-
公开(公告)号：CN117746163A
公开(公告)日：2024-03-22
申请号：CN202410098174.X
申请日：2024-01-23
Applicant: 哈尔滨工程大学 , 杭州市滨江区浙工大网络空间安全创新研究院
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06V10/52 , G06F18/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 一种基于多尺度视觉Transformer的雷达工作模式识别方法，它涉及一种雷达工作模式识别方法。本发明为了解决传统雷达工作模式识别算法全局特征提取能力差，识别功能泛化性差的问题。本发明使用CWD时频变换将雷达脉冲信号转化为时频图，并对样本进行了长度一致化处理，有利于深度学习模型充分提取信号的时频演化规律；该发明采用基于Biformer的多尺度特征提取网络，引入了分层的双层路由注意力机制，可以更好地在捕捉雷达信号时频图的全局和局部特征，能够在有效降低算法的复杂度的同时取得更高的识别准确率。本发明属于数字信号处理技术领域。
-
公开(公告)号：CN116527177B
公开(公告)日：2024-03-12
申请号：CN202310478993.2
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: H04B17/382 , G06N3/0464 , G06N3/048
Abstract: 一种基于相关性分析和图卷积网络的三维频谱预测方法，它涉及一种三维频谱预测方法。本发明为了解决传统卷积神经网络在涉及空域的三维频谱预测中预测性能下降的问题。本发明的核心在于利用先验的空间电磁频谱相关性分析结果辅助神经网络实现高精度的预测，同时使用基于图卷积的网络模型替代卷积神经网络，解决传统卷积网络难以有效拟合空域非结构性数据的困扰，以及进一步加强网络输出结果的精度和可靠性。本发明属于电磁频谱预测技术领域。
-
公开(公告)号：CN115034985B
公开(公告)日：2024-11-12
申请号：CN202210613693.6
申请日：2022-05-31
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种水下图像增强方法，包括对水下拍摄的原始图像进行反转处理，得到暗通道图像；根据暗通道图像计算全局背景光和水下环境光；计算得出水介质对光的透射率；根据全局背景光和水介质对光的透射率计算得到初步的去雾处理水下图像；利用多尺度的Retinex算法对初步的去雾处理水下图像进行图像增强处理；利用色彩恢复函数弥补图像失真现象；利用直方图截取平衡不同色彩通道的多尺度Retinex处理值在最终处理图像中的占比，获得二次处理水下图像；利用高斯滤波和引导滤波的双边滤波器对二次处理水下图像进行噪点处理，得到最终图像。本发明提升了带雾偏色低质量的水下拍摄原本图像的清晰度，并降低色彩偏差程度与噪点。
-
公开(公告)号：CN116545556A
公开(公告)日：2023-08-04
申请号：CN202310478269.X
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: H04B17/373 , G06N3/0442 , G06N3/045 , G06N3/0464 , H04B17/382
Abstract: 基于动态阈值和残差卷积网络的电磁频谱占用度二维预测方法，它涉及一种电磁频谱占用度二维预测方法。本发明为了解决目前对于电磁频谱占用度预测任务上先验信息少、预测尺度单一、预测性能差的问题。本发明的核心在于设计了动态阈值的底噪和占用度提取算法，采用基于电磁频谱占用度时间近邻特征、周期特征和趋势特征作为先验信息，通过TFBRL网络融合残差卷积网络和LSTM时序预测网络，实现电磁频谱占用度预测，有效提升预测性能。本发明属于电磁环境频谱占用预测技术领域。
-
公开(公告)号：CN119885067A
公开(公告)日：2025-04-25
申请号：CN202411866801.6
申请日：2024-12-18
Applicant: 哈尔滨工程大学 , 上海微波设备研究所(中国电子科技集团公司第五十一研究所) , 杭州电子科技大学丽水研究院
IPC: G06F18/25 , G01S7/02 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明提出一种基于时序融合Transformer的雷达工作模式单步预测方法，属于雷达信号处理技术领域，解决了传统雷达工作模式预测中预测精度低、预测功能鲁棒性差的问题，具体步骤包括：对已获取的雷达脉冲信号进行变换域分析，构建雷达工作模式原始样本数据集；对雷达工作模式原始样本数据集中的时频图进行多尺度特征提取与识别，基于提取后的特征与识别得到的对应雷达工作模式标签构建训练数据集；构建TFT预测模型并使用训练数据集对TFT预测模型进行训练；将接收的雷达信号进行变换域分析和多尺度特征提取，生成历史特征和标签序列；将生成的历史特征和标签序列输入训练后的TFT预测模型进行雷达工作模式的单步预测，输出预测结果。
-
Patent Agency Ranking
公开(公告)号：CN117746163B
公开(公告)日：2025-03-07
申请号：CN202410098174.X
申请日：2024-01-23
Applicant: 哈尔滨工程大学 , 杭州市滨江区浙工大人工智能创新研究院
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06V10/52 , G06F18/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 一种基于多尺度视觉Transformer的雷达工作模式识别方法，它涉及一种雷达工作模式识别方法。本发明为了解决传统雷达工作模式识别算法全局特征提取能力差，识别功能泛化性差的问题。本发明使用CWD时频变换将雷达脉冲信号转化为时频图，并对样本进行了长度一致化处理，有利于深度学习模型充分提取信号的时频演化规律；该发明采用基于Biformer的多尺度特征提取网络，引入了分层的双层路由注意力机制，可以更好地在捕捉雷达信号时频图的全局和局部特征，能够在有效降低算法的复杂度的同时取得更高的识别准确率。本发明属于数字信号处理技术领域。
-
公开(公告)号：CN115034985A
公开(公告)日：2022-09-09
申请号：CN202210613693.6
申请日：2022-05-31
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种水下图像增强方法，包括对水下拍摄的原始图像进行反转处理，得到暗通道图像；根据暗通道图像计算全局背景光和水下环境光；计算得出水介质对光的透射率；根据全局背景光和水介质对光的透射率计算得到初步的去雾处理水下图像；利用多尺度的Retinex算法对初步的去雾处理水下图像进行图像增强处理；利用色彩恢复函数弥补图像失真现象；利用直方图截取平衡不同色彩通道的多尺度Retinex处理值在最终处理图像中的占比，获得二次处理水下图像；利用高斯滤波和引导滤波的双边滤波器对二次处理水下图像进行噪点处理，得到最终图像。本发明提升了带雾偏色低质量的水下拍摄原本图像的清晰度，并降低色彩偏差程度与噪点。
-
公开(公告)号：CN107728109A
公开(公告)日：2018-02-23
申请号：CN201710837758.4
申请日：2017-09-18
Applicant: 哈尔滨工程大学
IPC: G01S5/22
CPC classification number: G01S5/22
Abstract: 本发明公开了一种非合作目标辐射噪声测量定位技术，基于矢量水听器测量技术，构造了矢量水听器的声压、振速接收模型，利用矢量水听器的声压振速联合处理技术，采用互谱声强法，得到基线的测量方位角；通过三角形交汇法解算每组基线所测得的目标位置坐标信息。对于多只矢量水听器的定位，可视为矢量水听器的两两组合，而后再通过数据融合处理技术，综合所有基线的测量结果，确定运动目标的每一个测量点的位置。最后利用卡尔曼滤波算法进行后置处理，对运动目标的轨迹做进一步的优化。数据融合技术结合卡尔曼滤波算法可以提高定位精度，在小范围内快速、精确的定位出目标的运动轨迹，解决两只水听器定位精度较差、跟踪速度较慢的问题。
-
公开(公告)号：CN118301622A
公开(公告)日：2024-07-05
申请号：CN202410449047.X
申请日：2024-04-15
Applicant: 哈尔滨工程大学
IPC: H04W12/79 , H04L25/02 , H04L27/26 , G06N3/0464
Abstract: 本发明提出了一种基于跨信道鲁棒策略的频指纹提取与识别方法，包括：步骤1：接收电磁信号；步骤2：对电磁信号进行帧同步和频偏补偿得到时频同步信号；步骤3：基于离散傅里叶变换信道估计算法进行信道估计得到信道状态信息；步骤4：对信道估计后的时频同步信号进行信道均衡得到与信道无关频域符号；步骤5：对与信道无关领域符号进行傅里叶转化和进行功率规范化；步骤6：采用Mix‑up正则化技术构建多维卷积网络模型；步骤7：将功率规范化后的时域复数信号输入多维卷积网络模型中进行射频指纹提取与识别。本发明采用信道知识和模型正则化约束，方法灵活性强，算法响应时间快，工程可实现性强，极大程度上提升深度学习算法的工程效率。
-
公开(公告)号：CN116545556B
公开(公告)日：2024-03-29
申请号：CN202310478269.X
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: H04B17/373 , G06N3/0442 , G06N3/045 , G06N3/0464 , H04B17/382
Abstract: 基于动态阈值和残差卷积网络的电磁频谱占用度二维预测方法，它涉及一种电磁频谱占用度二维预测方法。本发明为了解决目前对于电磁频谱占用度预测任务上先验信息少、预测尺度单一、预测性能差的问题。本发明的核心在于设计了动态阈值的底噪和占用度提取算法，采用基于电磁频谱占用度时间近邻特征、周期特征和趋势特征作为先验信息，通过TFBRL网络融合残差卷积网络和LSTM时序预测网络，实现电磁频谱占用度预测，有效提升预测性能。本发明属于电磁环境频谱占用预测技术领域。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.066 seconds)
