-
公开(公告)号：CN107291014B
公开(公告)日：2023-03-24
申请号：CN201710616701.1
申请日：2017-07-26
Applicant: 黑龙江瑞兴科技股份有限公司 , 哈尔滨工程大学
IPC: G05B19/042
Abstract: 本发明公开了一种轨道交通用继电器控制电路，包括CPU‑A和CPU‑B，所述CPU‑A和CPU‑B均与计轴信号fR相连，所述CPU‑A和CPU‑B分别对计轴信号fR进行相同的处理，且CPU‑A产生控制继电器的信号fa、CPU‑B产生控制继电器的信号fb，其特征在于，还包括信号处理电路和推挽处理电路，信号fa经过信号处理电路输出fc，信号fb和信号fc经过推挽处理电路输出控制继电器的信号fT，且信号fc作为推挽处理电路的使能控制信号。双CPU的设计提高了电路的可靠性，该电路将双CPU输出的信号，通过外部电路统一起来：当CPU‑A出现故障时，推挽电路将不受fc的控制，CPU‑B正常输出；当CPU‑B出现故障时，其产生的错误信号无法经过推挽电路，外部继电器处于安全的不控制状态，提高了轨道交通的安全性。
-
公开(公告)号：CN113093124B
公开(公告)日：2022-09-02
申请号：CN202110370353.0
申请日：2021-04-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达干扰技术领域，具体涉及一种基于DQN算法的雷达干扰资源实时分配方法。本发明将DQN算法引入到无人机干扰样式资源分配中，克服了现有技术在动态、实时分配上的缺陷，实现了对无人机从任务开始到完成任务期间的干扰样式资源实时分配，可以用于处理雷达有多种工作模式转换的情形。
-
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：CN112986928B
公开(公告)日：2022-06-17
申请号：CN202110265184.4
申请日：2021-03-11
Applicant: 哈尔滨工程大学
Abstract: 本发明属于电子对抗领域中的电子侦察技术领域，具体涉及一种复杂电磁环境下信号分选多源融合处理方法。本发明基于实测数据利用多源融合算法解决了密集环境下多源雷达信号的分选问题，充分考虑了雷达分选可能存在分选效率低、脉冲利用率低等问题，利用多源信息融合算法，对分选前的脉冲数据进行数据融合，有效地解决了因信号源密集导致待分选脉冲信息过多的问题，进而提高了密集环境下分选的效率。本发明对分选之后的辐射源信息进行融合处理，较好的解决了因分选处理误差导致的辐射源冗余问题，进而减少了虚假目标。本发明对分选后的剩余脉冲进行融合处理，并成功分选出了新的辐射源，进而提高了脉冲信息的利用率。
-
公开(公告)号：CN114221667A
公开(公告)日：2022-03-22
申请号：CN202111491329.9
申请日：2021-12-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种通信系统接收端已知信号消除方法及系统，包括构建接收端接收信号模型为y(t)＝s(t)+d(t)+N(t)；接收信号y(t)依次通过带通滤波器和低噪声放大器，然后与本地载波相乘后通过低通滤波器进行带通滤波，通过ADC进行模数转换，得到接收信号y(n)＝s(n)+d(n)+N(n)；利用y(n)＝s(n)+d(n)+N(n)制作数据集，包括训练集yx(n)和测试集ye(n)；将训练集yx(n)和测试集ye(n)分别与参考信号I(n)进行整合，得到输入训练集hx(n)＝[yx(n)，I(n)]和输入测试集he(n)＝[ye(n)，I(n)]；初始化DNN神经网络参数，利用输入训练集hx(n)＝[yx(n)，I(n)]训练DNN神经网络，保存训练好的模型；将输入测试集he(n)＝[ye(n)，I(n)]送入到训练好的DNN神经网络模型中进行处理，得到输出目标信号s′(n)。本发明对已知干扰信号到达的时间没有要求且可以有效的消除已知干扰信号。
-
Patent Agency Ranking
公开(公告)号：CN110535503B
公开(公告)日：2021-11-23
申请号：CN201910801284.7
申请日：2019-08-28
Applicant: 哈尔滨工程大学
IPC: H04B7/0452 , H04B7/0456 , H04B17/391
Abstract: 本发明公开了一种基于不完全信道下多用户双向MIMO中继系统的预编码方法，属于无线中继通信技术领域。本发明首先分别计算第k个信源和第k个用户在两个时隙内接收的总信号；在非理想信道状态下，建立信道模型；然后根据系统模型和信道模型，构建MIMO中继系统的收发预编码算法的优化问题表示式；再求解第k个信源接收滤波矩阵W1,k和第k个用户接收滤波矩阵W2,k；根据最大功率约束条件，优化第k个信源预编码矩阵B1,k；再优化中继转发矩阵；通过平方约束二次规划问题优化第k个用户预编码矩阵；最后进行联合迭代至收敛，得到优化后的预编码矩阵；该算法考虑非理想的信道状态信息，可以更加切合实际的通信系统，有效提高系统的性能。
-
公开(公告)号：CN112217545B
公开(公告)日：2021-10-01
申请号：CN202011072159.6
申请日：2020-10-09
Applicant: 哈尔滨工程大学
IPC: H04B7/0413 , H04B17/391
Abstract: 本发明公开了一种大规模MIMO系统检测模型的构建方法，模型由K层相同的网络迭代而成，每层网络分线性和非线性两个模块，线性模块结合已知信息的线性组合，并加入训练参数，对发送信号x进行线性估计。非线性模块对线性估计值进行多段映射，得到非线性估计值此外，每层网络中加入残差系数可变的残差结构。构建的检测模型网络结构简单，且具有网络自适应能力强，收敛速度快，复杂度低的特点。
-
公开(公告)号：CN113376608A
公开(公告)日：2021-09-10
申请号：CN202110583471.X
申请日：2021-05-27
Applicant: 哈尔滨工程大学
Abstract: 本发明属于辐射源结构识别技术领域，具体涉及一种基于卷积神经网络的雷达辐射源结构识别方法。本发明通过模拟实际辐射源系统中频率合成器和功放对信号的影响，根据不同结构的辐射源产生的多种调制方式的信号，结合信号时频分析技术，提取信号时频图像的特征，训练CNN模型，训练后的CNN模型能够进行有效的辐射源结构识别，实现信号至辐射源结构的反演过程。本发明中的识别模型能够在低信噪比下实现较高的识别率，且具有较好的鲁棒性，具有良好的应用前景。
-
公开(公告)号：CN113326757A
公开(公告)日：2021-08-31
申请号：CN202110570134.7
申请日：2021-05-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于卷积神经网络的频率合成器类型识别方法，包括如下步骤：步骤一：建立DDS相位截断模型；步骤二：建立带有小数分频杂散的Fractional‑N PLL模型；步骤三：对步骤一和步骤二的模型进行仿真，得到四十种频率的信号；步骤四：训练CNN模型，实现对频率合成器类型识别；所述步骤四具体为：将仿真信号的时频图像输入进卷积神经网络中，CNN模型包括一个输入层、3个卷积层、3个池层和2个完全连接层。本发明CNN更适合于与时频图像相结合的频率合成器类型识别，即使在信噪比较低的情况下，也能获得较高的识别率。将任一信号输入训练好的CNN模型，能够快速准确地输出识别结果。
-
公开(公告)号：CN113325375A
公开(公告)日：2021-08-31
申请号：CN202110569844.8
申请日：2021-05-25
Applicant: 哈尔滨工程大学
IPC: G01S7/38
Abstract: 本发明提供一种基于深度神经网络的自适应对消方法，1)定义接收天线接收的信号模型，包括发射信号功率Pf，功率放大器非线性失真函数G[·]以及载波中心频率fc；2)定义非线性功率放大器的模型；3)将目标信号进行非线性建模，使用大量数据对DNN网络进行训练；4)把原参考信号通过训练好的网络后生成的信号作为新参考信号输入自适应滤波器；5)对比自适应滤波器对消前后的信号。本发明利用大量训练先验信息模拟雷达干扰机功率放大器的非线性特性，解决干扰问题，这种方法直接估计信号的幅度，用大量的数据来减少算法步骤。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.032 seconds)
