公开(公告)号：CN119667618A

公开(公告)日：2025-03-21

申请号：CN202411733194.6

申请日：2024-11-29

Applicant: 中国科学院上海微系统与信息技术研究所

Inventor： 孙培林 ,  赵宇 ,  陈鲁 ,  张伟豪 ,  杨清山

IPC: G01S7/40

Abstract: 本发明涉及一种轨道系统挂载SAR雷达模拟高速移动平台制导飞行方法，包括：S0搭建场景模型沙盘和制导飞行模拟系统，所述制导飞行模拟系统包括轨道系统、伺服转台系统和雷达系统，用来模拟高速移动平台制导飞行过程；S1控制伺服转台系统，使雷达系统按照设定的移动距离与移动速度沿所述轨道系统移动，同时采集场景模型沙盘上散射点目标的距离‑方位二维回波数据；S2对所述距离‑方位二维回波数据进行成像处理，获得回波成像图；S3将回波成像图与预设的先验光学图进行图像匹配与距离配准。本发明能够实现高仿真度模拟高速移动平台应用合成孔径雷达制导的仿真飞行。

公开(公告)号：CN119728357A

公开(公告)日：2025-03-28

申请号：CN202411712165.1

申请日：2024-11-27

Applicant: 中国科学院上海微系统与信息技术研究所

Inventor： 张伟豪 ,  赵宇 ,  孙培林 ,  杨清山 ,  陈鲁

IPC: H04L27/00 ,  G06F18/25 ,  G06F18/2431

Abstract: 本发明涉及一种基于多模态残差注意力网络的调制识别方法和装置，其中，方法包括：获取待识别的调制信号数据；对所述待识别的调制信号数据进行能量归一化和计算幅相数据处理，得到待识别的调制信号的幅度数据和相位数据；将上述数据输入至智能识别网络模型，得到待识别的调制信号数据的调制模式；其中，智能识别网络模型包括：多模态特征融合模块、基于ECA的残差网络模块、特征金字塔网络模块以及分类模块。本发明可以实现较多调制类型的识别，对信号的长度没有限制，解决了传统调制识别方法准确率不高、抗噪性能差的问题，同时减少了人工设计特征参数的工作量和不确定性。

公开(公告)号：CN119716772A

公开(公告)日：2025-03-28

申请号：CN202411719143.8

申请日：2024-11-28

Applicant: 中国科学院上海微系统与信息技术研究所

Inventor： 孙培林 ,  赵宇 ,  陈鲁 ,  张伟豪 ,  杨清山

IPC: G01S7/41 ,  G06F18/15 ,  G06F18/213 ,  G06F18/23 ,  G06F18/2415 ,  G06F18/2431 ,  G06F18/214 ,  G06F18/21 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/048

Abstract: 本发明涉及一种基于深度学习的雷达个体开集识别方法和装置，其中，方法包括：获取待识别的雷达个体信号；对待识别的雷达个体信号进行预处理，得到若干段序列信号；将若干段序列信号输入深度学习网络模型中，得到待识别的雷达个体信号的类别；其中，深度学习网络模型包括：特征提取模块，用于提取若干段序列信号的特征信息；长短期记忆网络模块，用于学习若干段序列信号的特征信息之间的特征关系；多层感知器模块，用于对长短期记忆网络模块输出的特征进行降维；分类模块，用于根据降维后的特征完成雷达个体信号的识别，得到待识别的雷达个体信号的类别。本发明不仅能够对已知类型的信号进行识别和分类，还能够对未知电磁信号进行识别。

公开(公告)号：CN119644273A

公开(公告)日：2025-03-18

申请号：CN202411746456.2

申请日：2024-11-29

Applicant: 中国科学院上海微系统与信息技术研究所

Inventor： 赵宇 ,  孙培林 ,  杨清山 ,  张伟豪 ,  陈鲁

IPC: G01S7/40

Abstract: 本发明涉及一种基于单阵元天线的宽频段目标雷达回波模拟装置及方法。其中，模拟装置包括：升降平台；收发天线单元，用于接收雷达辐射信号和发射模拟目标回波信号，所述收发天线单元置于升降平台顶端并跟随其连续运动，以模拟弹道目标的空间位置相对雷达的俯仰角；回波模拟模块，用于对收发天线单元接收到的雷达辐射信号作下变频处理后提取基带信号，进而对所述基带信号进行调制后作上变频处理，得到所述模拟目标回波信号并发送给收发天线单元。本发明能够在超大频率范围内侦收及转发雷达辐射信号，模拟多种频段雷达回波信号，且适应雷达捷变频工作模式。

公开(公告)号：CN119740004A

公开(公告)日：2025-04-01

申请号：CN202411733452.0

申请日：2024-11-29

Applicant: 中国科学院上海微系统与信息技术研究所

Inventor： 孙培林 ,  赵宇 ,  杨清山 ,  陈鲁 ,  张伟豪

IPC: G06F18/213 ,  G06F18/15 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的器件传输信号预测方法，包括以下步骤：S0将实采单路信号转换为正交分量表示的信号数据序列；S1构建基于深度学习的信号预测模型来根据所述信号数据序列预测器件输出信号；所述信号预测模型包括：卷积神经网络，用于对所述信号数据序列进行特征提取获得数据特征序列；LSTM模块，用于根据所述数据特征序列预测得到器件输出信号。本发明不仅能够极为精准地挖掘出信号传输器件的输入信号与输出信号之间复杂的非线性关系，实现对信号的高精度预测，而且其模型呈现小型化、轻量化的特点，在保证预测准确性的同时，极大地提升了预测速度，为信号传输预测领域提供了一种高效、实用且先进的解决方案。