-
公开(公告)号：CN114884859B
公开(公告)日：2024-01-09
申请号：CN202210411892.9
申请日：2022-04-19
Applicant: 西安大衡天成信息科技有限公司
Abstract: 本发明公开了一种支持指挥通信模拟训练的网络状态控制装置，包括网络状态控制硬件平台及数据包延时控制嵌入式软件系统，所述网络状态控制硬件平台包括接收以太网口A、转发以太网口B、配置以太网口C、第一RS‑232串口、第二RS‑232串口、数据处理模块、数据存储模块、电源控制模块和面板指示灯及按键；数据存储模块用于提供存储模块；电源控制模块用于提供电源的转换及控制功能；面板指示灯及按键用于提供系统使用状态指示灯及控制按键功能数据包延时控制嵌入式软件系统包括数据包接收处理线程以及与其相连接的数据转发控制模块。本发明用于为指挥通信模拟训练提供基于通信仿真计算的网络数据传输延时效果，具有效果逼真、部署灵活的优点。
-
公开(公告)号：CN114779184B
公开(公告)日：2024-12-03
申请号：CN202210419755.X
申请日：2022-04-21
Applicant: 西安大衡天成信息科技有限公司
Abstract: 一种非完整信息条件下认知对抗建模方法，在获知雷达的主要技术参数的基础上，基于领域知识和公开信息，梳理了雷达的抗干扰措施并提出相应的抗干扰改善因子的经验公式，其中包括雷达对假目标识别率的合理设定；在仿真场景确定后，根据干扰机与雷达的位置信息，采用传统的雷达功率压制系数计算公式计算干扰功率在雷达天线口面上的干信比，针对干扰机的功率压制和欺骗干扰样式提出了干扰效益的计算方法，进而提出了构建双矩阵Stackelberg博弈的策略矩阵构建方法，以雷达对假目标欺骗的识别概率为不确知信息，本发明通过干扰机对雷达“1对1”的非完整感知信息条件下的对抗场景进行了仿真实验，检验了特定对抗环境下的博弈效果。
-
公开(公告)号：CN112859007B
公开(公告)日：2023-08-29
申请号：CN202110052432.7
申请日：2021-01-15
Applicant: 西安大衡天成信息科技有限公司
Abstract: 本发明一种基于极化分解的海杂波背景下弱小目标检测识别方法，首先构造雷达多通道回波的极化矩阵，提取极化矩阵的幅度和相位，分别对极化矩阵幅度和相位进行标准极化分解，提取输出的特征矩阵对角线元并将其转化为奇异谱形式，计算奇异谱的负熵并依次排列各距离单元的负熵值形成序列，找出极小值所处距离单元即为目标所处位置。而后，再对极化矩阵进行7元散射功率分解，分析目标包含的基本散射结构，形成极化特征描述字，识别目标特征，在给定海杂波背景下，本发明可以检测到传统方法不能发现的弱小目标，在检测定位和识别精度上有很明显的提高。通过实测海杂波数据验证了方法的有效性，该项成果还可应用于其他背景下的多目标识别。
-
公开(公告)号：CN114488068A
公开(公告)日：2022-05-13
申请号：CN202210152459.8
申请日：2022-02-18
Applicant: 西安大衡天成信息科技有限公司
Abstract: 一种基于自适应滤波的多目标检测方法，首先计算每个方位向的回波脉冲数，将雷达扫描整个监测海域的回波等分成回波矩阵，依次计算各回波矩阵的协方差矩阵C，而后对C进行特征值分解，得到其特征矩阵V和特征值矢量D,利用D计算奇异谱并估计主分量个数Nev，以Nev>3作为门限判断回波矩阵是否包含目标，利用V构成自适应滤波器对回波矩阵滤波，利用最大似然估计估算主、次分量对应的回波脉冲的Pareto分布模型参数(a,b)，再利用随机数发生器生成Pareto随机序列，采用K‑L散度识别目标回波脉冲，进而用自适应门限的峰值检测法确定各个目标位置。所提方法通过实测海杂波数据实验，验证了方法的有效性。
-
公开(公告)号：CN112162269A
公开(公告)日：2021-01-01
申请号：CN202011042775.7
申请日：2020-09-28
Applicant: 西安大衡天成信息科技有限公司
Abstract: 一种基于奇异谱分解(Singular Spectrum Analysis,SSA)的海杂波压制及目标检测方法，首先计算回波数据的自相关函数，以自相关函数的第一过零点位置作为重构雷达回波数据轨迹矩阵的维数，构建回波数据的Toeplitz矩阵、求得主分量(Principal Component Analysis,PCA)数量，依据PCA数量判断回波中是否包含目标；而后对雷达回波进行奇异谱分解，重构主分量和次分量(Minor Component Analysis,MCA)对应的时间序列，当回波中包含目标时，取最大主分量对应的时间序列、舍去其他分量对应的时间序列；反之，则选择最小次分量对应的时间序列而舍去其他分量对应的时间序列，这一处理过程可被视为不依赖回波统计学模型的自适应滤波，经处理后的雷达回波数据中海杂波强度被有效压制，有利于提高后续弱小目标的检测概率。
-
Patent Agency Ranking
公开(公告)号：CN114488068B
公开(公告)日：2024-09-17
申请号：CN202210152459.8
申请日：2022-02-18
Applicant: 西安大衡天成信息科技有限公司
Abstract: 一种基于自适应滤波的多目标检测方法，首先计算每个方位向的回波脉冲数，将雷达扫描整个监测海域的回波等分成回波矩阵，依次计算各回波矩阵的协方差矩阵C，而后对C进行特征值分解，得到其特征矩阵V和特征值矢量D,利用D计算奇异谱并估计主分量个数Nev，以Nev>3作为门限判断回波矩阵是否包含目标，利用V构成自适应滤波器对回波矩阵滤波，利用最大似然估计估算主、次分量对应的回波脉冲的Pareto分布模型参数(a,b)，再利用随机数发生器生成Pareto随机序列，采用K‑L散度识别目标回波脉冲，进而用自适应门限的峰值检测法确定各个目标位置。所提方法通过实测海杂波数据实验，验证了方法的有效性。
-
公开(公告)号：CN112859007A
公开(公告)日：2021-05-28
申请号：CN202110052432.7
申请日：2021-01-15
Applicant: 西安大衡天成信息科技有限公司
Abstract: 本发明一种基于极化分解的海杂波背景下弱小目标检测识别方法，首先构造雷达多通道回波的极化矩阵，提取极化矩阵的幅度和相位，分别对极化矩阵幅度和相位进行标准极化分解，提取输出的特征矩阵对角线元并将其转化为奇异谱形式，计算奇异谱的负熵并依次排列各距离单元的负熵值形成序列，找出极小值所处距离单元即为目标所处位置。而后，再对极化矩阵进行7元散射功率分解，分析目标包含的基本散射结构，形成极化特征描述字，识别目标特征，在给定海杂波背景下，本发明可以检测到传统方法不能发现的弱小目标，在检测定位和识别精度上有很明显的提高。通过实测海杂波数据验证了方法的有效性，该项成果还可应用于其他背景下的多目标识别。
-
公开(公告)号：CN119416465A
公开(公告)日：2025-02-11
申请号：CN202411453743.4
申请日：2024-10-17
Applicant: 西安大衡天成信息科技有限公司
Abstract: 本发明公开了一种基于量子认知理论的认知对抗模拟方法，通过电子侦察系统提取目标雷达工作状态，依据量子态叠加原理，将侦测接收机截获的N个雷达脉冲的特征参数在希尔伯特空间k阶基矢的量子叠加态表示为#imgabs0#将电子侦察系统对侦测接收机截获信号的特征提取处理过程定义为事件A，将电子侦察系统的决策者观察到事件A后对雷达状态做出判断定义为事件B，结合#imgabs1#得到事件的概率。将事件A和事件B视为处于量子叠加态|G>，在事件A发生后，对事件A、B的量子叠加态G做更新，而后计算事件B的量子概率。本发明将量子认知理论引入认知偏差建模中，将电子侦察系统信号处理方法产生的认知偏差和决策者的认知偏差视为量子叠加态，实现认知对抗模拟。
-
公开(公告)号：CN118568497A
公开(公告)日：2024-08-30
申请号：CN202410647159.6
申请日：2024-05-23
Applicant: 西安大衡天成信息科技有限公司
IPC: G06F18/214 , G01S7/36 , G01S7/38 , G06F18/213 , G06F18/22 , G06F18/20 , G06N7/01
Abstract: 现代信息化战场上雷达和射频通信系统非常密集，信号环境异常复杂，识别敌我、了解自己是否被监视以及采取何种对策都是一个极其困难的问题。为解决这一难题，本发明提出了一种降低电子侦察系统测量参数不确定性的动态建模方法：利用被截获雷达脉冲提取雷达状态参数并构建状态特征矩阵，对特征矩阵进行分段相似度分析，依据相似度的值域分布判断雷达的工作状态并对其分级，针对不同雷达工作状态采用切片采样算法生成雷达状态先验概率分布，采用贝叶斯估计降低因不确定性对侦测结果的影响。
-
公开(公告)号：CN112162269B
公开(公告)日：2023-11-17
申请号：CN202011042775.7
申请日：2020-09-28
Applicant: 西安大衡天成信息科技有限公司
Abstract: 一种基于奇异谱分解(Singular Spectrum Analysis,SSA)的海杂波压制及目标检测方法，首先计算回波数据的自相关函数，以自相关函数的第一过零点位置作为重构雷达回波数据轨迹矩阵的维数，构建回波数据的Toeplitz矩阵、求得主分量(Principal Component Analysis,PCA)数量，依据PCA数量判断回波中是否包含目标；而后对雷达回波进行奇异谱分解，重构主分量和次分量(Minor Component Analysis,MCA)对应的时间序列，当回波中包含目标时，取最大主分量对应的时间序列、舍去其他分量对应的时间序列；反之，则选择最小次分量对应的时间序列而舍去其他分量对应的时间序列，这一处理过程可被视为不依赖回波统计学模型的自适应滤波，经处理后的雷达回波数据中海杂波强度被有效压制，有利于提高后续弱小目标的检测概率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.032 seconds)
