-
公开(公告)号：CN106886057A
公开(公告)日：2017-06-23
申请号：CN201611245983.0
申请日：2016-12-29
Applicant: 杭州电子科技大学
IPC: G01V9/00
CPC classification number: G01V9/00
Abstract: 本发明公开了一种水管冰冻堵塞位置探测仪，其包括：微控制单元(MCU:Microcontroller Unit)，控制超声波发射器发出超声波信号，并接收超声波接收器发来的电信号，以测得超声波通过水管的时间；超声波发射器，与超声波接收器相对布设，两者间留有间距；接收主控MCU的控制信号后，发出超声波脉冲调制信号；超声波接收器，收到超声波信号并转化为电信号发送给主控MCU；提醒模块，当所测超声波通过水管的时间与基准时间差值超过设定值时，则主控MCU通过提醒模块发出提醒信息。本发明根据超声波穿过冻结与没有冻结水管的时间不同来判断不同位置水管的冻结堵塞程度，时间越短堵塞越严重，当所测时间与设定的标准差距超过一定的范围则通过蜂鸣器发出警报。
-
公开(公告)号：CN119780847A
公开(公告)日：2025-04-08
申请号：CN202411752249.8
申请日：2024-12-02
Applicant: 杭州电子科技大学 , 中国人民解放军96901部队25分队 , 中国电子科技集团公司第三十八研究所
Abstract: 本发明公开了基于盲源分离的雷达加性复合干扰空时联合抑制方法及系统，方法包括：S1、根据观测信号估计复合干扰信号的DOA；S2、对雷达回波信号采取相参积累，提高信噪比；S3、利用干扰信号的DOA信息构造阻塞矩阵，抑制复合干扰；S4、对S3输出的信号采取白化处理，去除不同通道信号之间的相关性；S5、对白化信号采用BCA算法抑制残余的干扰信号；S6、对S5输出的信号利用互相函数构造信号相似性度量依据，从中选择真实回波信号。本发明将空域抗干扰方法和时域抗干扰方法抑制有效结合，实现对雷达复合干扰的抑制，较现有采用盲源分离的抗干扰方法的效果更好，用时更短。
-
公开(公告)号：CN117787377A
公开(公告)日：2024-03-29
申请号：CN202310610163.0
申请日：2023-05-24
Applicant: 杭州电子科技大学
IPC: G06N3/082 , G06N3/0495 , G06N3/096 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06F18/24
Abstract: 本发明属于神经网络技术领域，具体涉及一种基于元迁移学习的迭代随机剪枝方法及系统。本发明剪枝方法包括以下步骤：S1、迁移学习步骤，利用大规模数据集对卷积神经网络进行预训练，使网络参数得到良好的初始化；S2、元学习步骤，利用小样本数据集对网络进行元训练；S3、剪枝步骤，对经过元训练后的网络权重进行剪枝；S4、测试步骤，利用小样本数据集对网络进行测试；S5、微调阶段，对网络进行重训练，恢复网络准确率。相比于现有技术，本发明能在小样本数据集下减少卷积神经网络的参数量，同时保证网络模型的准确率，达到压缩模型的目的。
-
公开(公告)号：CN115436979A
公开(公告)日：2022-12-06
申请号：CN202211065774.3
申请日：2022-09-01
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种低复杂度高精度GNSS高动态信号频率估计方法及系统，其方法包括：对后相关信号进行建模，得到后相关信号；对后相关信号进行相邻差分处理，再进行积分得到近邻差分相干信号；对近邻差分相干信号进行多维差分积累，并对多维差分积累得到的信号进行多普勒变化率估计；基于后相关信号计算差分信号并对其进行积分，之后进行加/减处理，得到每一个翻转位置对应的数据比特符号和积累量；对积累量进行最大位置判决，得到真正的数据翻转位置；对后相关信号去除比特得到待处理信号，对待处理信号进行相干积分处理，之后对相干积分处理后的信号进行多普勒频率估计。本发明实现低复杂度实现高动态环境下高精度频率参数估计。
-
公开(公告)号：CN112924951B
公开(公告)日：2022-09-09
申请号：CN202110160272.8
申请日：2021-02-05
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种多功能雷达辐射源智能识别方法，包括：S1、通过侦察系统获取具有N种工作模式的目标雷达脉冲信号序列，经脉冲分选、预处理和雷达字匹配后得到雷达字序列，将一定数目的雷达字划分为一组作为多功能雷达的一个工作状态，并将雷达状态符号化，得到多功能雷达侦察时间内的状态序列；S2、对多功能雷达辐射源的行为模式提取；S3、基于提取的行为模式对多功能雷达进行下一时刻的状态预测，通过多步预测实现状态序列的扩充，得到状态扩充序列；S4、将状态扩充序列作为样本数据输入深度神经网络进行训练，实现多功能雷达辐射源的识别。本发明满足同等识别率下大大缩短侦收时间。
-
Patent Agency Ranking
公开(公告)号：CN114371474A
公开(公告)日：2022-04-19
申请号：CN202111683638.6
申请日：2021-12-28
Applicant: 杭州电子科技大学
IPC: G01S13/34
Abstract: 本发明公开了基于卷积降噪自编码器的雷达信号智能分选方法及系统，方法步骤如下：S1、提取电磁信号数据库中单部雷达的脉冲TOA序列，将每部雷达样本的脉冲TOA序列根据其到达时间的先后进行排序构造混叠脉冲序列；S2、将单部雷达的脉冲TOA序列和混叠脉冲序列进行脉冲编码处理得到二进制编码向量(训练数据)；S3、将得到的二进制编码向量输入卷积降噪自编码器进行训练，模型的输出是目标脉冲的二进制编码向量，并保存训练好的模型；S4、将复杂电磁环境下接收到的混合脉冲TOA序列(真实数据)输入训练好的卷积降噪自编码器模型完成信号分选得到目标雷达脉冲序列。本发明提高雷达信号分选的正确率，为进一步对雷达信号识别、干扰等处理奠定了基础。
-
公开(公告)号：CN112904300A
公开(公告)日：2021-06-04
申请号：CN202110306046.6
申请日：2021-03-23
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了基于双分支网络和特征融合的雷达欺骗干扰识别方法，包括以下步骤：S1、对接受到的真目标回波信号和雷达欺骗干扰信号经过Wigner‑Ville时频分析、灰度处理得到雷达接收信号的时频图和时相图；S2、将所得到的时频图样本输入至预训练好的双分支网络的上分支网络进行特征提取；S3、将所得到的时相图样本输入至预训练好的双分支网络的下分支网络进行特征提取；S4、利用高斯判别相关分析算法对所述双分支网络提取到的特征矩阵进行特征融合；S5、将融合后的特征输入到分类器中完成欺骗干扰信号的识别。本发明可以提高雷达欺骗干扰信号类型的识别率。
-
公开(公告)号：CN107843905A
公开(公告)日：2018-03-27
申请号：CN201710991658.7
申请日：2017-10-23
Applicant: 杭州电子科技大学
IPC: G01S19/24
Abstract: 本发明公开了一种快速高动态GNSS频率搜索方法，包括以下步骤：S1.接收高动态后相关信号，对高动态后相关信号进行调频斜率压缩搜索，得出预测的调频斜率α；S2.将预测的调频斜率α去除其对后相关信号的影响，得出预测的初始频率f。本发明考虑到了接收机与卫星有相对加速度的信号频率估计，采用两步压缩，第一步压缩调频斜率搜索，采用相邻差分的方式减小数据调制对检测峰值的影响；第二步利用信号循环平稳特性取信号自相关，去除数据比特对积分峰值的影响。基于上述两步分离了比特符号、初始频率和调频斜率间相互影响，实现了快速估计频率的目的。
-
公开(公告)号：CN105117769B
公开(公告)日：2017-08-08
申请号：CN201510582823.4
申请日：2015-09-14
Applicant: 杭州电子科技大学
IPC: G06N3/00
Abstract: 本发明公开了基于差分进化狼群算法的欺骗干扰识别方法，按如下步骤进行：第一步：将发射机和干扰机等效为无记忆多项式模型；第二步：将无线传输信道等效为FIR滤波器模型；第三步：对整个通信传输系统进行建模；第四步：接收机根据接收到的数据码元y(n)，估计得到发射端的C/A码，根据输入输出利用差分进化狼群算法进行系统辨识，得到模型参数的估计值；第五步：在利用差分进化狼群算法获得系统参数的估计值之后，采用直观的欧氏距离检测法进行识别，判决准则为：
-
公开(公告)号：CN103954976B
公开(公告)日：2016-09-07
申请号：CN201410186440.0
申请日：2014-05-04
Applicant: 杭州电子科技大学
IPC: G01S19/21
Abstract: 本发明公开了一种基于DAC的DNL统计模型特征的欺骗干扰识别，包括以下步骤：第一步：根据DNL的定义，得出的数学表达式；第二步：确定DNL进一步表达式；第三步：根据实际输入信号，将DNL改写；第四步：以第三步得到的建立干扰检测模型；第五步：以欧式距离法或似然函数法对第四步的问题进行识别。本发明以DNL为基础对DAC的非线性特性进行数学统计建模，并提取了特征向量。在欺骗干扰识别中，可以以为特征，识别欺骗干扰，该方法运算简单，识别效果好。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.028 seconds)
