-
公开(公告)号：CN101105836A
公开(公告)日：2008-01-16
申请号：CN200710072483.6
申请日：2007-07-06
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种运动背景的红外图像实时目标识别与跟踪器及方法。包括红外成像探测部件、红外图像信号处理部件、伺服控制部件和通信模块四个部分。采用红外热像仪采集数字化的红外图像，采用伺服控制部件控制搜索和跟踪视场内目标，采用红外图像信号处理部件实时地检测、识别与跟踪目标，采用1553B总线与上位机通信构成红外图像跟踪结果显示。能检测15公里以上的景深范围，能进行±18°度的大角度搜索和2°～6°度的小角度精确跟踪。具有检测距离远、探测范围广、定位精度高、识别能力强、实时目标跟踪、全天候工作等特点。
-
公开(公告)号：CN119646979A
公开(公告)日：2025-03-18
申请号：CN202411703324.1
申请日：2024-11-26
Applicant: 哈尔滨工程大学
Abstract: 一种基于等几何分析的管路支架结构的形状优化方法，它属于管道形状优化技术领域。本发明解决了现有管路支架结构的减振性能差的问题。本发明方法具体为：步骤1、从包含管路支架的图像中识别出管路支架边缘信息，从边缘信息中提取出轮廓线，并从轮廓线中提取出轮廓点作为控制点；对控制点坐标进行参数化描述，获得管路支架的二维平面参数化模型；步骤2、将二维平面参数化模型中控制点的横坐标作为设计变量，根据设计变量来建立目标函数；步骤3、基于目标函数和系统平衡方程建立形状优化数学模型；步骤4、对形状优化数学模型进行求解，根据各控制点的横坐标优化结果完成对管路支架结构的形状优化。本发明方法可以应用于管路支架结构的形状优化。
-
公开(公告)号：CN119471578A
公开(公告)日：2025-02-18
申请号：CN202411511102.X
申请日：2024-10-28
Applicant: 哈尔滨工程大学
IPC: G01S7/02 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0442 , G06N3/08 , G01S7/41
Abstract: 本发明公开了基于时频域特征融合网络多任务学习的雷达信号检测方法及系统，方法包括以下步骤：建立雷达信号数学模型，利用数学模型获取各种类型的雷达信号序列；对雷达信号序列进行处理，得到雷达信号I序列和雷达信号Q序列；对雷达信号I序列和雷达信号Q序列进行标注，并构建训练数据集；构建时频域特征融合网络，利用训练数据集对时频域特征融合网络进行训练，得到信号检测识别模型；获取待检测雷达信号，利用信号检测识别模型完成雷达信号检测。本发明通过对多种雷达信号进行组合建模分析，从信号I/Q的角度，采用时频域特征融合网络提取信号局部特征和全局特征，并且融合频域的特征来降低噪声对信号识别的影响。
-
公开(公告)号：CN115037319B
公开(公告)日：2024-09-03
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：CN114200421B
公开(公告)日：2024-08-23
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。
-
Patent Agency Ranking
公开(公告)号：CN118429721A
公开(公告)日：2024-08-02
申请号：CN202410653031.0
申请日：2024-05-24
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V20/10
Abstract: 本发明是一种基于域泛化的轻量化高光谱图像跨场景分类方法。本发明涉及图像处理分类技术领域，本发明获取高光谱数据，并构建跨场景数据集，搭建基于注意力机制辅助的级联瓶颈网络模型，得到若干在不同模型参数下的级联瓶颈网络模型；对若干在不同模型参数下的级联瓶颈网络模型进行训练；将若干在不同模型参数下的级联瓶颈网络模型在目标场景验证集上进行交叉验证，得到验证结果；从验证结果中筛选出分类效果最好的级联瓶颈网络模型作为目标分类模型，并通过目标分类模型对目标域的高光谱图像进行分类。本发明的基于注意力机制辅助的级联瓶颈网络模型只需要有限的源域样本即可完成训练，更加具有实际意义，鲁棒性也能够得到保证。
-
公开(公告)号：CN118133526A
公开(公告)日：2024-06-04
申请号：CN202410192190.5
申请日：2024-02-21
Applicant: 哈尔滨工程大学
IPC: G06F30/20 , G01S3/14 , G06F111/04
Abstract: 一种基于曲线映射的约束条件阵列设计方法及其系统，涉及阵列信号处理技术领域。为了解决如何设计一种在规定大小的孔径内，利用规定个数的阵元数摆放出一个最小阵元间距受限的非半波长、非均匀的无理数阵列的问题，而提出的一种基于曲线映射约束条件的阵列设计方法。设计方法为：确定阵列相关参数；根据确定的阵列相关参数，建立曲线映射模型，根据所述曲线映射模型求出曲线映射参量c；根据所述曲线映射参量c计算出各阵元位置；根据所述各阵元位置进行阵列测向。本发明适用于阵列信号处理领域中中的波达方向估计。
-
公开(公告)号：CN117214881A
公开(公告)日：2023-12-12
申请号：CN202310907783.0
申请日：2023-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达数据处理中的多目标跟踪技术领域，具体涉及一种复杂场景下基于Transformer网络的多目标跟踪方法。本发明利用航迹标签分配网络，将历史航迹与有效量测进行关联，即可在跟踪过程中得到每个被跟踪目标的航迹信息。本发明利用目标状态预测网络以及估计得到的检测概率确定有效量测筛选的概率阈值，该阈值会根据估计得到的检测概率自适应调整，使有效量测的筛选更加准确。在漏检发生时，使用目标状态预测值作为目标状态估计值，提高了对目标数目估计的稳定性。本发明利用估计检测概率确定的目标消亡阈值和目标新生阈值进行航迹管理，对错误跟踪的航迹及时进行终止并剔除，对正确跟踪的航迹进行终止，并对新生目标对应的航迹进行起始。
-
公开(公告)号：CN116243249A
公开(公告)日：2023-06-09
申请号：CN202310218280.2
申请日：2023-03-09
Applicant: 哈尔滨工程大学 , 上海无线电设备研究所
Abstract: 本发明提供一种基于深度强化学习的雷达智能干扰抑制决策方法，通过将深度学习网络与强化学习算法相结合，使得智能体雷达能够在一定底噪环境中与干扰机所释放的干扰信号不断进行博弈操作从而学习并优化干扰抑制策略；通过对抑制前后的回波信号进行脉压操作以验证抑制后恢复效果。此发明避免了人工判决在速度和准确性方面的不足，优化了传统强化学习算法需要Q‑Table进行成果存储调用的策略效果，提高了决策系统在干扰判决特征和干扰抑制动作方面的可拓展性。
-
公开(公告)号：CN110716574B
公开(公告)日：2023-05-02
申请号：CN201910934428.6
申请日：2019-09-29
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明属于UUV控制技术领域，具体涉及一种基于深度Q网络的UUV实时避碰规划方法。本发明使网络体系在复杂环境的局部避碰规划时具有自我学习的能力实现端到端模型，不对输入的声呐数据进行人工提取特征和特征匹配，直接从原始数据集上学习状态与动作的映射关系，将深度学习和强化学习相结合应用到避碰规划问题的解决上。本发明使用深度强化学习，无需像深度学习那样进行大规模的采样和做标签，也不像传统的方法需建立环境和UUV本身的数学模型，无需环境的模型，采用强化学习不会因为路径过于复杂而无法执行策略，使其在实际应用中缩短了项目的开发周期、实施更加简洁、高效、鲁棒性高。
-
-
-
-
-
-
-
-
-
Search Results
301
records
(took 0.084 seconds)
