-
-
公开(公告)号：CN115575902A
公开(公告)日：2023-01-06
申请号：CN202211151872.9
申请日：2022-09-21
Applicant: 哈尔滨工程大学
Abstract: 雷达信号多站融合分选方法，属于电子对抗领域；解决了现有多站集群协同下基于多组时差的雷达信号分选方法在高密度脉冲流情况下时差匹配精度低，且仅依赖时差参数TDOA分选准确率性难以保证的问题。本发明是基于PCN集对势与优化的平面变化主分选实现的雷达信号分选，本发明将各观测站内的特征参数接近的脉冲进行聚类，再以多站时差匹配TDOA参数作为融合校验的依据，弱化时差匹配误差对分选结果的影响，从而增加了高密度脉冲流条件下分选算法准确率；还提出引入SDIF算法确定每个聚类堆的潜在变换宽度Wi，再确定最优变换宽度W，从而实现对待测雷达的重复周期及重频调制类型的识别。本发明主要用于雷达信号分选。
-
公开(公告)号：CN108872926B
公开(公告)日：2022-08-02
申请号：CN201810759259.2
申请日：2018-07-11
Applicant: 哈尔滨工程大学
Abstract: 本发明属于阵列信号处理中的参数估计领域，具体涉及一种基于凸优化的幅相误差校正及DOA估计方法。包括以下步骤：(1)对带有幅相误差干扰的数据进行DOA估计；(2)将估计的角度代入构造的优化模型中得到估计的幅相误差；(3)将前两步进行迭代直到收敛得到估计的DOA和幅相误差；(4)对估计得到的角度值进行网格细化以减小步骤(1)中网格不适配的影响。该方法针对天线阵列的性能会受环境因素影响的现象，对从天线接收到的信号数据采用了一定的方法，对均匀线阵的幅相误差进行了盲校正，提高了DOA估计的准确度。本发明可对相干信号源进行角度估计，且不需要辅助信号源及辅助阵元，具有一定的普遍适用性，尤其适用于对信号相干性未知的幅相误差校正。
-
公开(公告)号：CN112130149A
公开(公告)日：2020-12-25
申请号：CN202011012635.5
申请日：2020-09-24
Applicant: 哈尔滨工程大学
IPC: G01S13/90
Abstract: 本发明提供一种结合正交匹配追踪算法的稀疏发射的ISAR成像方法，独立权利要求1。在发射端对发射信号进行稀疏处理，采样后得到稀疏的信号，然后对稀疏的信号进行重构，再进行ISAR成像处理，可以得到更高质量的成像图形，且能提升信号采样频率的利用率。本发明不研究ISAR成像和OMP算法的新的方法，而是将OMP算法在发射方式上对信号进行处理，然后重构信号应用到ISAR成像领域来。本发明可以大大提升信号的利用率，并且能提升成像质量。
-
公开(公告)号：CN110361691A
公开(公告)日：2019-10-22
申请号：CN201910669180.5
申请日：2019-07-24
Applicant: 哈尔滨工程大学
IPC: G01S3/00
Abstract: 本发明属于阵列信号处理技术领域，具体涉及一种基于非均匀阵列的相干信源DOA估计FPGA实现方法。包括自适应协方差矩阵计算模块，多级流水特征分解模块，双阈值信源数估计模块和谱峰搜索模块；自适应协方差矩阵计算模块的输入为采样数据，输出与多级流水特征分解模块输入相连；多级流水特征分解模块输出与双阈值信源数估计模块输入相连，双阈值信源数估计模块输出与谱峰搜索模块相连；本发明可以实现中心对称非均匀阵列相干信源的DOA估计，可以采用不同的数据格式，按需进行设计，采用按快拍数计算协方差矩阵和并行雅克比计算方案，缩短了运算时间；采用流水线结构的设计思想在保证运算精度的前提下，最大限度地优化了资源和速度。
-
Patent Agency Ranking
公开(公告)号：CN106950544A
公开(公告)日：2017-07-14
申请号：CN201710129064.5
申请日：2017-03-06
Applicant: 哈尔滨工程大学
IPC: G01S7/02
Abstract: 本发明属于雷达信号调制类型的识别领域，具体涉及一种基于DSP实现的大时宽信号分段识别的方法。本发明包括以下四个模块：1原始信号数据分段截取模块；2分段数字正交混频、滤波、抽取模块；3频谱和时频特征分段计算模块；4综合判别模块。在DSP上做信号处理的时间长短决定与信号数据的长度，因此在保证信号识别效果不变的情况下，采用对原始采样数据分段数字混频正交变换的方法，减少需要处理的数据长度，然后综合每段信号数据的频谱和时频特征对信号进行识别，这样的处理方法，保证了信号处理的实时性和准确性。
-
公开(公告)号：CN103903010A
公开(公告)日：2014-07-02
申请号：CN201410120917.5
申请日：2014-03-28
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供的是一种基于稀疏特征和邻域同属性的高光谱图像分类方法。包括：1、读入高光谱图像数据；2、求解字典D；3、求解稀疏特征A；4、设定训练集和测试集；5、支持向量机（Support？Vector？Machines,SVM）二分类；6、确定多分类结果；7、读入邻域尺度集合C；8、邻域划分；9、邻域同属性判定；10、重复进行步骤8和步骤9的循环操作，直到得到邻域同属性分类结果Yl，其为最终分类结果YM。本发明具有分类效果好、处理高维数据时花费代价低，且适用性强等优点。
-
公开(公告)号：CN114942415B
公开(公告)日：2024-10-25
申请号：CN202210541063.2
申请日：2022-05-17
Applicant: 哈尔滨工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于自编码器的多频段子带信号融合方法，将深度神经网络用于信号融合，在发射端发射多子带线性调频信号，在接收端对接收的多子带回波信号进行去斜处理得到多子带距离包络，将全频带包络作为训练数据输入全频带自编码器，得到全频带解码器与全频带编码；再将多子带距离包络和全频带编码分别作为训练数据与标签送入DNN训练，得到多子带编码器；最后将多子带编码器与全频带解码器组合为自编码器，这样就可以将任意一组多子带距离包络输入自编码器，即可得到全频带的距离包络，提升信号的利用率，提高距离分辨率。
-
公开(公告)号：CN118112521A
公开(公告)日：2024-05-31
申请号：CN202410214897.1
申请日：2024-02-27
Applicant: 哈尔滨工程大学
Abstract: 一种雷达信号多模态预分选方法，它涉及一种多模态预分选方法。本发明的目的在于从大量交错的雷达脉冲序列中快速的识别出每个脉冲所属的雷达类型，降低脉冲丢失对分选结果的影响。本发明将相同雷达类型的脉冲聚集到一类，使辐射源脉冲TOA序列的误差比率降低，信噪比提高，降低了交叠脉冲序列的复杂程度，最终提高分选的准确率。本发明属于雷达信号处理技术领域。
-
公开(公告)号：CN116776143A
公开(公告)日：2023-09-19
申请号：CN202310398886.9
申请日：2023-04-14
Applicant: 哈尔滨工程大学
IPC: G06F18/214 , G06F18/24 , G06F18/25 , G06N3/0455 , G06N3/088
Abstract: 本发明公开了一种雷达辐射源的射频特征提取方法，获取待提取特征的射频信号并进行预处理，分别输入至预先训练的用于特征提取的网络1和网络2，网络1和网络2均为堆栈自编码器网络、且均包含相同层数的多层编解码器，网络2最后一层编码器输出提取的射频特征；训练过程包括理想射频信号数据集和建模射频信号数据集分别输入网络1和网络2均进行分层预训练和全局训练至训练完毕，得到训练后的网络1和网络2。本发明能够在以信号特征为约束的情况下，分割开辐射源信号的信号特征和射频特征，使得提取的射频特征更完整，并可将提取的射频特征用于辐射源个体识别、干扰抑制等对射频特征准确性要求较高的应用领域。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.023 seconds)
