公开(公告)号：CN116522242B

公开(公告)日：2024-01-26

申请号：CN202310486489.7

申请日：2023-04-28

Applicant: 哈尔滨工程大学

Inventor： 林云 ,  王文言 ,  王芷淇 ,  徐从安 ,  窦峥 ,  王禹

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/10 ,  G06N3/047 ,  G06N3/08

Abstract: 一种基于扩散模型的辐射源信号识别方法，它涉及一种辐射源信号开集识别方法。本发明为了解决传统开集识别算法分布外检测效果差，算法复杂度高，识别功能鲁棒性差的问题。本发明的核心在于采用扩散模型对辐射源信号进行重构，并根据已知类数据集重构的统计学分布特点设定阈值以区分分布外数据，再通过低复杂的分类器获得识别结果，有效提高了开集场景下辐射源信号识别的准确性及鲁棒性。本发明属于数字信号处理技术领域。

公开(公告)号：CN119885067A

公开(公告)日：2025-04-25

申请号：CN202411866801.6

申请日：2024-12-18

Applicant: 哈尔滨工程大学 ,  上海微波设备研究所(中国电子科技集团公司第五十一研究所) ,  杭州电子科技大学丽水研究院

Inventor： 韩宇 ,  王文言 ,  蔡伟 ,  陈军 ,  刘则林 ,  王巨震 ,  喻麦琪 ,  林云

IPC: G06F18/25 ,  G01S7/02 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提出一种基于时序融合Transformer的雷达工作模式单步预测方法，属于雷达信号处理技术领域，解决了传统雷达工作模式预测中预测精度低、预测功能鲁棒性差的问题，具体步骤包括：对已获取的雷达脉冲信号进行变换域分析，构建雷达工作模式原始样本数据集；对雷达工作模式原始样本数据集中的时频图进行多尺度特征提取与识别，基于提取后的特征与识别得到的对应雷达工作模式标签构建训练数据集；构建TFT预测模型并使用训练数据集对TFT预测模型进行训练；将接收的雷达信号进行变换域分析和多尺度特征提取，生成历史特征和标签序列；将生成的历史特征和标签序列输入训练后的TFT预测模型进行雷达工作模式的单步预测，输出预测结果。

公开(公告)号：CN117746163B

公开(公告)日：2025-03-07

申请号：CN202410098174.X

申请日：2024-01-23

Applicant: 哈尔滨工程大学 ,  杭州市滨江区浙工大人工智能创新研究院

Inventor： 韩宇 ,  王文言 ,  林云 ,  宣琦 ,  查浩然 ,  冯忠明

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/82 ,  G06V10/52 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 一种基于多尺度视觉Transformer的雷达工作模式识别方法，它涉及一种雷达工作模式识别方法。本发明为了解决传统雷达工作模式识别算法全局特征提取能力差，识别功能泛化性差的问题。本发明使用CWD时频变换将雷达脉冲信号转化为时频图，并对样本进行了长度一致化处理，有利于深度学习模型充分提取信号的时频演化规律；该发明采用基于Biformer的多尺度特征提取网络，引入了分层的双层路由注意力机制，可以更好地在捕捉雷达信号时频图的全局和局部特征，能够在有效降低算法的复杂度的同时取得更高的识别准确率。本发明属于数字信号处理技术领域。

公开(公告)号：CN117746163A

公开(公告)日：2024-03-22

申请号：CN202410098174.X

申请日：2024-01-23

Applicant: 哈尔滨工程大学 ,  杭州市滨江区浙工大网络空间安全创新研究院

Inventor： 韩宇 ,  王文言 ,  林云 ,  宣琦 ,  查浩然 ,  冯忠明

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/82 ,  G06V10/52 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 一种基于多尺度视觉Transformer的雷达工作模式识别方法，它涉及一种雷达工作模式识别方法。本发明为了解决传统雷达工作模式识别算法全局特征提取能力差，识别功能泛化性差的问题。本发明使用CWD时频变换将雷达脉冲信号转化为时频图，并对样本进行了长度一致化处理，有利于深度学习模型充分提取信号的时频演化规律；该发明采用基于Biformer的多尺度特征提取网络，引入了分层的双层路由注意力机制，可以更好地在捕捉雷达信号时频图的全局和局部特征，能够在有效降低算法的复杂度的同时取得更高的识别准确率。本发明属于数字信号处理技术领域。

公开(公告)号：CN116522242A

公开(公告)日：2023-08-01

申请号：CN202310486489.7

申请日：2023-04-28

Applicant: 哈尔滨工程大学

Inventor： 林云 ,  王文言 ,  王芷淇 ,  徐从安 ,  窦峥 ,  王禹

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/10 ,  G06N3/047 ,  G06N3/08

Abstract: 一种基于扩散模型的辐射源信号识别方法，它涉及一种辐射源信号开集识别方法。本发明为了解决传统开集识别算法分布外检测效果差，算法复杂度高，识别功能鲁棒性差的问题。本发明的核心在于采用扩散模型对辐射源信号进行重构，并根据已知类数据集重构的统计学分布特点设定阈值以区分分布外数据，再通过低复杂的分类器获得识别结果，有效提高了开集场景下辐射源信号识别的准确性及鲁棒性。本发明属于数字信号处理技术领域。