-
公开(公告)号：CN119511213A
公开(公告)日：2025-02-25
申请号：CN202411517850.9
申请日：2024-10-29
Applicant: 哈尔滨工程大学 , 上海无线电设备研究所
IPC: G01S7/36 , G06F18/10 , G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/045
Abstract: 基于卷积注意力机制和排斥损失的Yolov8网络的雷达有源复合干扰信号识别与参数测量方法，本发明为了解决现有的干扰信号识别方法工作模式单一、鲁棒性差的问题，将干扰识别问题转换目标检测问题，并应用目标检测框架来检测、识别和测量干扰信号的参数，并引入了CBAM注意力机制，增强网络对图像的特征提取能力，提高识别率。此外，还引入了排斥损失函数，在干扰信号时频图像重叠较多时也能保持良好的回归预测效果。本文网络在低干噪比下对大多数信号有良好的检测识别性能。本发明属于雷达干扰信号检测与识别技术领域。
-
公开(公告)号：CN116243248A
公开(公告)日：2023-06-09
申请号：CN202310218279.X
申请日：2023-03-09
Applicant: 哈尔滨工程大学 , 上海无线电设备研究所
Abstract: 本发明提供一种基于多标签分类网络的多分量干扰信号识别方法，将一维干扰信号经过时频变换转换成时频图像，利用MobileViT‑v2模块的全局特征提取能力对多分量干扰信号进行高效分类识别。此发明解决了当前多类别分类网络对训练集中未曾出现的信号组合无法识别的问题，对训练样本数的要求较低，突破了现有的雷达有源干扰识别方法的应用局限。
-
公开(公告)号：CN119789144A
公开(公告)日：2025-04-08
申请号：CN202411961184.8
申请日：2024-12-30
Applicant: 哈尔滨工程大学 , 上海无线电设备研究所
IPC: H04W28/02 , H04W28/06 , H04W72/044 , H04W72/541 , G06N3/006 , G06N3/092
Abstract: 本发明公开了一种基于多智能体强化学习的多域联合干扰资源分配方法及系统，其中方法步骤包括：基于多干扰机协同干扰任务，构建多对多对抗环境模型；基于多对多对抗环境模型，定义多干扰机联合状态空间；基于多对多对抗环境模型，设计多干扰机联合动作空间；基于多干扰机联合状态空间和多干扰机联合动作空间，构造多域信息联合表征的全局奖励函数；基于全局奖励函数，进行最优策略学习；多智能体系统根据学习到的最优策略做出决策。本发明通过采用值分解网络算法，并设计多干扰机联合状态空间、多干扰机联合动作空间和全局奖励函数，实现了对我方多干扰机的干扰波束分配和干扰功率大小的动态调整，从而能够提高对敌方雷达系统的干扰效率和灵活性。
-
公开(公告)号：CN117031391A
公开(公告)日：2023-11-10
申请号：CN202311080688.4
申请日：2023-08-25
Applicant: 哈尔滨工程大学 , 上海无线电设备研究所
IPC: G01S3/14
Abstract: 基于多通道NYFR折叠采样均匀线阵结构的DOA估计方法及系统，它属于宽带电子侦察领域。本发明解决了现有宽带数字接收机技术不能对宽带信号进行测向、需要处理的数据量大以及数据处理过程复杂的问题。本发明方法为：步骤一、利用均匀线阵接收远场入射信号；将均匀线阵的每个阵元接收的信号分别作为一个NYFR折叠采样通道的输入；步骤二、在NYFR折叠采样通道内，利用宽带预选滤波器对输入信号进行预处理后，将预处理后信号与本振脉冲串进行混频，混频信号再依次经过低通滤波器和ADC处理，得到NYFR折叠采样通道的输出；步骤三、根据各个NYFR折叠采样通道的输出对各个入射信号的DOA进行估计。本发明方法可以应用于入射信号的DOA估计。
-
公开(公告)号：CN119398102A
公开(公告)日：2025-02-07
申请号：CN202411520948.X
申请日：2024-10-29
Applicant: 哈尔滨工程大学 , 上海无线电设备研究所
Abstract: 本发明公开一种雷达干扰决策方法和装置、系统、存储介质，包括：步骤S1、根据雷达‑干扰机对抗环境，得到雷达工作模式转换与干扰机释放干扰信号间的潜在联系；步骤S2、将当前雷达工作模式对应的威胁等级作为环境状态参数输入到基于自适应贪婪调节和优先双重经验回放的竞争双重深度Q网络决策结构中进行价值评估、经验录入、经验抽取和参数更新操作，得到雷达干扰决策结果。采用本发明的技术方案，解决传统强化学习算法存在策略收敛效果较差和经验存储方式不足的问题。
-
Patent Agency Ranking
公开(公告)号：CN112731309A
公开(公告)日：2021-04-30
申请号：CN202110011684.5
申请日：2021-01-06
Applicant: 哈尔滨工程大学 , 上海无线电设备研究所
Abstract: 本发明属于雷达干扰信号识别技术领域，具体涉及一种基于双线性高效神经网络的有源干扰识别方法。本发明针对现有干扰信号在低干噪比下识别难度大、依靠先验知识的问题，设计了更智能化的干扰识别方法。本发明通过对多种干扰信号进行建模分析，从信号时频图像的角度，采用双线性高效神经网络进行识别，在低干噪比下依然能获得很高的准确率。仿真实验证明了双线性高效神经网络用来识别干扰信号的有效性，相对于人工提取特征的传统方式，精度更高、更为简便。本发明无需干扰信号特征的先验知识，在低干噪比下具有一定的鲁棒性，突破了现有的雷达有源干扰识别方法的应用局限。
-
公开(公告)号：CN116243249A
公开(公告)日：2023-06-09
申请号：CN202310218280.2
申请日：2023-03-09
Applicant: 哈尔滨工程大学 , 上海无线电设备研究所
Abstract: 本发明提供一种基于深度强化学习的雷达智能干扰抑制决策方法，通过将深度学习网络与强化学习算法相结合，使得智能体雷达能够在一定底噪环境中与干扰机所释放的干扰信号不断进行博弈操作从而学习并优化干扰抑制策略；通过对抑制前后的回波信号进行脉压操作以验证抑制后恢复效果。此发明避免了人工判决在速度和准确性方面的不足，优化了传统强化学习算法需要Q‑Table进行成果存储调用的策略效果，提高了决策系统在干扰判决特征和干扰抑制动作方面的可拓展性。
-
公开(公告)号：CN112731309B
公开(公告)日：2022-09-02
申请号：CN202110011684.5
申请日：2021-01-06
Applicant: 哈尔滨工程大学 , 上海无线电设备研究所
Abstract: 本发明属于雷达干扰信号识别技术领域，具体涉及一种基于双线性高效神经网络的有源干扰识别方法。本发明针对现有干扰信号在低干噪比下识别难度大、依靠先验知识的问题，设计了更智能化的干扰识别方法。本发明通过对多种干扰信号进行建模分析，从信号时频图像的角度，采用双线性高效神经网络进行识别，在低干噪比下依然能获得很高的准确率。仿真实验证明了双线性高效神经网络用来识别干扰信号的有效性，相对于人工提取特征的传统方式，精度更高、更为简便。本发明无需干扰信号特征的先验知识，在低干噪比下具有一定的鲁棒性，突破了现有的雷达有源干扰识别方法的应用局限。
-
公开(公告)号：CN111008549B
公开(公告)日：2024-01-26
申请号：CN201910726667.2
申请日：2019-08-07
Applicant: 哈尔滨工程大学 , 青岛哈尔滨工程大学创新发展中心
IPC: G06F18/21 , G06F18/214 , G06N3/006 , G01C25/00
Abstract: 基于样本熵和IFOA‑GRNN的UUV平台DVL信号失真重构方法，本发明涉及DVL信号失真重构方法。本发明的目的是为了解决现有多普勒计程仪DVL一旦出现故障将严重影响UUV的正常航行以至于偏离规划航线、速度失控甚至撞毁、沉底的问题。过程为：一、得到训练好的IFOA‑GRNN模型；二、在UUV航行过程中，实时计算DVL输出信号的样本熵；三、当样本熵SE小于设定阈值时，DVL为信号失真状态，获取DVL信号失真下的UUV航行数据；否则，获取DVL正常工作状态下的UUV航行数据；四、得到UUV的估计航速；五、得到海流信息；六、根据海流信息修正估计航速，得到修正航速。本发明用于DVL信号失真重构领域。
-
公开(公告)号：CN115393577A
公开(公告)日：2022-11-25
申请号：CN202211073079.1
申请日：2022-09-02
Applicant: 哈尔滨工程大学 , 青岛哈尔滨工程大学创新发展中心
IPC: G06V10/25 , G06V10/762
Abstract: 一种红外海上小目标抗干扰的检测方法，它属于海上目标检测技术领域。本发明解决了由于红外海面图像中存在干扰，导致的采用现有目标检测方法时存在检测率低、虚警率高的问题。本发明通过计算中心区域及其邻域灰度分布的相异性，实现对疑似目标的召回式检测。然后，进一步提取出疑似目标区域的特征。因为海上干扰存在的聚类特征，松弛互k近邻图被引入通过全局图聚类来区分真实目标，通过这种方法，能够检测出真实目标并将海上干扰滤除。本发明方法可以应用于海上小目标的检测。
-
-
-
-
-
-
-
-
-
Search Results
301
records
(took 0.078 seconds)
