-
公开(公告)号：CN112986922A
公开(公告)日：2021-06-18
申请号：CN202110233326.9
申请日：2021-03-03
Applicant: 哈尔滨工程大学
IPC: G01S7/292 , G08B29/26 , H04B17/336
Abstract: 本发明属于电子侦察技术领域，具体涉及一种基于顺序统计滤波和二元检测的被动雷达信号检测方法。本发明通过信道化预处理对大瞬时监测带宽内的低信噪比信号进行一定的降速和信噪比提升后，再结合二元积累检测，在一定低信噪比条件下可以实现快速准确检测。适应了被动雷达领域中侦察系统采样率越来越高的趋势，解决了低信噪比条件下信号检测困难的问题。本发明基于信道内相对稳定的条件下，通过对并行滑动窗口内的参考数据进行顺序统计滤波处理来估计检测门限，且不需要额外的门限补偿，其中并行流水型结构保证了在强噪声下可以快速得出自适应的恒定虚警门限，采用二元积累检测技术可以进一步提高检测和虚警概率，突破了现有检测方法的应用局限。
-
公开(公告)号：CN116804740B
公开(公告)日：2024-07-30
申请号：CN202310700793.7
申请日：2023-06-13
Applicant: 哈尔滨工程大学
IPC: G01S7/40 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 基于Inverted U‑Net的被动雷达信号智能检测方法，解决了现有检测方法在低信噪比条件下多信号检测困难的问题，属于电子侦察领域。本发明包括：构建被动雷达信号智能检测模型，包括数字信道化模块、幅度提取模块以和Inverted U‑Net神经网络模型；将采样后的雷达脉冲信号输入数字信道化模块进行预处理，得到各个信道的IQ信号，然后输入至幅度提取模块，得到幅度信息矩阵A，将A输入至神经网络模型，神经网络模型为先上采样后下采样的对称倒U型神经网络结构，且下采样时需要融合相应上采样结果来提取特征，神经网络模型输出检测结果D；构建训练集，对神经网络模型进行训练；利用训练好的被动雷达信号智能检测模型进行检测。
-
公开(公告)号：CN116804740A
公开(公告)日：2023-09-26
申请号：CN202310700793.7
申请日：2023-06-13
Applicant: 哈尔滨工程大学
IPC: G01S7/40 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 基于Inverted U‑Net的被动雷达信号智能检测方法，解决了现有检测方法在低信噪比条件下多信号检测困难的问题，属于电子侦察领域。本发明包括：构建被动雷达信号智能检测模型，包括数字信道化模块、幅度提取模块以和Inverted U‑Net神经网络模型；将采样后的雷达脉冲信号输入数字信道化模块进行预处理，得到各个信道的IQ信号，然后输入至幅度提取模块，得到幅度信息矩阵A，将A输入至神经网络模型，神经网络模型为先上采样后下采样的对称倒U型神经网络结构，且下采样时需要融合相应上采样结果来提取特征，神经网络模型输出检测结果D；构建训练集，对神经网络模型进行训练；利用训练好的被动雷达信号智能检测模型进行检测。
-
公开(公告)号：CN112986922B
公开(公告)日：2022-09-16
申请号：CN202110233326.9
申请日：2021-03-03
Applicant: 哈尔滨工程大学
IPC: G01S7/292 , G08B29/26 , H04B17/336
Abstract: 本发明属于电子侦察技术领域，具体涉及一种基于顺序统计滤波和二元检测的被动雷达信号检测方法。本发明通过信道化预处理对大瞬时监测带宽内的低信噪比信号进行一定的降速和信噪比提升后，再结合二元积累检测，在一定低信噪比条件下可以实现快速准确检测。适应了被动雷达领域中侦察系统采样率越来越高的趋势，解决了低信噪比条件下信号检测困难的问题。本发明基于信道内相对稳定的条件下，通过对并行滑动窗口内的参考数据进行顺序统计滤波处理来估计检测门限，且不需要额外的门限补偿，其中并行流水型结构保证了在强噪声下可以快速得出自适应的恒定虚警门限，采用二元积累检测技术可以进一步提高检测和虚警概率，突破了现有检测方法的应用局限。
-
-
-
Search Results
4
records
(took 0.021 seconds)
