-
公开(公告)号：CN119441959A
公开(公告)日：2025-02-14
申请号：CN202410296506.5
申请日：2024-03-14
Applicant: 哈尔滨工程大学 , 北京无线电测量研究所
IPC: G06F18/241 , G06F18/10 , G06F18/213
Abstract: 一种用于频谱监测模型的深度时频去噪变换防御方法，包括如下步骤：步骤一、构建包括深度去噪模块、变换模块和预训练的自动调制分类模型的深度时频去噪变换防御架构；步骤二、在深度去噪模块中，使用短时傅里叶变换将输入数据样本映射成时频矩阵，放大原始样本xs与对抗样本xa之间的差异，并在特征提取器所提取的深度特征的监督下重构时频域信号；步骤三、将重构的原始样本和对抗样本输入变换模块中，生成特定于样本的变换矩阵Ms和Ma，得到变换后的原始样本#imgabs0#和变换后的对抗样本#imgabs1#步骤四、将变换后的原始样本#imgabs2#和变换后的对抗样本#imgabs3#输入预训练的自动调制分类模型，实现信号的分类决策。
-
公开(公告)号：CN118519100A
公开(公告)日：2024-08-20
申请号：CN202410602230.9
申请日：2024-05-15
Applicant: 电子科技大学 , 北京无线电测量研究所
Abstract: 本发明属于雷达信号分选技术领域，涉及一种基于PRI搜索和时间区间合并联合的未知辐射源信号分选方法。雷达信号分选又称雷达信号去交错，是指从相互交错的雷达脉冲信号中分离出各部雷达脉冲信号的过程。本发明提供了一种基于PRI搜索和时间区间合并联合的未知辐射源信号分选方法，该方法利用PRI搜索法搜索具有相同PRI的雷达脉冲信号，并将具有相同PRI的雷达脉冲信号归为一类，然后判断每一类雷达脉冲信号中较大的时间区间，根据时间区间将互不交叠的雷达脉冲信号进行合并，能够有效解决传统PRI搜索方法难以分选PRI组变雷达的问题，进一步提高分选性能。
-
Patent Agency Ranking
公开(公告)号：CN118465700A
公开(公告)日：2024-08-09
申请号：CN202410602232.8
申请日：2024-05-15
Applicant: 电子科技大学 , 北京无线电测量研究所
Abstract: 本发明属于雷达信号分选技术领域，涉及一种基于框架周期的未知辐射源信号PRI分选方法。未知辐射源信号分选指的是对雷达告警设备接收到的雷达辐射源混叠脉冲序列进行去交错处理，分选出属于同一个辐射源信号的脉冲序列的算法。本发明提供了一种基于框架周期的未知辐射源信号PRI分选方法，该方法通过遍历搜索不同脉冲之间的TOA(Time of Arrival，到达时间)，对TOA进行差分，将其作为可能的未知辐射源框架周期对后续未知辐射源信号进行搜索，若搜索结果满足提取条件则将搜索出的辐射源信号从未知辐射源脉冲流中提取出来，归为同一部未知辐射源，同时对剩余脉冲进行相同操作，继续遍历搜索可能的未知辐射源框架周期，直到将所有未知辐射源信号提取出来。
-
公开(公告)号：CN118568605A
公开(公告)日：2024-08-30
申请号：CN202410541087.7
申请日：2024-04-30
Applicant: 中山大学 , 北京无线电测量研究所
IPC: G06F18/2431 , G01S7/02 , G06N3/0442 , G06F18/10 , G06N3/047
Abstract: 本发明公开一种基于重构循环神经网络的已知雷达信号开集分选方法，将输入重构和开集方法引入RNN分选模型，通过输入重构的思想构建RBi‑RNN，联合交叉熵损失、重构损失和中心损失进行模型训练，提高模型的分选精度，并通过极值理论拟合Weibull分布，利用拟合好的Weibull分布从混叠脉冲序列中将已知雷达与未知雷达分离，提升了分选模型适应开集环境的能力。
-
公开(公告)号：CN118445527A
公开(公告)日：2024-08-06
申请号：CN202410514301.X
申请日：2024-04-26
Applicant: 中山大学 , 北京无线电测量研究所
Abstract: 本发明涉及雷达信号参数测量技术领域，公开了一种优化分数阶傅里叶变换的LFM信号的高精度参数估计方法，包括获取线性调频信号，并确定第一数据；根据线性调频信号确定第一初始阶次；根据第一初始阶次和第一数据确定多个阶次，利用多个阶次分别对线性调频信号进行分数阶傅里叶变换并确定每个分数阶域最大值；判断每个分数阶域最大值，根据判断结果确定是否进行窄带滤波和第二初始阶次，根据第一数据和当前的循环次数判断是否进行下一次迭代循环，若进行，则重复步骤S3至步骤S4,否则获得最终的分数阶域窄带滤波信号；根据最终的分数阶域窄带滤波信号计算参数；使用插值修正法修正所述参数，获得最终结果。本发明能够减小运算量并提高参数测量精度。
-
公开(公告)号：CN118964995A
公开(公告)日：2024-11-15
申请号：CN202411049514.6
申请日：2024-08-01
Applicant: 哈尔滨工程大学
IPC: G06F18/214 , G06F17/18 , G06N3/006 , G06N3/126
Abstract: 本发明属于辐射源信号处理技术领域，具体涉及一种辐射源信号参数估计方法、程序、设备及存储介质。本发明通过融合多种多任务学习模型，设置不同模型权重参数，构建加权平均参数估计公式，实现不同模型互补，提高方法的泛化性。同时，本发明设计了电鳗鸟算法，智能寻优模型权重参数，利用精英反向策略初始化种群，引入柯西变异提升算法跳出局部最优能力，构造警戒因子，管理探索阶段与开发阶段之间的过渡，改进了电鳗鸟位置更新方式，使得模型权重参数组合随迭代次数不断优化，进而提升本发明参数估计的准确度。
-
公开(公告)号：CN117315311A
公开(公告)日：2023-12-29
申请号：CN202311339211.3
申请日：2023-10-17
Applicant: 哈尔滨工程大学
IPC: G06V10/762 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09 , G06N3/006
Abstract: 本发明公开了一种新的基于卷尾蜜熊算法的未知辐射源信号辨识方法，包括：对原始辐射源调制信号的数据集中的信息进行崔‑威廉斯分布处理，获取时频图；通过时频图对预设初始辨识模型进行训练，获取初始判别结果；根据初始判别结果设计卷尾蜜熊算法，优化训练后的模型，获取最佳辨识模型；利用最佳辨识模型，获取未知辐射源信号辨识结果。本发明搭建衍生卷积自编码器，设计衍生损失，构造判别模型融合方式，融合各模型判别结果，增加未知辐射源判别的鲁棒性，设计卷尾蜜熊算法，构造香气因子，为卷尾蜜熊添加跳跃属性，优化卷尾蜜熊位置，使判别模型阈值随迭代次数不断改进，提升模型的判别能力，增强了未知辐射源信号辨识方法的泛化性和准确性。
-
-
-
-
-
-
Search Results
7
records
(took 0.029 seconds)
