-
公开(公告)号：CN118468132A
公开(公告)日：2024-08-09
申请号：CN202410554722.5
申请日：2024-05-07
Applicant: 西安电子科技大学
IPC: G06F18/2415 , G06F18/2431 , G06F18/214 , G06N3/0464 , G06N3/098 , G01S7/38 , G01S7/40 , G01S13/88 , G01S7/02
Abstract: 本发明提出了一种基于联邦学习的多功能雷达工作模式识别方法，实现步骤为：初始化多功能雷达工作模式识别场景；每个侦察站对本地模型进行迭代训练；中心服务器本地模型参数进行联邦聚合；中心服务器获取训练好的全局模型；获取多功能雷达工作模式识别结果。本发明通过每个侦察站获取的不同侦察机接收灵敏度、不同侦察时长的数据对全局模型进行训练，提高了全局模型的泛化能力，具有更高的识别准确率，同时由于利用了不同侦察站的客户端并行训练本地模型，通过主侦察站的中心服务器聚合各本地模型的参数形成全局模型，不需要移动各侦察站侦收到的数据，提高了识别效率。
-
公开(公告)号：CN116502676A
公开(公告)日：2023-07-28
申请号：CN202310179144.7
申请日：2023-02-27
Applicant: 西安电子科技大学 , 中国人民解放军93209部队
IPC: G06N3/0464 , G06N3/084 , G06N3/006 , G06N3/0985
Abstract: 本发明公开了一种利用麻雀算法优化卷积神经网络的抗干扰效果评估方法，旨在解决评估指标权重以及卷积神经网络超参数需要人为设置的问题。本发明的实现步骤包括：利用熵权法对抗干扰评估指标赋权重值；生成训练集；构建卷积神经网络；利用麻雀算法优化卷积神经网络超参数；训练卷积神经网络；对抗干扰效果进行评估。本发明具有不需要人为设置评估指标权重以及卷积神经网络超参数，就可以提高抗干扰效果评估准确性的优点。
-
公开(公告)号：CN116299213A
公开(公告)日：2023-06-23
申请号：CN202310138545.8
申请日：2023-02-20
Applicant: 西安电子科技大学 , 桂林长海发展有限责任公司
Abstract: 本发明公开了一种基于粒子群算法生成的间歇采样调相干扰波形方法，旨在解决现有技术间歇采样调相转发技术所获得的目标函数容易陷入局部最优解，导致间歇采样波形生成时获得的干扰参数较差的缺陷。本发明的实现步骤包括：生成三种不同的雷达信号组成的样本集；生成粒子群的目标函数；利用粒子群算法优化间歇采样干扰信号的干扰参数码元宽度与采样时间；利用优化后的最优的干扰参数生成对应的间歇采样调相干扰信号。本发明具有不需要建立干扰波形库，通过粒子群算法就可以获得最优的间歇采样调相干扰波形的优点。
-
公开(公告)号：CN113093122B
公开(公告)日：2023-06-13
申请号：CN202110357424.3
申请日：2021-04-01
Applicant: 西安电子科技大学
IPC: G01S7/38
Abstract: 本发明公开了一种对合成孔径雷达快速场景欺骗干扰的方法，方法包括：产生预设虚假场景的干扰调制模板，虚假场景包括若干所述预设虚假场景，所述干扰调制模板包括散射系数调制模板、相位补偿模板和延时量模板；截获雷达信号，按照所述散射系数调制模板、所述相位补偿模板和所述延时量模板对所述雷达信号进行调制，以得到经过调制处理的干扰信号；干扰机发射经过调制处理的干扰信号，以对合成孔径雷达实施干扰。本发明采用基于模板调制的干扰方法，通过近似处理将处于相同距离向与方位向的假目标按照相同的参数进行调制，只需要确定干扰模板中第一行散射点的相位与第一列散射点的延时量，即可以确定所有散射点的调制系数，降低了计算复杂度。
-
公开(公告)号：CN115993579A
公开(公告)日：2023-04-21
申请号：CN202310141297.2
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
IPC: G01S7/02
Abstract: 本发明公开一种基于多信道的雷达脉冲信号参数测量系统及方法，其实现方案是，射频信号接收模块采用本振扫频变化方式下混频得到基带模拟信号；信号采样模块生成基带采样信号序列；多信道寄存延迟模块对基带采样信号序列进行寄存延迟得到频域分离的低速率采样信号序列；时频域参数测量模块获取雷达脉冲信号时频域参数。本发明具有对宽频带范围雷达脉冲信号检测能力，雷达脉冲信号参数系统的集成度高，采用多通道寄存延迟的方式对基带采样信号序列进行延迟，获取了频域分离的低速率信号序列，具有对同时到达的雷达脉冲信号测量精度高的优点。
-
Patent Agency Ranking
公开(公告)号：CN109884599B
公开(公告)日：2022-11-11
申请号：CN201910196313.1
申请日：2019-03-15
Applicant: 西安电子科技大学
IPC: G01S7/38
Abstract: 本发明适用于雷达技术领域，提供了一种雷达干扰方法、装置、计算机设备及存储介质，该方法包括：获取目标雷达当前工作状态下的雷达参数，根据雷达参数确定目标雷达下一时刻的工作状态；根据目标雷达下一时刻的工作状态，确定预设干扰样式的干扰功率，确定针对目标雷达下一时刻的工作状态的干扰成功率；根据预设干扰样式的干扰功率和目标雷达下一时刻的工作状态的干扰成功率，确定针对目标雷达下一时刻的工作状态的干扰解集；基于带精英策略的非支配遗传算法，对干扰解集进行筛选，确定针对目标雷达下一时刻的工作状态的最优干扰解。本发明方法综合考虑了影响雷达干扰效果的各方面因素，从而提高了针对被干扰雷达的干扰效果。
-
公开(公告)号：CN114519372A
公开(公告)日：2022-05-20
申请号：CN202210107842.1
申请日：2022-01-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于支持向量机的一维距离像目标识别方法，其实现步骤是：1、获得目标一维距离像，2、确定目标一维距离像中的噪声区域，3、根据噪声区域和虚警率设置判别门限，4、根据判决门限从背景噪声中提取目标区域，5、利用主成分分析法PCA，对目标区域中的数据进行降维处理，得到特征矩阵，6、生成训练集，7、训练支持向量机分类器，8、对待识别目标一维距离像进行目标分类，本发明根据噪声区域设置判决门限提取出一维距离像种的目标区域，能够在复杂电磁环境中保证目标识别率。
-
公开(公告)号：CN113238195A
公开(公告)日：2021-08-10
申请号：CN202110357392.7
申请日：2021-04-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于GPU的虚假场景干扰信号仿真并行实现方法，包括：得到雷达截获脉冲信号数据；将虚假场景干扰信号参数值和雷达截获脉冲信号数据存储到GPU的常量存储器中；基于第一核函数的GPU线程，得到第一核函数的每个线程块的当前散射点干扰信号所需要的附加延时和补偿相位以矩阵数组形式存入GPU的常量存储器中；基于第二核函数的GPU线程，得到第二核函数的每个线程块中当前散射点干扰信号；基于叠加合成模型，将当前散射点干扰信号进行叠加合成处理得到整体虚假场景干扰信号。本发明方法能够在复杂庞大雷达数据、没有硬件支持条件下，完成对虚假场景干扰信号的调制产生，具备较好的可移植性和可扩展性。
-
公开(公告)号：CN113126033A
公开(公告)日：2021-07-16
申请号：CN202110224749.4
申请日：2021-03-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种雷达信号数字正交下变频方法、装置及其电子设备，方法包括：CPU从存储器中读取接收到的雷达实信号作为原始采样序列；在GPU中生成两路正交的本振信号序列，并将所述原始采样序列与所述两路正交的本振信号序列相乘得到新的采样序列；在CPU中根据滤波器阶数得到hamming窗系数，并根据所述hamming窗系数得到低通滤波器系数；在GPU中根据所述低通滤波器系数对所述新的采样序列进行低通滤波得到雷达信号数字正交下频复信号。本发明基于CPU‑GPU异构平台执行，比CPU平台运行速度上有明显提升，采用软件化的处理流程，不存在对硬件的依赖，具备更好的可移植性，且采用低通滤波法不会影响滤波过程中雷达信号的正交性和幅度一致性，整个系统具有很好的性能。
-
公开(公告)号：CN111199127A
公开(公告)日：2020-05-26
申请号：CN202010029684.3
申请日：2020-01-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了基于深度强化学习的雷达干扰决策方法，主要解决现有技术中决策仅依赖干扰方做决策导致决策结果片面，及工作模式识别慢导致决策效率低的问题。其实现方案为：1)根据工作模式的特征信号生成训练集训练雷达工作模式识别器；2)根据工作模式的最小威胁值构造判决器；3)构建雷达方的工作模式转移矩阵；4)构建干扰方的干扰收益矩阵；5)构建包括雷达工作模式识别器、判决器、雷达方和干扰方的干扰决策系统；7)随机采样仿真信号，输入干扰决策系统进行选取干扰策略的工作，直到满足决策输出条件，输出决策结果。本发明提高了决策的效率和决策结果的可信度，可用于当干扰方侦察到雷达的特征信号时，保证干扰方做出最优的干扰策略。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.031 seconds)
