公开(公告)号：CN116165626A

公开(公告)日：2023-05-26

申请号：CN202310212869.1

申请日：2023-03-08

Applicant: 哈尔滨工程大学

Inventor： 张家林 ,  吕永胜 ,  孙殿星 ,  李鸿文 ,  武星蕊

IPC: G01S7/41 ,  G01S7/36 ,  G06F18/24 ,  G06F18/213 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于YOLOv5的雷达有源复合干扰的识别方法。雷达干扰抑制是是目前电子战中面临的现实问题，而对雷达干扰的识别是解决这一问题的关键问题。本发明即立足于解决此类问题，首先，对单种类干扰及多种交互复合干扰进行特征分析，提取时‑频联合分布图作为二维特征判决依据；在此基础上将时‑频联合分布图作为输入使用YOLOv5卷积神经网络进行训练，提取干扰信号的时频图特征，利用训练好的网络对其干扰进行识别并在时频域对干扰进行定位。本发明可有效的提高在复杂背景下的干扰信号的识别率，且运算量小，可同时识别多种干扰，且相比传统方法可以提供更多的干扰信息，且工程实现容易，具有推广价值。

公开(公告)号：CN116359854A

公开(公告)日：2023-06-30

申请号：CN202310290381.0

申请日：2023-03-23

Applicant: 哈尔滨工程大学

Inventor： 武星蕊 ,  彭锐晖 ,  孙殿星 ,  欧阳亚雄 ,  韦文斌

IPC: G01S7/36 ,  G01S7/41 ,  G01S13/88

Abstract: 本发明属于雷达抗干扰技术领域，具体涉及一种基于YOLOv5的防空警戒雷达复合干扰参数估计方法。本发明首先输入含有复合干扰的雷达接收信号，提取单种类干扰以及交互复合干扰的时频特征图；将单种类干扰的时频联合分布图做数据标注，标定锚框，并加入少量交互复合干扰的时频联合分布图用于提升数据集的多样性，使用YOLOv5卷积神经网络进行训练，提取时频联合分布图中干扰信号的特征；利用卷积神经网络自动提取的特征识别干扰信号，给出判断概率，显示单种干扰及交互复合干扰的类型并利用锚框完成时频信息初步定位；最后综合卡方统计检验、局部搜索并回归、频域切片内插方法对干扰载频、相对时延、多普勒频移进行了精确估计。