-
公开(公告)号：CN113687318B
公开(公告)日：2024-04-30
申请号：CN202110759586.X
申请日：2021-07-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种雷达抗干扰效能评估方法，包括：构建若干雷达抗干扰效能评估指标，并对每个指标设置相应的归一化公式，以形成雷达抗干扰效能评估指标体系；选取一定的评估算法进行仿真，并结合雷达抗干扰效能评估指标体系形成雷达抗干扰效能评估模型；利用雷达抗干扰效能评估模型对同一种干扰场景下，不同抗干扰算法的性能进行评估。本发明提供的雷达抗干扰效能评估方法实现了对雷达系统在特定干扰环境下采取不同抗干扰措施时的工作能力的评估，从而给战争中的指战员和雷达使用者提供参考，使得其能够制定出更加合理的战术、做出更明智的决策。
-
公开(公告)号：CN117892174A
公开(公告)日：2024-04-16
申请号：CN202410066190.0
申请日：2024-01-16
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F18/2131 , G06F18/241 , G06F18/2431 , G06F18/232 , G06N20/20 , G06N5/01
Abstract: 本发明提供了一种基于多维域特征的快速机器学习多径识别方法及系统。其中，方法包括：获取高速公路场景下的目标点云信息，将目标点云信息作为待识别点云数据；高速公路场景包括：高速直道、高速弯道以及隧道场景；对待识别点云数据进行滑窗和聚类处理，得到待识别点云团簇；待识别点云团簇用于将待识别点云数据中特征相近的点云数据作为一个团簇；将待识别点云团簇按照预设规则进行计算和排布形成待测点云特征表信息；将待测点云特征表信息输入预训练的随机森林模型，分类得到最终目标点云数据和多径点云数据。由于计算过程和模型复杂性低，大大降低了对硬件设备的要求，同时由于特征较为全面且关联性较高，提升了对目标以及多径的识别准确率。
-
公开(公告)号：CN113820654B
公开(公告)日：2023-12-26
申请号：CN202110910408.2
申请日：2021-08-09
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于波束域降维的S波段雷达目标低仰角DOA估计方法，包括：获取原始高维输入数据；利用低空波束形成器对原始高维输入数据进行降维；根据降维波束域输出数据，重构波束域协方差矩阵；根据直达波导向矢量和多径回波导向矢量构建阵元域合成导向矢量，并利用低空波束形成器对阵元域合成导向矢量进行降维，得到波束域合成导向矢量；利用波束域合成导向矢量构建波束域投影空间矩阵，并利用波束域投影空间矩阵将波束域输出数据协方差矩阵在波束域投影空间作投影，得到投影数据；根据最大似然准则对投影数据进行谱峰搜索，得到波束域直达波入射角，作为DOA估计结果。本发明可提高S波段雷达目标低仰角DOA估计的效率和精度。
-
公开(公告)号：CN109597048B
公开(公告)日：2023-08-11
申请号：CN201811442386.6
申请日：2018-11-29
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明属于雷达技术领域，公开了一种基于二维卷积神经网络的米波雷达DOA估计方法，包括：获取P个点迹作为训练集；计算训练集中每个点迹的协方差矩阵，以及上三角元素组成上三角元素相位矩阵，得到对应的相位平均值矩阵和相位标准差矩阵；以第i个点迹对应的补零重排后的相位矩阵作为卷积神经网络的输入，得到第i个点迹的输出矩阵；根据目标函数对卷积神经网络的网络参数进行修正；获取实测目标点迹，将实测目标点迹的相位矩阵输入卷积神经网络中，重构实测目标点迹的协方差矩阵对目标点迹进行DOA估计，将DOA估计问题转化成一个纯粹的回归问题。
-
公开(公告)号：CN115453466A
公开(公告)日：2022-12-09
申请号：CN202210888859.5
申请日：2022-07-25
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种抗变极化压制式干扰的目标鉴别方法，根据极化滤波器的极化响应特性，综合采用传统干扰抑制极化滤波器和自适应极化滤波器对回波信号进行滤波，筛选超过门限的匹配检测点对，之后根据伪峰处鉴别量与目标谱峰鉴别量的不同，利用时频域信息联合鉴别目标。本发明克服了自适应极化滤波针对变极化压制式干扰时出现大量伪峰的问题以及利用干扰极化散射矩阵具有奇异性为基础设计的极化滤波技术受信噪比的影响较大的问题，本发明受信噪比的影响更小，在同等信噪比条件下具有更高的鉴别概率，为雷达对抗变极化压制式干扰提供了技术手段。
-
Patent Agency Ranking
公开(公告)号：CN115453452A
公开(公告)日：2022-12-09
申请号：CN202210925114.1
申请日：2022-08-02
Applicant: 西安电子科技大学
IPC: G01S3/14
Abstract: 本发明提供了一种基于SSEL‑EMVS稀疏阵列的2D‑DOA估计方法，通过获取矩形SSEL‑EMVS阵列接收到的数据，利用ESPRIT算法对接收到的数据进行处理，获得传播矢量存在周期模糊的高精度估计结果；一方面，在阵列EMVS的电尺寸已知或未知时，分别使用矢量叉积法和基于电磁矢量实部和虚部组合的方法得到了低精度但无周期模糊的2D‑DOA估计结果。另一方面，本发明将这种低精度但无周期模糊的估计算法与存在周期性模糊的精确估计结果的ESPRIT算法相结合，得到高精度且无周期模糊的闭式2D‑DOA估计结果，提高了2D‑DOA估计性能。
-
公开(公告)号：CN115453451A
公开(公告)日：2022-12-09
申请号：CN202210903275.0
申请日：2022-07-28
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种任意压缩EMVS阵列DOA和极化参数联合估计方法，利用任意拓扑结构的EMVS阵列获取压缩网络压缩后的数据，可以提高在工程实现方面的适应性，同时压缩网络引入则有效减少了前端链等硬件设备以及后续相关算法的计算复杂度；之后使用4个旋转不变因子以闭合形式进行粗略的2D‑DOA估计，在此基础上将2D‑DOA的二维全局搜索转换为小规模局部搜索，获得高精度的2D‑DOA估计结果，减小了计算复杂度，最后通过精度的2D‑DOA估计结果获得极化参数的闭式估计解。因此本发明相比于现有技术估计极化参数在工程上的适应性更高，算法复杂度更低。
-
公开(公告)号：CN110471026A
公开(公告)日：2019-11-19
申请号：CN201910662647.3
申请日：2019-07-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种相位增强的米波雷达目标低仰角DOA估计方法，该方法包括对输入数据集进行归一化处理；将归一化的输入数据集输入至神经网络模型得到网络输出数据集；根据网络输出数据集、标签数据集构建目标函数，对目标函数进行反向传输，且更新神经网络模型的网络参数集；根据网络参数集对测试数据集进行增强得到新的数据协方差矩阵，根据新的数据协方差矩阵得到新的测试数据集；对新的测试数据集进行DOA估计得到目标的仰角。本发明提供的DOA估计方法，其神经网络模型是根据实际场景构建的，有效地解决了物理驱动DOA估计中存在的实际信号模型与理想的远场平面波模型失配问题，从而使得DOA估计精度更高。
-
公开(公告)号：CN110221241A
公开(公告)日：2019-09-10
申请号：CN201910357489.0
申请日：2019-04-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于RBF神经网络的低仰角DOA估计方法，包括以下步骤：S1：在实测数据中选取仰角为低仰角的点迹，将所述低仰角的点迹对应的真实仰角作为训练神经网络的标签Y，Y＝[y1,y2,...,yn]，根据标签yi得到与其对应的数据协方差矩阵Ri，从所述数据协方差矩阵Ri中提取对应的实部特征和虚部特征得到列向量ri；S2：将所有所述列向量[r1,r2,...,rn]归一化得到训练RBF神经网络的输入normX；S3：求取所述RBF神经网络基函数中心，并根据所述基函数中心计算基函数方差；S4：根据所述基函数方差计算隐含层和输出层之间的连接权值，以得到训练好的神经网络；S5：将测试集样本进行归一化处理，输入到所述训练好的神经网络中求取来波到达角。本发明提供的方法提高了目标侦察准确性，减少了计算量，解决了现有技术中在复杂环境下DOA估计精度较低计算量大的问题。
-
公开(公告)号：CN106646419B
公开(公告)日：2019-09-03
申请号：CN201710111652.6
申请日：2017-02-28
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种检测杂波边缘雷达目标的自适应恒虚警方法，其思路为：分别计算参考滑窗A内雷达回波数据模值的均值、参考滑窗B内雷达回波数据模值的均值、参考滑窗A内雷达回波数据模值的方差和参考滑窗B内雷达回波数据模值的方差；分别计算参考滑窗A内雷达回波数据模值的可变性参数、参考滑窗B内雷达回波数据模值的可变性参数和参考滑窗A内雷达回波数据模值的均值与参考滑窗B内雷达回波数据模值的均值的比率；进而得到雷达回波数据内杂波的参考电平；设定恒虚警检测门限系数K0，然后将雷达回波数据内杂波的参考电平与K0相乘，若待检测单元内的雷达回波数据模值大于所述得到的乘积值，则表明待检测单元中包含雷达目标；反之待检测单元中没有雷达目标。
-
-
-
-
-
-
-
-
-
Search Results
188
records
(took 0.042 seconds)
