公开(公告)号：CN107656245B

公开(公告)日：2020-12-04

申请号：CN201710722269.4

申请日：2017-08-22

Applicant: 哈尔滨工程大学

Inventor： 郭立民 ,  张艳苹 ,  陈涛

IPC: G01S7/28

Abstract: 本发明公开了一种将信息融合应用到雷达信号分选中的方法，属于雷达信号处理领域。本发明在雷达信号分选前对脉冲描述字(PDW)进行数据级融合，在分选后对分选结果进行了特征级融合。在数据级融合中提出了基于一级脉冲到达时间(TOA)差匹配的时间对准方法，对同时到达的脉冲应用D‑S证据理论判关联以获得新的PDW；在特征级融合中将描述同一雷达的参数统一并对分选结果进行可信度排序。解决了单一接收设备接收脉冲丢失可能存在的分选失败，以及分选后同一部雷达描述参数不完全相同的问题。仿真结果表明通过数据级融合能有效提高雷达信号分选的成功率，特征级融合的应用可以获得更简洁直观的辐射源信息。

公开(公告)号：CN107656245A

公开(公告)日：2018-02-02

申请号：CN201710722269.4

申请日：2017-08-22

Applicant: 哈尔滨工程大学

Inventor： 郭立民 ,  张艳苹 ,  陈涛

IPC: G01S7/28

CPC classification number: G01S7/28

Abstract: 本发明公开了一种将信息融合应用到雷达信号分选中的方法，属于雷达信号处理领域。本发明在雷达信号分选前对脉冲描述字(PDW)进行数据级融合，在分选后对分选结果进行了特征级融合。在数据级融合中提出了基于一级脉冲到达时间(TOA)差匹配的时间对准方法，对同时到达的脉冲应用D-S证据理论判关联以获得新的PDW；在特征级融合中将描述同一雷达的参数统一并对分选结果进行可信度排序。解决了单一接收设备接收脉冲丢失可能存在的分选失败，以及分选后同一部雷达描述参数不完全相同的问题。仿真结果表明通过数据级融合能有效提高雷达信号分选的成功率，特征级融合的应用可以获得更简洁直观的辐射源信息。

公开(公告)号：CN108051781A

公开(公告)日：2018-05-18

申请号：CN201710722264.1

申请日：2017-08-22

Applicant: 哈尔滨工程大学

Inventor： 郭立民 ,  张艳苹 ,  陈涛

IPC: G01S7/02

Abstract: 本发明公开了一种基于DBN模型的雷达信号工作模式识别方法，属于雷达信号处理领域。包括以下步骤：通过对雷达信号时频域参数分析，选取合适特征；对输入特征进行归一化处理；将归一化后的各特征加入DBN网络训练，仿真分析识别效果。本发明从雷达工作在不同的工作方式、实现不同的功能时，其发射的脉冲信号存在特有的变化规律的角度出发，选取合适的时频域变化参数特征加入深信度网络(DBN)网络以完成雷达信号不同工作模式的分类识别。DBN作为深度学习的重要模型，具备无监督学习和有监督学习学习的优点，可自动发掘数据所蕴含的规律。仿真证明，基于DBN模型的模式识别可有效识别出雷达的多种工作类型，对电子对抗情报分析工作具有重要意义。