-
公开(公告)号：CN113376592B
公开(公告)日：2022-12-13
申请号：CN202110631507.7
申请日：2021-06-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于逆合成孔径雷达干扰技术领域，具体涉及一种基于联合学习的假目标信号生成方法。本发明通过构建XGBoost模型，利用回归的思想，通过大量数据来拟合出俯仰角、方位角与对应散射系数矩阵的映射关系，能够适应复杂的电磁环境，避免了传统方法获取的假目标散射系数矩阵适应性差的问题。本发明在所构建的深度强化学习模型中设置了奖惩机制，根据经修正矩阵修正后的预测值给予奖励，使XGBoost的输出预测值与实际值的差值尽量小，输出对应的最优修正矩阵，对输出预测值进行修正，提高了假目标散射系数矩阵的准确率，弥补了传统方法生成的假目标系数矩阵和实际目标散射系数矩阵有一定偏差的问题。
-
公开(公告)号：CN115114960B
公开(公告)日：2024-12-31
申请号：CN202210767193.8
申请日：2022-06-30
Applicant: 哈尔滨工程大学
IPC: G06F18/2413 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/086 , G06N3/0985 , G06N3/045
Abstract: 本发明属于信号识别技术领域，具体涉及一种基于自适应黑蜘蛛猴算法的辐射源个体识别方法。本发明通过构造类内、类间离差矩阵，设计离差损失，融合四元组和中心聚类损失，使得损失函数的构建更具可靠性；通过设计自适应黑蜘蛛猴算法对损失函数权重寻优，构建改变搜索方向的标志，利用螺旋优化搜索，扩大搜索范围，引入探索和平衡开发因子，使权重随迭代次数改变，减少了权重变化的盲目性，增强了辐射源个体识别方法的泛化性、准确性和适应性。本发明不仅能提高网络收敛速度，增加网络的泛化性和可靠性，还能准确实现辐射源个体识别，具备较好的适用性。
-
公开(公告)号：CN115114960A
公开(公告)日：2022-09-27
申请号：CN202210767193.8
申请日：2022-06-30
Applicant: 哈尔滨工程大学
Abstract: 本发明属于信号识别技术领域，具体涉及一种基于自适应黑蜘蛛猴算法的辐射源个体识别方法。本发明通过构造类内、类间离差矩阵，设计离差损失，融合四元组和中心聚类损失，使得损失函数的构建更具可靠性；通过设计自适应黑蜘蛛猴算法对损失函数权重寻优，构建改变搜索方向的标志，利用螺旋优化搜索，扩大搜索范围，引入探索和平衡开发因子，使权重随迭代次数改变，减少了权重变化的盲目性，增强了辐射源个体识别方法的泛化性、准确性和适应性。本发明不仅能提高网络收敛速度，增加网络的泛化性和可靠性，还能准确实现辐射源个体识别，具备较好的适用性。
-
公开(公告)号：CN113376592A
公开(公告)日：2021-09-10
申请号：CN202110631507.7
申请日：2021-06-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于逆合成孔径雷达干扰技术领域，具体涉及一种基于联合学习的假目标信号生成方法。本发明通过构建XGBoost模型，利用回归的思想，通过大量数据来拟合出俯仰角、方位角与对应散射系数矩阵的映射关系，能够适应复杂的电磁环境，避免了传统方法获取的假目标散射系数矩阵适应性差的问题。本发明在所构建的深度强化学习模型中设置了奖惩机制，根据经修正矩阵修正后的预测值给予奖励，使XGBoost的输出预测值与实际值的差值尽量小，输出对应的最优修正矩阵，对输出预测值进行修正，提高了假目标散射系数矩阵的准确率，弥补了传统方法生成的假目标系数矩阵和实际目标散射系数矩阵有一定偏差的问题。
-
-
-
Search Results
4
records
(took 0.016 seconds)
