-
公开(公告)号：CN118473545A
公开(公告)日：2024-08-09
申请号：CN202410520243.1
申请日：2024-04-28
Applicant: 哈尔滨工程大学
IPC: H04B15/00 , H04L5/14 , G06N3/0442 , G06N3/045 , G06N3/0495
Abstract: 本发明属于信息通信技术领域，特别涉及一种基于SW‑GRU‑TPA的自干扰数字对消方法及其系统、电子设备和存储介质。步骤1：对获取的数据进行预处理形成数据集，将数据集分为训练集与验证集；步骤2：构造SW‑GRU‑TPA模型；步骤3：对步骤2构造好的SW‑GRU‑TPA模型采用训练集进行训练，将已训练好的模型参数进行L1范数剪枝；步骤4：将步骤3L1范数剪枝后的模型进行验证，实现全双工系统中的自干扰对消。用以解决在全双工系统中，同时同频工作会导致接收机接收到发射机发出的信号，引起严重的自干扰的问题，以及自干扰信号中的非线性成分则会导致自干扰对消更加困难的问题。
-
公开(公告)号：CN118294892A
公开(公告)日：2024-07-05
申请号：CN202410246556.2
申请日：2024-03-04
Applicant: 哈尔滨工程大学
IPC: G01S7/36 , G06F18/214 , G06F18/213 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 一种基于深度学习的雷达主瓣有源干扰抑制方法，它属于雷达干扰抑制及信号处理技术领域。本发明解决了现有方法的泛化性差、计算复杂度高的问题。本发明主要基于射频特征这一来自于硬件且具有独一无二属性的特征来区分干扰信号和雷达信号，首先通过设计的SSAE1网络和SSAE2网络提取雷达信号的信号特征和射频特征，通过提取的雷达信号的信号特征和射频特征辅助JSAE网络滤除混合信号中的干扰特征，干扰滤除后的特征再经过JSAE网络的各层解码器，输出重构的抑制干扰后的雷达信号，从而最终实现干扰抑制。本发明可以应用于雷达干扰抑制及信号处理。
-
公开(公告)号：CN118114850A
公开(公告)日：2024-05-31
申请号：CN202410235735.6
申请日：2024-03-01
Applicant: 哈尔滨工程大学
IPC: G06Q10/047 , G06N3/006 , G06F17/18 , G06N3/04 , G06N3/08
Abstract: 一种面向无人机无源定位任务的自主路径规划方法，它属于无人机路径规划技术领域。本发明解决了现有技术无法做到避障避险与高定位精度的兼顾，以及全局把控能力差的问题。本发明将DQN网络引入到面向无源定位任务的无人机自主路径规划研究中，这样可以突出任务属性的重要性，使本发明方法可以做到对避障避险和定位精度的兼顾，同时也增加了对全局的把控能力，实现对无人机从任务开始到完成任务期间的路径调整规划的能力。本发明方法可以应用于无人机路径规划。
-
公开(公告)号：CN117784025A
公开(公告)日：2024-03-29
申请号：CN202311868524.8
申请日：2023-12-29
Applicant: 哈尔滨工程大学
IPC: G01S7/02
Abstract: 一种基于脉冲压缩的雷达干扰特征提取系统，它属于电子侦察领域。本发明解决了在复杂的干扰环境下，仅依靠时频域的有限特征获得的干扰识别效果差的问题。本发明的系统可以实时、高效地计算雷达接收信号在脉压域的脉压后信号峰均比、匹配脉冲密集度、匹配脉冲的到达时间以及脉压后脉冲宽度的高辨识度特征参数，为后续的干扰识别提供了更多的参考信息，将本发明提取的特征参数与时频域特征进行结合，可以有效提高干扰识别效果。本发明方法可以应用于雷达干扰特征提取领域。
-
公开(公告)号：CN116776247A
公开(公告)日：2023-09-19
申请号：CN202310746167.1
申请日：2023-06-21
Applicant: 哈尔滨工程大学
IPC: G06F18/2415 , G06F18/213 , G06F18/214 , G06N3/04 , G06N3/048
Abstract: 一种基于深度学习的雷达辐射源结构反演方法，它属于雷达辐射源信号处理技术领域。本发明解决了现有方法在复杂的背景下无法实现对敌方雷达辐射源的深度认知的问题。本发明方法为：步骤一、生成复RF信号样本，为每个复RF信号样本添加对应的雷达辐射源结构标签后得到复RF信号训练数据集；步骤二、构建sFSAE网络和SoftMax分类器，对训练数据集中的复RF信号样本进行处理后，利用处理后的复RF信号样本和标签对sFSAE网络和SoftMax分类器进行训练；步骤三、将训练好的sFSAE网络的各层频域稀疏自编码器的特征编码器和训练好的SoftMax分类器串联起来，将对待检测RF信号的处理结果输入串联后的网络，得到对雷达辐射源结构的反演结果。本发明方法可以应用于雷达辐射源信号处理。
-
Patent Agency Ranking
公开(公告)号：CN116359855A
公开(公告)日：2023-06-30
申请号：CN202310371673.7
申请日：2023-04-07
Applicant: 哈尔滨工程大学
Abstract: 基于NGO‑RF的雷达干扰效果评估方法，属于雷达对抗技术领域。解决现有的雷达干扰效果评估方法针对非合作方雷达都具有一定的局限性问题。本发明生成样本集时，选用干扰方能够采集到雷达特征，在搜索空间内利用RF算法构建分类器种群矩阵；利用构建的样本集对分类器种群矩阵进行训练，并通过NGO算法对训练后的分类器种群矩阵进行优化，并从优化后的分类器种群矩阵中搜寻最优分类器；结合最优分类器识别干扰前后雷达工作模式的变化情况和抗干扰指标变化，通过二者的变化对雷达的干扰效果进行有效评估。突破现有技术需要从雷达方与合作方合作才能获取相关指标来进行干扰效果评估的弊端。主要用于对干扰效果进行评估。
-
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：CN115564952A
公开(公告)日：2023-01-03
申请号：CN202211130576.0
申请日：2022-09-16
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种信号分选和信源类型判别的方法，为了在雷达信号分选过程中减少人工参数设置、减少多步骤分选的传统方法在灵活性上的制约，提出一种基于神经网络的信号分选方法。其中，点阵图像分割步骤中，对掩膜精度的要求达到了像素级，现有的实例分割神经网络无法达到精度要求，因此提出了一种“级联‑循环神经网络回路”，克服了精度问题。
-
公开(公告)号：CN109254274B
公开(公告)日：2022-12-13
申请号：CN201811409321.1
申请日：2018-11-23
Applicant: 哈尔滨工程大学
IPC: G01S7/41
Abstract: 本发明涉及一种基于特征融合的雷达辐射源辨识方法，产生雷达辐射源无意调制信号集；提取AR模型系数、Renyi熵特征、谱峭度特征；计算平滑伪维格纳分布，生成时频图像，进行灰度化和自适应二值化处理，得到自适应二值化图像；提取图像的伪Zernike矩和Hu矩特征；应用AlexNet卷积神经网络提取信号时频图像无意调制特征并分别归一化，进行特征融合，得到融合后特征向量；将融合后特征向量输入支持向量机，训练由粒子群算法优化的支持向量机，将雷达辐射源信号集输入系统完成雷达辐射源辨识。本发明从时域、频域和时频域分析信号，实现多种无意调制特征全面提取，解决提取的无意调制特征适用性低、可靠性差和辐射源辨识困难。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.043 seconds)
