基于盲压缩核字典学习的多分量雷达信号调制识别方法

    公开(公告)号:CN109991578B

    公开(公告)日:2022-05-20

    申请号:CN201910228253.7

    申请日:2019-03-25

    Abstract: 本发明提供的是一种基于盲压缩核字典学习的多分量雷达信号调制识别方法。采用Choi‑Williams时频分布(CWD)得到多分量雷达信号的时频矩阵,利用预处理技术降低时频矩阵的维度,同时引入盲压缩思想,运用贝努利随机矩阵进一步进行时频矩阵无损压缩,通过核字典学习算法将数据集从低维空间投影到高维空间,在不分离多分量信号的情况下对多信号进行表征,最后,将得到的稀疏系数向量送入支持向量机进行调制方式精准识别。本发明解决了多分量雷达信号调制识别过程中复杂度高、适应性弱、可靠性差、收敛速度慢的问题。

    基于凸组合自适应滤波算法的宽带信号对消方法

    公开(公告)号:CN106559092B

    公开(公告)日:2019-05-21

    申请号:CN201611064777.X

    申请日:2016-11-28

    Abstract: 本发明提供的是一种基于凸组合自适应滤波算法的宽带信号对消方法。一:接收到的混合信号由前端射频模块提取,分为IQ两路正交信号;二:对IQ正交信号分别进行解串降速处理,分为16个子模块,每个子模块内输入分为两路,一路输入检波模块,一路输入凸组合自适应滤波模块进行信号对消;三:对消信号具有转发式模块生成转发信号,转发信号分为两路,一路由天线端发射用以侦测或中继通讯,一路作为自适应模块参考信号反馈至自适应模块进行发射信号回波干扰的波形预测;四:重复二至三直至均方误差最小;五:将自适应对消结果输出。本发明提升了自适应滤波方案在宽带信号下的工作性能,消除了同频信号情况下的误判,计算复杂度较低,简单易行。

    基于凸组合自适应滤波算法的宽带信号对消方法

    公开(公告)号:CN106559092A

    公开(公告)日:2017-04-05

    申请号:CN201611064777.X

    申请日:2016-11-28

    CPC classification number: H04B1/1018 H04B1/1027 H04B1/123 H04B1/40

    Abstract: 本发明提供的是一种基于凸组合自适应滤波算法的宽带信号对消方法。一:接收到的混合信号由前端射频模块提取,分为IQ两路正交信号;二:对IQ正交信号分别进行解串降速处理,分为16个子模块,每个子模块内输入分为两路,一路输入检波模块,一路输入凸组合自适应滤波模块进行信号对消;三:对消信号具有转发式模块生成转发信号,转发信号分为两路,一路由天线端发射用以侦测或中继通讯,一路作为自适应模块参考信号反馈至自适应模块进行发射信号回波干扰的波形预测;四:重复二至三直至均方误差最小;五:将自适应对消结果输出。本发明提升了自适应滤波方案在宽带信号下的工作性能,消除了同频信号情况下的误判,计算复杂度较低,简单易行。

    一种基于态势空间的无人飞行器路径规划方法

    公开(公告)号:CN108759839B

    公开(公告)日:2020-12-04

    申请号:CN201810511768.3

    申请日:2018-05-25

    Abstract: 本发明提供的是一种基于态势空间的无人飞行器路径规划方法。一:无人飞行器实时侦测周围的环境信息,提取探测到的运动对象的状态信息;二:根据状态信息,求解出每个运动对象的态势空间,分析无人飞行器的物理约束,给出在机载坐标系下的约束空间;三:根据运动目标的收益函数获取跟踪策略;四:根据态势空间获取避开运动威胁的冲突避免策略;五:融合步骤三和四的策略加速度,生成新的控制加速度,并根据速度上界修正,然后根据到达点生成方法得到新的规划位置。本发明可以在高空稀疏的空间中,为机动性能极强的UCAV在跟踪目标时提供一条有效的无冲突路径。规划的路径不但满足实际的物理要求,能有效的与跟踪目标保持安全的飞行距离。

    一种基于概率数据关联的雷达信号分选方法

    公开(公告)号:CN106896348B

    公开(公告)日:2020-07-14

    申请号:CN201710027579.4

    申请日:2017-01-16

    Abstract: 本发明属于雷达信号分选技术领域,具体涉及一种基于概率数据关联的雷达信号分选方法。本发明包括:利用在杂波环境下一个采样周期的采样数据,用逻辑法确立初始雷达参数库;对采样数据进行联合概率数据关联,把确认矩阵拆分成互联矩阵,计算联合事件概率;计算联合事件概率:计算新息协方差、目标增益矩阵以及状态估计协方差;更新雷达参数库;重复步骤,直到本次采样数据关联完毕。应用本发明可以在信噪比较低和采样数据精确度有限的情况下正确而有效地得到稳定的雷达信号参数,将采样周期内各个时刻的采样点的数据与雷达库数据进行概率互联,并对雷达库参数进行预测和更新,达到在杂波与信号共存的情况下分选出准确的雷达信号的目的。

    基于盲压缩核字典学习的多分量雷达信号调制识别方法

    公开(公告)号:CN109991578A

    公开(公告)日:2019-07-09

    申请号:CN201910228253.7

    申请日:2019-03-25

    Abstract: 本发明提供的是一种基于盲压缩核字典学习的多分量雷达信号调制识别方法。采用Choi‑Williams时频分布(CWD)得到多分量雷达信号的时频矩阵,利用预处理技术降低时频矩阵的维度,同时引入盲压缩思想,运用贝努利随机矩阵进一步进行时频矩阵无损压缩,通过核字典学习算法将数据集从低维空间投影到高维空间,在不分离多分量信号的情况下对多信号进行表征,最后,将得到的稀疏系数向量送入支持向量机进行调制方式精准识别。本发明解决了多分量雷达信号调制识别过程中复杂度高、适应性弱、可靠性差、收敛速度慢的问题。

    一种基于态势空间的无人飞行器路径规划方法

    公开(公告)号:CN108759839A

    公开(公告)日:2018-11-06

    申请号:CN201810511768.3

    申请日:2018-05-25

    Abstract: 本发明提供的是一种基于态势空间的无人飞行器路径规划方法。一:无人飞行器实时侦测周围的环境信息,提取探测到的运动对象的状态信息;二:根据状态信息,求解出每个运动对象的态势空间,分析无人飞行器的物理约束,给出在机载坐标系下的约束空间;三:根据运动目标的收益函数获取跟踪策略;四:根据态势空间获取避开运动威胁的冲突避免策略;五:融合步骤三和四的策略加速度,生成新的控制加速度,并根据速度上界修正,然后根据到达点生成方法得到新的规划位置。本发明可以在高空稀疏的空间中,为机动性能极强的UCAV在跟踪目标时提供一条有效的无冲突路径。规划的路径不但满足实际的物理要求,能有效的与跟踪目标保持安全的飞行距离。

    一种针对性解决复杂电磁环境下的多目标跟踪数据关联问题的方法

    公开(公告)号:CN109298413A

    公开(公告)日:2019-02-01

    申请号:CN201811017254.9

    申请日:2018-09-01

    Abstract: 本发明属于电磁研究领域,具体涉及一种针对性解决复杂电磁环境下的多目标跟踪数据关联问题的方法,包括以下步骤:在某一采样时刻从目标空域获取所有的位置量测信息和其他特征参数信息,在现有各目标航迹的预测值周围设定扇形跟踪门,以此来判定所有量测的有效性,并从所有有效量测中筛选落入多个目标跟踪门交叉区域内的量测,即公共量测;本发明方法通过提高数据关联的准确性,提高多目标跟踪精度,可实现对敌方目标进行更加实时有效的跟踪;本发明方法具有很好的可拓展性,针对多种不同的跟踪算法,均可以采用该方法进行数据关联,并能使其滤波收敛速度得到明显提高;本发明方法可以适应多种非线性目标运动类型,鲁棒性较高。

    一种量测不可靠时的滤波初值获取方法

    公开(公告)号:CN108983205A

    公开(公告)日:2018-12-11

    申请号:CN201810511738.2

    申请日:2018-05-25

    Abstract: 本发明提供的是一种量测不可靠时的滤波初值获取方法。当信号检测系统接收到电磁波信号后,对信号进行分析处理,对目标进行定位。再采用三点法求取目标的速度和加速度,根据实际情况对求得的速度和加速度值进行判决修正,并将其修正值作为初始状态继续采用卡尔曼滤波算法对目标进行跟踪。本发明方法通过提高目标跟踪算法的收敛速度,可实现对目标进行更加实时有效的跟踪;具有很好的可拓展性,针对多种不同的滤波算法,均可以采用该方法确定滤波初始状态,并能使其滤波收敛速度得到明显提高;可以适应多种目标运动类型,鲁棒性较高。

    一种基于马尔可夫过程决策的认知干扰方法

    公开(公告)号:CN108710110A

    公开(公告)日:2018-10-26

    申请号:CN201810511830.9

    申请日:2018-05-25

    CPC classification number: G01S7/38

    Abstract: 本发明提供的是一种基于马尔可夫过程决策的认知干扰方法。首先干扰机通过检测雷达信号的主要变化,识别雷达的工作模式并且建立工作模式状态转移的马尔可夫链,然后利用合适的算法对建立的雷达工作模式转移马尔可夫链计算转移概率,最后将雷达工作模式转移概率转化为矩阵形式就对雷达下一个工作模式进行预测,从而使得干扰机能够最大限度的对雷达信号进行干扰。本发明针对雷达的工作模式,干扰机选择合适的干扰方式,使得干扰的效益达到最大;本发明未对雷达干扰威胁做出评估,避免了评估的不全面性和不准确性;本发明可以根据得到的雷达工作模式状态转移矩阵进一步预测雷达下一次的工作模式,使得干扰机能够占据主动位置。

Patent Agency Ranking