-
Patent Agency Ranking
公开(公告)号：CN115372909A
公开(公告)日：2022-11-22
申请号：CN202210830698.4
申请日：2022-07-14
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于多时相耦合分析的干扰抑制方法，在图像域实现遥感图像的干扰抑制，属于雷达信号处理领域。由于遥感图像具有多时相的特点，多幅同一地域的遥感图像的背景具有一定相关性，可以认为背景满足低秩特性；而对于干扰信号，仅出现在一幅或几幅图像中，可以认为其满足稀疏特性。本发明利用遥感图像背景和干扰的低秩和稀疏特性差异，实现背景和干扰的分离，还原清晰的遥感图像，并分离出干扰图像。与传统干扰抑制的方法相比，本发明无需知道回波信息，仅有遥感成像数据，就可以实现干扰抑制。
-
公开(公告)号：CN113221454A
公开(公告)日：2021-08-06
申请号：CN202110490531.3
申请日：2021-05-06
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于深度强化学习的电磁辐射源辨识方法，采用深度Q学习算法，构造一个DQN网络模型，依据网络最大动作价值函数和当前动作价值函数计算损失函数，更新网络参数，最终使得动作价值最大化，进而得到一个最优策略，输入电磁信号数据，DQN网络模型会依据最优策略输出预测的动作，即预测的调制方式，实现对电磁辐射信号调制方式的智能识别。本发明深度强化学习算法构建的DQN网络模型在训练阶段能够自主学习，在模型内部，神经网络会不断与环境进行交互，并根据输入的电磁辐射源信号数据输出动作价值函数和调制方式，使得动作价值能最大化，从而得到一个最优策略，实现对电磁辐射源信号调制方式的智能准确识别。
-
公开(公告)号：CN119126029A
公开(公告)日：2024-12-13
申请号：CN202411208470.7
申请日：2024-08-30
Applicant: 西北工业大学
IPC: G01S7/36
Abstract: 本发明公开了一种基于多维变化域联合分析的干扰检测方法，包括：针对SAR含干扰的单视复数影像沿距离维进行傅里叶变换，得到影像在距离频域‑方位时域的表征矩阵；基于该表征矩阵，确定含干扰脉冲数，构建含干扰信号脉冲矩阵；对含干扰信号脉冲矩阵做分数阶傅里叶变换，确定含干扰信号脉冲最优阶数；基于含干扰信号脉冲最优阶数与预设阶数的关系，判断干扰信号可能为间歇转发干扰或线性调频干扰，或者干扰信号可能为窄带干扰或正弦调频干扰；利用干扰信号调频率、SAR回波信号调频率确定间歇转发干扰或线性调频干扰；基于干扰信号带宽与SAR回波信号带宽确定窄带干扰或正弦调频干扰。本发明可以实现干扰初步分类，检测速度快，易于工程实现。
-
公开(公告)号：CN115372909B
公开(公告)日：2024-10-15
申请号：CN202210830698.4
申请日：2022-07-14
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于多时相耦合分析的干扰抑制方法，在图像域实现遥感图像的干扰抑制，属于雷达信号处理领域。由于遥感图像具有多时相的特点，多幅同一地域的遥感图像的背景具有一定相关性，可以认为背景满足低秩特性；而对于干扰信号，仅出现在一幅或几幅图像中，可以认为其满足稀疏特性。本发明利用遥感图像背景和干扰的低秩和稀疏特性差异，实现背景和干扰的分离，还原清晰的遥感图像，并分离出干扰图像。与传统干扰抑制的方法相比，本发明无需知道回波信息，仅有遥感成像数据，就可以实现干扰抑制。
-
公开(公告)号：CN113221454B
公开(公告)日：2022-09-13
申请号：CN202110490531.3
申请日：2021-05-06
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于深度强化学习的电磁辐射源辨识方法，采用深度Q学习算法，构造一个DQN网络模型，依据网络最大动作价值函数和当前动作价值函数计算损失函数，更新网络参数，最终使得动作价值最大化，进而得到一个最优策略，输入电磁信号数据，DQN网络模型会依据最优策略输出预测的动作，即预测的调制方式，实现对电磁辐射信号调制方式的智能识别。本发明深度强化学习算法构建的DQN网络模型在训练阶段能够自主学习，在模型内部，神经网络会不断与环境进行交互，并根据输入的电磁辐射源信号数据输出动作价值函数和调制方式，使得动作价值能最大化，从而得到一个最优策略，实现对电磁辐射源信号调制方式的智能准确识别。
-
-
-
-
Search Results
5
records
(took 0.044 seconds)
