-
公开(公告)号：CN114545343A
公开(公告)日：2022-05-27
申请号：CN202210156832.7
申请日：2022-02-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于量子认知的雷达干扰决策方法，其具体步骤包括：1、设置接收的相控阵雷达信号特征的置信度，2、生成相控阵雷达各个工作状态的联合置信度，3、生成相控阵雷达的转移矩阵，4、预测当前环境下的相控阵雷达工作状态，5、选择干扰收益最大的干扰样式。本发明可以实现非合作条件下的干扰决策，提高了决策的效率和决策的可信度。
-
公开(公告)号：CN114527435A
公开(公告)日：2022-05-24
申请号：CN202210127379.7
申请日：2022-02-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于干扰向量和NSGA‑II算法的干扰资源分配方法，其实现步骤为：生成干扰资源分配向量集，计算每个干扰资源分配向量的干扰向量得到干扰向量集，通过NSGA‑II算法中的交叉变异方法更新干扰资源分配向量集和干扰向量集，利用NSGA‑II算法中的快速非支配排序和拥挤度方法对干扰资源分配向量集进行分层和排序，从干扰资源分配向量集中选取前10个干扰资源分配向量作为当前最优解，经过重复迭代后选取最优解中的一个干扰资源分配向量作为最优干扰资源分配方案。本发明得到的最优干扰资源分配方案具有更广的应用场景和指标的独立性的优点。
-
公开(公告)号：CN112975925B
公开(公告)日：2021-10-26
申请号：CN202110179166.4
申请日：2021-02-08
Abstract: 本发明属于机器人控制技术领域，公开了一种含绳孔间隙的绳驱蛇形机械臂运动数据处理方法，将蛇形机械臂上的绳孔和绳索分类，并由实际绳索长度与理想绳长的关系定义间隙系数；然后利用切比雪夫多项式拟合间隙系数；再利用间隙系数由绳索实际长度求解关理论绳索长度，并由理论绳索长度求解关节运动状态，以及由关节空间求解工作空间状态进行正运动学求解；再由工作空间状态求解关节状态，以及由关节角算理论绳长，并利用间隙系数计算实际绳长进行逆运动学求解。本发明方法运算简单，能够使含绳孔间隙的绳驱蛇形臂的控制精度提高，相比未考虑绳孔间隙的传统方法，本发明方法能够有效提高含绳孔间隙的绳驱蛇形臂的控制精度20％。
-
公开(公告)号：CN115062790B
公开(公告)日：2024-07-02
申请号：CN202210690657.X
申请日：2022-06-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于隐马尔可夫模型的Q学习干扰决策方法。其具体步骤包括：生成训练集，训练隐马尔可夫模型，构建雷达工作模式识别器，设置威胁度值，构造判决器，搭建干扰决策系统，生成特征参数矩阵，将其作为干扰决策系统的输入，系统识别雷达工作模式，将识别结果输入到判决器，判断输入的雷达工作模式威胁度是否为所有威胁度中的最小值，若是，干扰过程结束，若否，干扰方通过Q学习算法进行干扰决策。本发明解决现有技术下雷达工作模式识别准确率低与决策依赖先验知识的不足，提高决策的时效性和有效性。
-
公开(公告)号：CN114545343B
公开(公告)日：2024-06-07
申请号：CN202210156832.7
申请日：2022-02-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于量子认知的雷达干扰决策方法，其具体步骤包括：1、设置接收的相控阵雷达信号特征的置信度，2、生成相控阵雷达各个工作状态的联合置信度，3、生成相控阵雷达的转移矩阵，4、预测当前环境下的相控阵雷达工作状态，5、选择干扰收益最大的干扰样式。本发明可以实现非合作条件下的干扰决策，提高了决策的效率和决策的可信度。
-
Patent Agency Ranking
公开(公告)号：CN114895263A
公开(公告)日：2022-08-12
申请号：CN202210588894.5
申请日：2022-05-26
Applicant: 西安电子科技大学
Abstract: 一种基于深度迁移学习的雷达有源干扰信号识别方法，其步骤包括：1、生成雷达有源干扰信号数据集，2、构建雷达有源干扰信号时频图像训练集、验证集和测试集，3、搭建深度迁移学习网络，4、对深度迁移学习网络进行第一次训练，5、对第一次训练后的深度迁移学习网络进行第二次训练，6、利用深度迁移学习网络预测测试集。本发明能够在雷达有源干扰信号样本数量不充足、不易获取雷达有源干扰信号的条件下实现雷达有源干扰信号的准确分类，加快网络训练时的收敛速度，提高雷达有源干扰信号识别的效率，有利于及时选取有效的抗干扰措施，提升雷达的生存率。
-
公开(公告)号：CN114527435B
公开(公告)日：2024-06-07
申请号：CN202210127379.7
申请日：2022-02-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于干扰向量和NSGA‑II算法的干扰资源分配方法，其实现步骤为：生成干扰资源分配向量集，计算每个干扰资源分配向量的干扰向量得到干扰向量集，通过NSGA‑II算法中的交叉变异方法更新干扰资源分配向量集和干扰向量集，利用NSGA‑II算法中的快速非支配排序和拥挤度方法对干扰资源分配向量集进行分层和排序，从干扰资源分配向量集中选取前10个干扰资源分配向量作为当前最优解，经过重复迭代后选取最优解中的一个干扰资源分配向量作为最优干扰资源分配方案。本发明得到的最优干扰资源分配方案具有更广的应用场景和指标的独立性的优点。
-
公开(公告)号：CN115062790A
公开(公告)日：2022-09-16
申请号：CN202210690657.X
申请日：2022-06-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于隐马尔可夫模型的Q学习干扰决策方法。其具体步骤包括：生成训练集，训练隐马尔可夫模型，构建雷达工作模式识别器，设置威胁度值，构造判决器，搭建干扰决策系统，生成特征参数矩阵，将其作为干扰决策系统的输入，系统识别雷达工作模式，将识别结果输入到判决器，判断输入的雷达工作模式威胁度是否为所有威胁度中的最小值，若是，干扰过程结束，若否，干扰方通过Q学习算法进行干扰决策。本发明解决现有技术下雷达工作模式识别准确率低与决策依赖先验知识的不足，提高决策的时效性和有效性。
-
公开(公告)号：CN118535973A
公开(公告)日：2024-08-23
申请号：CN202410671809.0
申请日：2024-05-28
Applicant: 西安电子科技大学 , 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)
IPC: G06F18/241 , G06F18/213 , G06F18/214 , G06F18/27 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于多尺度特征提取的雷达威胁评估方法，本发明的实现步骤包括：构建空中仿真场景；构建多尺度卷积神经网络；生成具有关联性雷达威胁指标的训练集；将训练集输入到多尺度卷积神经网络中，利用反向传播梯度下降法，迭代更新模型中的各层参数，得到训练好的多尺度卷积神经网络；将待评估威胁程度的样本输入到训练好的多尺度卷积神经网络中，输出雷达威胁程度的评估等级。本发明不需要人为设置判断矩阵，从而具有在客观的条件下，对雷达威胁程度进行更准确评估的优点，以及通过利用训练好的多尺度卷积神经网络提取对方雷达威胁指标之间的关联性特征，实现对雷达威胁程度评估更加全面的优点。
-
公开(公告)号：CN114895263B
公开(公告)日：2024-08-20
申请号：CN202210588894.5
申请日：2022-05-26
Applicant: 西安电子科技大学
IPC: G01S7/36 , G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 一种基于深度迁移学习的雷达有源干扰信号识别方法，其步骤包括：1、生成雷达有源干扰信号数据集，2、构建雷达有源干扰信号时频图像训练集、验证集和测试集，3、搭建深度迁移学习网络，4、对深度迁移学习网络进行第一次训练，5、对第一次训练后的深度迁移学习网络进行第二次训练，6、利用深度迁移学习网络预测测试集。本发明能够在雷达有源干扰信号样本数量不充足、不易获取雷达有源干扰信号的条件下实现雷达有源干扰信号的准确分类，加快网络训练时的收敛速度，提高雷达有源干扰信号识别的效率，有利于及时选取有效的抗干扰措施，提升雷达的生存率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.036 seconds)
