：CN202510048856.4
申请日：2025-01-13
Applicant: 哈尔滨工程大学
Abstract: 一种基于多通道矢量数字波束形成和比幅的信号方位估计方法，它属于数字信号处理技术领域。本发明解决了传统数字波束形成算法无法应用于共形天线阵列测向的问题。本发明具体为：步骤一、布置由共形天线阵元组成的共形天线阵列模型；步骤二、对共形天线阵列模型的接收极化信号进行矢量数字波束形成，形成多个不同指向的波束；步骤三、对步骤二中形成的不同指向波束进行搜索，搜索出最大波束对应的极化参数和入射方向；步骤四、根据步骤三搜索出的极化参数和入射方向来选取三个波束，利用选取出的三个波束进行比幅，得到入射电磁波信号的最终入射角度估计结果。本发明方法可以应用于信号方位估计。
-
公开(公告)号：CN119395627A
公开(公告)日：2025-02-07
申请号：CN202411539541.1
申请日：2024-10-31
Applicant: 哈尔滨工程大学
Abstract: 基于多个线极化天线的相位干涉仪DOA和极化参数联合估计方法，它属于雷达信号处理技术领域。本发明解决了现有方法的解模糊概率低、信号DOA和极化参数估计精度低的问题。本发明采用接收数据协方差矩阵高阶幂的方法进行噪声方差和信号功率估计，降低了复杂度。针对极化失配导致解模糊概率受限的问题，本发明首先采用了长基线解短基线的方法降低了相位差误差，然后利用多基线相位加权解模糊的方法，利用所有基线的相位差和幅度信息进行极化域相位差和空域相位差解耦合，从而提高了解模糊概率，并通过LMMSE方法来降低功率估计误差，提高信号DOA和信号极化参数估计的精度。本发明方法可以应用于相位干涉仪DOA和极化参数的联合估计。
-
公开(公告)号：CN119104981A
公开(公告)日：2024-12-10
申请号：CN202411423823.5
申请日：2024-10-12
Applicant: 哈尔滨工程大学
IPC: G01S3/46
Abstract: 一种基于多个线极化天线的相位干涉仪设计方法，它属于阵列信号处理技术领域。本发明解决了现有极化干涉仪的极化失配、极化参数测量的鲁棒性和精度低的问题。本发明的线极化天线间距设计准则是测向精度和测量相位差误差。线极化天线极化指向角设计准则是接收线极化天线极化参数组成矩阵的超体积。由于本发明的接收线极化天线的极化指向角是多样的，入射信号的极化和接收线极化天线不会都正交，避免了极化失配现象的发生以及极端情况下无法估计DOA参数的问题，同时提升了极化参数测量的鲁棒性和精度，在宽频带范围内能够获得更优越的解模糊性能和DOA估计精度。本发明方法可以应用于相位干涉仪设计。
-
公开(公告)号：CN114021603B
公开(公告)日：2024-05-31
申请号：CN202111241408.4
申请日：2021-10-25
Applicant: 哈尔滨工程大学
IPC: G06F18/24 , G06N3/0464 , G06N3/084
Abstract: 本发明属于雷达信号调制方式识别技术领域，具体涉及一种基于模型重参数化的雷达信号调制方式识别方法。本发明可以将训练过程中的多分支结构等价转换为推理时的单路结构从而提高模型的推理效率，并降低计算成本，同时不影响训练模型的识别精度，适用于计算资源受限的移动或嵌入式平台。本发明采用的多分支结构在训练时可以达到更好的分类效果，可以在提高对雷达信号的识别性能的同时，提高算法的推理效率，便于在嵌入式设备或专用芯片中部署。
-
公开(公告)号：CN118011312A
公开(公告)日：2024-05-10
申请号：CN202410169722.3
申请日：2024-02-06
Applicant: 哈尔滨工程大学
IPC: G01S3/14
Abstract: 基于多极化矢量天线阵列的DOA估计及信号分选方法，涉及雷达信号处理技术领域。本发明是为了解决现有极化干涉仪系统的DOA估计方法估计精度低、硬件系统受限，以及现有信号分选方法准确率低、复杂度高问题。本发明包括：构建多极化矢量天线阵列，获得电磁波信号入射到多极化矢量天线阵列接收到的信号功率的估计值#imgabs0#利用#imgabs1#获取功率‑极化参数的估计值#imgabs2#利用#imgabs3#获取偶极子天线间的极化域相位差和空域相位差，从而获得DOA参数的估计值；利用DOA参数的估计值和#imgabs4#获取极化参数估计值；利用极化参数估计值和DOA参数估计值对脉冲信号进行分选。本发明用于DOA参数估计及信号分选。
-
Patent Agency Ranking
公开(公告)号：CN117849716A
公开(公告)日：2024-04-09
申请号：CN202311736583.X
申请日：2023-12-15
Applicant: 哈尔滨工程大学
IPC: G01S7/02 , G06F18/23211 , G06F18/22
Abstract: 一种基于自适应流聚类的多站时差信号分选方法，它涉及一种多站时差信号分选方法。本发明为了解决目前多站时差分选实时性不足的问题。本发明的步骤包括：步骤1、提取多站时差数据；步骤2、计算时差估计的误差；步骤3、静态聚类并设置自适应偏向参数；步骤4、曾批雷达簇检测与合并；步骤5、流聚类阈值自适应设置；步骤6、流聚类并实时更新聚类结果。本发明属于电子侦察技术领域。
-
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：CN111460051B
公开(公告)日：2020-11-20
申请号：CN202010253442.2
申请日：2020-04-02
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于树形结构与逐层次节点删减的数据关联方法，得到角度观测值；计算三站交叉定位结果；计算交叉定位点角度误差；逐层建立一个树形结构，并进行初步的节点删减；对树形结构进行进一步的逐层次节点删减；获取最终的数据关联组合；本方法综合利用节点的当前角度误差与数据组合累积角度误差进行节点删减，有效地降低了计算复杂度，较好地兼顾了数据关联准确率与计算实时性的要求；本发明通过建立树形结构，并对每一层节点进行逐层处理与删减，可以保证较高的统计关联准确率，并有较低的运算复杂度。相对遍历所有数据关联组合的暴力破解法，该方法计算复杂度较低，速度快，有效的保证了算法实时性。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.03 seconds)
