-
公开(公告)号：CN116299190A
公开(公告)日：2023-06-23
申请号：CN202310054671.5
申请日：2023-02-03
Applicant: 哈尔滨工程大学
Abstract: 基于神经网络的雷达信号频率快速检测方法，涉及电子侦察与干扰技术领域，针对现有技术中不能对信号频率进行快速检测的问题，与现有技术相比，本申请针对不能对信号频率进行快速检测的问题，提出基于神经网络的雷达信号频率快速检测方法。本申请可以实现对雷达信号载波频率的快速检测，结构简单，便于硬件实现。本申请适应的信号范围0.1GHz～3.4GHz，雷达信号载波频率测量均方误差(RMSE)小于3MHz。
-
公开(公告)号：CN115801500A
公开(公告)日：2023-03-14
申请号：CN202211236465.8
申请日：2022-10-10
Applicant: 哈尔滨工程大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种高阶大规模MIMO信号检测方法，首先，初始化大规模MIMO系统的相关参数，并给出初始解；其次，利用外推技术加速多用户干扰消除算法；再次，引入数据驱动的深度学习方法，将加速的多用户干扰消除算法进行展开，构建AMIC‑Net(Accelerated Multiuser Interference CancellationNetwork)神经网络模型；然后，设计一个新的阶梯型激活函数SoftSum(·)；最后，对构建的AMIC‑Net神经网络模型进行训练并用于高阶大规模MIMO信号检测。本发明提出的方法能够有效满足高阶大规模MIMO对检测精度和速度的要求，能够大幅度提高传统多用户干扰消除算法的检测性能及收敛速度，并且适用于高阶调制的通信场景。
-
公开(公告)号：CN115598602A
公开(公告)日：2023-01-13
申请号：CN202211415285.6
申请日：2022-11-11
Applicant: 哈尔滨工程大学(CN)
IPC: G01S7/36
Abstract: 一种基于生成对抗网络的雷达抗有源压制干扰方法，涉及雷达抗干扰技术领域。本发明是为了解决传统的雷达抗干扰方法复杂度高，面对复杂干扰场景时干扰抑制效果效差，甚至目标回波信息缺失，抗干扰能力失效的问题。本发明将雷达回波真实信号输入至训练好的生成对抗网络，获得去除干扰后的目标回波信号。本发明利用非线性拟合能力，生成与目标回波信号有相似数据分布的信号，在雷达探测存在有源压制干扰的场景下，从雷达回波信号中去除干扰信号，恢复出目标回波信号。本发明不需要对接收到的回波信号进行多域处理，能够直接实现对回波信号的干扰抑制，恢复出目标回波信息，能够应对复杂多变的电磁干扰环境。
-
公开(公告)号：CN113325375B
公开(公告)日：2022-12-13
申请号：CN202110569844.8
申请日：2021-05-25
Applicant: 哈尔滨工程大学
IPC: G01S7/38
Abstract: 本发明提供一种基于深度神经网络的自适应对消方法，1)定义接收天线接收的信号模型，包括发射信号功率Pf，功率放大器非线性失真函数G[·]以及载波中心频率fc；2)定义非线性功率放大器的模型；3)将目标信号进行非线性建模，使用大量数据对DNN网络进行训练；4)把原参考信号通过训练好的网络后生成的信号作为新参考信号输入自适应滤波器；5)对比自适应滤波器对消前后的信号。本发明利用大量训练先验信息模拟雷达干扰机功率放大器的非线性特性，解决干扰问题，这种方法直接估计信号的幅度，用大量的数据来减少算法步骤。
-
公开(公告)号：CN113726350B
公开(公告)日：2022-11-01
申请号：CN202110908254.3
申请日：2021-08-09
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于深度神经网络的强相关自干扰对消方法，将DNN神经网络引入到收发同时系统强相关自干扰对消系统中，采用DNN神经网络拟合自适应对消系统模型，替代传统的自适应滤波算法，提出了基于DNN的强相关自干扰对消方法。该方法摒弃了传统的自适应算法，通过训练好的DNN网络模型，该系统模型可以实现对强相关自干扰信号的有效消除，从而可以更准确的从强相关自干扰信号中恢复出目标信号。
-
Patent Agency Ranking
公开(公告)号：CN115037319A
公开(公告)日：2022-09-09
申请号：CN202210293249.0
申请日：2022-03-23
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种侦察、干扰、探测、通信射频一体化集成装置，本发明侦察、干扰、探测、通信一体化设备采用八个共形天线，可以对0.4GHz～4GHz频段内的辐射源信号进行被动探测；通过另外一组八个共形天线，可以对4GHz～18GHz频段内的辐射源信号进行电子侦察与干扰；利用4GHz～18GHz频段内的共形天线，可以将通信模式集成到整体设备上，与干扰模式共用一个链路，可通过程序控制进行切换，即可实现将通信模式集成到一体化设备。
-
公开(公告)号：CN114942415A
公开(公告)日：2022-08-26
申请号：CN202210541063.2
申请日：2022-05-17
Applicant: 哈尔滨工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于自编码器的多频段子带信号融合方法，将深度神经网络用于信号融合，在发射端发射多子带线性调频信号，在接收端对接收的多子带回波信号进行去斜处理得到多子带距离包络，将全频带包络作为训练数据输入全频带自编码器，得到全频带解码器与全频带编码；再将多子带距离包络和全频带编码分别作为训练数据与标签送入DNN训练，得到多子带编码器；最后将多子带编码器与全频带解码器组合为自编码器，这样就可以将任意一组多子带距离包络输入自编码器，即可得到全频带的距离包络，提升信号的利用率，提高距离分辨率。
-
公开(公告)号：CN114584236A
公开(公告)日：2022-06-03
申请号：CN202210170656.2
申请日：2022-02-24
Applicant: 哈尔滨工程大学
IPC: H04B17/391 , H04W24/06 , H04B7/0413 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于RIGS算法的大规模MIMO系统检测模型构建方法，其步骤包括：S1：采用交替迭代的方式将Richardson(RI)算法和Gauss‑Seidel(GS)算法相结合，得到RIGS迭代算法；S2：引入模型驱动的深度学习方法，将RIGS算法进行展开，并加入可训练向量，构造RGNet(RI and GS Network)检测网络；S3：对构建的网络进行训练，得到训练后的检测模型。本发明设计的RGNet检测模型可以显著降低空间相关性对检测精度的影响，并且能够快速收敛到精确解。
-
公开(公告)号：CN108614242B
公开(公告)日：2022-04-05
申请号：CN201810248924.1
申请日：2018-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于多目标蚁狮优化的雷达通信一体化波形设计方法，包括：确立雷达通信一体化波形设计适应度函数；初始化蚂蚁种群和蚁狮种群，确定多目标蚁狮优化迭代次数；初始化各蚂蚁适应度值，初始化精英蚁狮位置；更新蚂蚁位置；计算种群中蚂蚁适应度值；更新存储空间，对超出存储空间容量的情况进行处理；更新蚁狮位置和精英蚁狮位置；判断是否达到多目标蚁狮优化迭代次数，若达到，停止搜索，随机选择一组帕累托最优解作为一体化波形参数；否则重复执行。本发明考虑了一体化波形应用中的盲区范围和信息传输速率，更能够满足实际工程需要，在蚂蚁进化过程中有蚁狮和精英蚁狮共同指导，有效避免寻优过程中陷入局部最优，提高收敛准确性。
-
公开(公告)号：CN108492317B
公开(公告)日：2022-01-11
申请号：CN201810165065.X
申请日：2018-02-28
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于阿基米德螺线作为观测矩阵的红外图像重构方法，包含如下步骤：步骤(1)：读入所需重构维度为N×N的红外图像，根据维度定义阿基米德螺线极坐标方程；步骤(2)：在阿基米德螺线上均匀地采集N2个点，构造一个确定的序列；步骤(3)：利用确定的序列构造确定性矩阵作为所需重构维度为N×N的红外图像的初始观测矩阵；步骤(4)：根据采样率构造确定性矩阵的维度M×N，得到确定性观测矩阵，再利用确定性观测矩阵重构红外图像。本发明将CS理论引入到红外成像系统中，获得高分辨率重构红外图像，使获得的重构红外图像包含更多有价值的目标信息，有助于后续的目标检测、识别和跟踪工作。且重构误差明显减小，峰值信噪比值明显提高。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.053 seconds)
