-
公开(公告)号：CN104407329A
公开(公告)日：2015-03-11
申请号：CN201410704941.3
申请日：2014-11-27
Applicant: 南京大学
Abstract: 本发明公开了一种用于区域检测的零副瓣二维脉冲压缩方法，设置二维编码对，首先找到两对一维的最佳二进序列偶(x1,y1),(x2,y2)，使用复合构造法可得二维编码对，其中一组用于编码发射信号，另一组用于编码压缩滤波器；将用于编码发射信号的编码对组成编码发射信号矩阵；取所探测区域之间的回波数据使用B进行滤波进行滤波，从回波数据矩阵中取出探测区域对应的列形成一个矩阵P，将P的第1列至第n列取出，形成一个矩阵Pk1，Pk1与B进行滤波，滑动处理直至将P滤完，经过时间T之后，进行下一次滤波并输出结果，直至完成整个过程；本发明的有益效果是使得二维离散编码信号可以用在雷达的发射和接收中。
-
公开(公告)号：CN103163517A
公开(公告)日：2013-06-19
申请号：CN201310087614.3
申请日：2013-03-19
Applicant: 南京大学
IPC: G01S13/58
Abstract: 本发明公开了一种基于回波相位检测的被测目标实时速度估计方法，步骤为：（1）对被测目标回波进行采样得到回波采样序列；（2）对回波序列进行相位差分运算一个新的序列；（3）对对步骤二所得序列尾部补零，并进行离散傅里叶变换；（4）找出步骤（3）结果的峰值位置并由此计算出回波序列的二次相位；（5）由回波二次相位计算出目标垂直于视线方向的运动速度并由回波序列的傅里叶变换求出目标沿视线方向运动的速度；（6）由步骤（5）结果求出目标运动的实时速度。本发明解决了传统研究多普勒频移无法计算目标垂直于视线方向速度的问题，对实际应用中如利用声纳或雷达回波分析目标速度有很大的作用。
-
公开(公告)号：CN103152575A
公开(公告)日：2013-06-12
申请号：CN201310087435.X
申请日：2013-03-19
Applicant: 南京大学
Abstract: 本发明公开了一种基于图像互补的信息隐藏方法，包括如下步骤：产生原始图像；产生与所述原始图像对应的互补图像；选择冗余图像并将原始图像、互补图像和冗余图像传输至显示设备，并同步控制开关眼镜的开关；开关眼镜过滤互补图像和冗余图像，从而观察到原始图像。本发明还公开了一种基于图像互补的信息隐藏系统。本发明可以很好地达到信息隐藏的目的。
-
公开(公告)号：CN102879642A
公开(公告)日：2013-01-16
申请号：CN201210425756.1
申请日：2012-10-31
Applicant: 南京大学
IPC: G01R23/12
Abstract: 本发明提供了一种频率估计方法，是一种可以实现正弦信号频率估计的快速而准确的方法。本发明摆脱了正弦信号频率估计的传统思路，揭示了一种新的正弦信号频率估计方法，基于傅立叶变换，以频域置零、时域取相位等关键技术提取相位信息，用相位信息准确地估计出正弦信号频率。该方法原理简单，算法实用，无插值运算，对被检测信号的频率要求不高。本发明实现简单，精确度高，同时适用于高、低信噪比的环境，便于硬件实现，能实时处理，克服了现有技术的缺点和不足，符合国内外未来发展趋势，应用前景广阔。
-
公开(公告)号：CN101782647A
公开(公告)日：2010-07-21
申请号：CN201010107838.2
申请日：2010-02-09
Applicant: 南京大学
IPC: G01S7/40
Abstract: 本发明公开了一种动态雷达信号模拟器，该模拟器包括PC计算机、USB总线交互模块、FPGA控制与存储模块、数据输出与输入模块，PC计算机实现模拟信号数据的写入、时钟的选择，以及波形输出参数、数据输出格式控制信息的设置；PC计算机通过USB总线交互模块将数据和指令传输给FPGA控制与存储模块；FPGA控制与存储模块包括FPGA控制芯片、用来存储和转发的RAM和Flash Memory，FPGA控制芯片通过RAM作为数据转发通道，实现对Flash Memory的读写以及模拟数据输出；数据输出与输入模块通过长线发送器和长线接收器实现数据的输出与输入。本发明可以实时实现雷达模拟数据的生成以及时钟选择、波形输出参数、数据输出格式等控制信息的设置，灵活性好，满足了雷达信号模拟器个性化和实时性的需求。
-
Patent Agency Ranking
公开(公告)号：CN119513723A
公开(公告)日：2025-02-25
申请号：CN202411571820.6
申请日：2024-11-06
Applicant: 南京大学
IPC: G06F18/2415 , G01S13/88 , G06F18/214 , G06F18/213 , G06F18/2321 , G06F30/27 , G06F18/20 , G06N3/0464 , G06N3/084 , G06N7/01
Abstract: 本发明公开了一种基于深度贝叶斯聚类和类别关联的辐射源识别方法，包括将雷达数据输入仿真程序，构建辐射源数据集，数据集分别仿真得到训练集和测试集数据，构建一个类别判定模型，训练得到一个特征提取器，训练完成后固定网络参数用于后续的特征提取；构建一个基于时间序列的分类模型，用提取出来的脉冲重复间隔训练网络，网络收敛后固定参数用于后续的类别关联；构建一个用于不指定类别数目聚类的基于高斯模型的中国餐馆聚类算法，并得到聚类后的簇，在一个时间周期内计算簇间的距离以进行微簇合并；将上述聚类好的簇输入基于脉冲重复间隔构建的分类模型，实现类别关联。不仅适应了现实环境中复杂多变的信号环境，还提高了识别效率。
-
公开(公告)号：CN119513627A
公开(公告)日：2025-02-25
申请号：CN202411565651.5
申请日：2024-11-05
Applicant: 南京大学
IPC: G06F18/23 , G01S7/41 , G06F18/22 , G06F18/241
Abstract: 本发明公开了一种基于反距离加权在线聚类的雷达脉冲分选方法，属于雷达信号分选领域，包括步骤一，根据现代雷达信号的特点，用python来生成大量具有典型雷达信号多样性的脉冲样本；步骤二，将生成的脉冲数据集的前1000个全量预聚类；步骤三，剩余的脉冲数据进行单样本反距离加权相似度的实时信号分选，步骤四，对分选结果进行实时验证；步骤五，重复步骤三步骤四，直至全部数据分选完；步骤六，用增量Leader算法和非增量DBSCAN和BGMM算法重复步骤三步骤四，与本发明进行对比试验验证，本发明基于加权和的判别准则进行脉冲的聚类关联，克服了先验知识依赖的困扰，通过滑动平均技术动态更新簇中心，实现了更高的分选准确度。
-
公开(公告)号：CN119001708A
公开(公告)日：2024-11-22
申请号：CN202411135075.0
申请日：2024-08-19
Applicant: 南京大学
Abstract: 本发明公开了一种针对复杂机动目标的长时间相参积累方法，属于雷达信号处理技术领域，包括如下步骤：(1)将雷达接收机接收到的回波信号按照快速时域‑慢速时域排列，对信号在快速时域内进行脉冲压缩处理；(2)使用keystone变换对得到的信号分别做正序二阶keystone变换和逆序二阶keystone变换，将两段信号相乘，实现了快速频率与二阶慢速时间的解耦，并消除了一阶与三阶距离走动；(3)使用分数阶傅里叶变换对目标加速度进行估计，根据估计结果构造加速度补偿函数，补偿加速器引起的弯曲；(4)通过逆傅里叶变换将信号变换至快速时域，进行相参积累，对积累结果进行检测以提取目标信息。本发明解决了雷达对具有高阶运动模型的机动目标的长时间相参积累的问题。
-
公开(公告)号：CN116626587A
公开(公告)日：2023-08-22
申请号：CN202310578688.0
申请日：2023-05-22
Applicant: 南京大学
Abstract: 本发明公开了融合同步信号块扫描与多站测距外辐射源无人机定位方法，包括多站接收基站发射的同步信号块信号，获得空间波束扫描信息；通过计算参考信号接收功率与延时，确定同步信号块编号；将待测空间划分成均匀的子空间，计算目标在不同子空间处相对于各个接收站的延时及同步信号块编号，得到用于稀疏重构的字典矩阵；利用同步信号块编号与多站延时信息，通过贝叶斯压缩感知的方法对目标进行定位。本发明能有效地检测出基站信号覆盖范围内的目标，对于目标位置的检测具有有效性和优越性，结合波束扫描区域的划分与接收信号延迟信息，检测效果比仅用延时测量估计的准确度高，可应用于无人机、小型飞机等空中目标的定位检测。
-
公开(公告)号：CN115953592A
公开(公告)日：2023-04-11
申请号：CN202310008133.2
申请日：2023-01-04
Applicant: 南京大学
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于变分自编码器VAE的太赫兹安检图像识别方法，包括将采集的太赫兹安检图像数据输入至变分自编码器中，进行数据的重构；采用DenseNet‑201作为骨干网络，后接双注意力模块(Dual‑Attention)和度量学习模块(Center Loss)，双注意力模块负责引导骨干识别网络关注有用信息和减少不重要信息的权重，以达到改善网络识别性能的作用，度量学习模块通过增加类间距离和减少类内距离解决图像数据之间的特征相似度较高问题，从而提高聚类和泛化、识别性能，并且优化了骨干网络的损失函数；实现太赫兹安检图像数据的增强，降低过度拟合的风险，增强网络的泛化能力，进一步提高网络的识别精度和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.023 seconds)
