公开(公告)号：CN114548170A

公开(公告)日：2022-05-27

申请号：CN202210156787.5

申请日：2022-02-21

Applicant: 西安电子科技大学

Inventor： 董春曦 ,  史可鑫 ,  于旺 ,  董阳阳 ,  毛昱 ,  陈思阳 ,  杨昕桥 ,  路宵 ,  苏欣桐 ,  李宗瑾

IPC: G06K9/00 ,  G06K9/62 ,  G01S7/02

Abstract: 本发明公开一种基于GPU端模糊C均值聚类的雷达信号分选方法，其实现步骤是：1、对每部雷达接收的回波信号进行脉冲检测，得到该部雷达发射的脉冲描述字PDW；2、在CPU端初始化聚类划分；3、在GPU端并行化更新当前每个分类聚类中心的PDW值；4、在GPU端并行化更新当前每个PDW的隶属度；5、迭代更新所有聚类中心PDW值、隶属度矩阵U；6、在CPU端对更新后的雷达脉冲数据集D进行聚类划分。本发明相比传统的串行聚类算法更加高效，更好地满足了雷达信号分选的实时性需求，而且雷达信号分选的准确率更高。

公开(公告)号：CN116070674A

公开(公告)日：2023-05-05

申请号：CN202310082751.1

申请日：2023-02-07

Applicant: 西安电子科技大学

Inventor： 饶鲜 ,  李艳慧 ,  董春曦 ,  董阳阳 ,  蒋志衡 ,  路宵 ,  苏欣桐 ,  王玉叶

IPC: G06N3/0442 ,  G06N3/048 ,  G06N3/08 ,  G06N3/126 ,  G01S13/88

Abstract: 本发明公开了一种基于注意力机制和LSTM的雷达威胁程度预测方法，旨在解决现有的雷达威胁程度预测方法构建的威胁程度预测的数据集不完整，对雷达威胁程度的预测不够客观合理，且无法突出对威胁程度影响更关键的威胁属性，预测准确率不高的问题。本发明的实现步骤包括：生成包含雷达威胁属性和雷达威胁程度的训练集；构建将注意力机制和LSTM相结合的Attention‑LSTM神经网络；采用遗传算法优化Attention‑LSTM神经网络的超参数；利用训练集和遗传算法优化后的超参数训练Attention‑LSTM网络；利用训练好的Attention‑LSTM网络预测雷达威胁程度。本发明具有构建的数据集更加完整，预测结果更客观合理以及预测准确率更高的优点。

公开(公告)号：CN114548170B

公开(公告)日：2024-10-29

申请号：CN202210156787.5

申请日：2022-02-21

Applicant: 西安电子科技大学

Inventor： 董春曦 ,  史可鑫 ,  于旺 ,  董阳阳 ,  毛昱 ,  陈思阳 ,  杨昕桥 ,  路宵 ,  苏欣桐 ,  李宗瑾

IPC: G06F18/23213 ,  G06F18/24 ,  G06F18/213 ,  G01S7/02

Abstract: 本发明公开一种基于GPU端模糊C均值聚类的雷达信号分选方法，其实现步骤是：1、对每部雷达接收的回波信号进行脉冲检测，得到该部雷达发射的脉冲描述字PDW；2、在CPU端初始化聚类划分；3、在GPU端并行化更新当前每个分类聚类中心的PDW值；4、在GPU端并行化更新当前每个PDW的隶属度；5、迭代更新所有聚类中心PDW值、隶属度矩阵U；6、在CPU端对更新后的雷达脉冲数据集D进行聚类划分。本发明相比传统的串行聚类算法更加高效，更好地满足了雷达信号分选的实时性需求，而且雷达信号分选的准确率更高。

公开(公告)号：CN116299214A

公开(公告)日：2023-06-23

申请号：CN202310139832.0

申请日：2023-02-20

Applicant: 西安电子科技大学 ,  北京电子工程总体研究所

Inventor： 董春曦 ,  苏欣桐 ,  杨熔 ,  郑瑞超 ,  孙宇峥 ,  饶鲜 ,  董阳阳 ,  王贤铧

IPC: G01S7/36 ,  G01S13/02

Abstract: 本发明公开了一种在线优选域与域内决策结合的雷达抗干扰决策方法。旨在解决传统雷达抗干扰决策方法抗干扰收益值低的问题以及传统抗干扰决策方法难以适应干扰状态较多、抗干扰措施数量较多场景的问题。本发明的实现步骤包括：利用模板匹配技术在线确定雷达抗干扰决策域；生成抗干扰效益值序列；生成雷达抗干扰决策域内抗干扰决策结果。本发明在保证决策性能的情况下，直接选择抗干扰效益值序列最大的抗干扰措施作为抗干扰决策结果，极大提高时间效率以及抗干扰收益，便于实际场景应用。