-
公开(公告)号：CN114200421B
公开(公告)日：2024-08-23
申请号：CN202111493579.6
申请日：2021-12-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种多频段子带信号融合方法，包括：接收N1组多频段子带回波信号和N1组全频带回波信号，将多频段子带回波信号的距离包络作为训练数据集，将全频带回波信号的距离包络作为训练标签集；将训练数据集和训练标签集组成训练样本送入DNN神经网络进行训练，训练完毕后，保存训练好的DNN神经网络模型；将待融合的多频段子带回波信号的距离包络输入训练好的DNN神经网络模型，得到融合后的全频带回波信号的距离包络。本发明可以输入多子带距离包络，直接得到宽带信号距离包络，提高了距离分辨率。通过训练网络，省去传统算法估计信号繁琐步骤，减少了子带预测过程中产生的误差。经过训练的网络可以批量获得更多测试结果，且精度更高。
-
公开(公告)号：CN115801500B
公开(公告)日：2024-06-18
申请号：CN202211236465.8
申请日：2022-10-10
Applicant: 哈尔滨工程大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种高阶大规模MIMO信号检测方法，首先，初始化大规模MIMO系统的相关参数，并给出初始解；其次，利用外推技术加速多用户干扰消除算法；再次，引入数据驱动的深度学习方法，将加速的多用户干扰消除算法进行展开，构建AMIC‑Net(Accelerated Multiuser Interference CancellationNetwork)神经网络模型；然后，设计一个新的阶梯型激活函数SoftSum(·)；最后，对构建的AMIC‑Net神经网络模型进行训练并用于高阶大规模MIMO信号检测。本发明提出的方法能够有效满足高阶大规模MIMO对检测精度和速度的要求，能够大幅度提高传统多用户干扰消除算法的检测性能及收敛速度，并且适用于高阶调制的通信场景。
-
公开(公告)号：CN116243249A
公开(公告)日：2023-06-09
申请号：CN202310218280.2
申请日：2023-03-09
Applicant: 哈尔滨工程大学 , 上海无线电设备研究所
Abstract: 本发明提供一种基于深度强化学习的雷达智能干扰抑制决策方法，通过将深度学习网络与强化学习算法相结合，使得智能体雷达能够在一定底噪环境中与干扰机所释放的干扰信号不断进行博弈操作从而学习并优化干扰抑制策略；通过对抑制前后的回波信号进行脉压操作以验证抑制后恢复效果。此发明避免了人工判决在速度和准确性方面的不足，优化了传统强化学习算法需要Q‑Table进行成果存储调用的策略效果，提高了决策系统在干扰判决特征和干扰抑制动作方面的可拓展性。
-
公开(公告)号：CN112305506B
公开(公告)日：2023-02-14
申请号：CN202011156030.3
申请日：2020-10-26
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于CNN的LPI雷达信号检测方法，使用CNN进行信号检测，将信号检测问题转化成基于CNN的特征提取问题，对截获到的雷达信号脉冲进行采样，将采样后的离散信号的同相分量和正交分量直接输入神经网络，实现在一定误差范围内的高准确率信号检测。本发明对不同SNR下的LPI雷达信号检测具有泛化能力；由于信号带宽、载频等参数的随机性，可以保证测试集具有泛化性，说明对未经训练的信号具有一定的泛化能力，具有良好的应用前景。
-
公开(公告)号：CN110209626B
公开(公告)日：2023-02-10
申请号：CN201910447112.4
申请日：2019-05-27
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于AVALON总线的以太网数据传输系统及方法，属于嵌入式控制技术领域。本发明通过在FPGA的可编程片上系统中添加符合AVALON总线协议规范的自定义IP核，通过NiosⅡ软核处理器进行控制，能实现上位机和FPGA片内信号处理模块之间通过以太网端口进行双向数据传输。本发明在使用软件程序对以太网控制器W5500进行灵活控制的同时，通过合理利用AVALON总线控制信号，解决了NiosⅡ处理器和信号处理模块的数据速率不匹配的问题，有效解决了传输数据的丢失与冗余传输；本发明通过自定义IP核，解决了传统PIO核传输数据效率低且不能连续传输的问题，利用适当的控制信号实现了数据的双向传输，具有连续传输数据不中断的优点，应用前景广泛。
-
Patent Agency Ranking
公开(公告)号：CN115685065A
公开(公告)日：2023-02-03
申请号：CN202211406703.5
申请日：2022-11-10
Applicant: 哈尔滨工程大学
Abstract: 基于多站的子空间数据融合的直接定位与极化参数估计方法，本发明涉及基于多站的子空间数据融合的直接定位与极化参数估计方法。本发明的目的是为了解决传统的两步单站无源定位算法无法避免多项定位参数估计，导致定位的收敛性和定位精度差的问题。具体过程为：步骤一：生成多站的子空间数据矩阵；步骤二：构造关于辐射源目标位置的代价极值函数；步骤三：在二维平面内对代价极值函数进行谱峰搜索，基于谱峰确定目标位置，基于目标位置确定空域DOA估计结果；步骤四：基于步骤三确定的空域DOA估计结果，恢复极化域的DOA参数。本发明用于辐射源定位领域。
-
公开(公告)号：CN112986922B
公开(公告)日：2022-09-16
申请号：CN202110233326.9
申请日：2021-03-03
Applicant: 哈尔滨工程大学
IPC: G01S7/292 , G08B29/26 , H04B17/336
Abstract: 本发明属于电子侦察技术领域，具体涉及一种基于顺序统计滤波和二元检测的被动雷达信号检测方法。本发明通过信道化预处理对大瞬时监测带宽内的低信噪比信号进行一定的降速和信噪比提升后，再结合二元积累检测，在一定低信噪比条件下可以实现快速准确检测。适应了被动雷达领域中侦察系统采样率越来越高的趋势，解决了低信噪比条件下信号检测困难的问题。本发明基于信道内相对稳定的条件下，通过对并行滑动窗口内的参考数据进行顺序统计滤波处理来估计检测门限，且不需要额外的门限补偿，其中并行流水型结构保证了在强噪声下可以快速得出自适应的恒定虚警门限，采用二元积累检测技术可以进一步提高检测和虚警概率，突破了现有检测方法的应用局限。
-
公开(公告)号：CN114839613A
公开(公告)日：2022-08-02
申请号：CN202210178955.0
申请日：2022-02-25
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种零训练样本下未知信号识别方法：数据采集及处理；构建深度卷积自编码器DCAEIM；采用加入恒等映射的深度卷积自编码器的基础上，引入类内‑类间损失函数，利用深度学习网络自动提取语义属性特征，引入类内‑类间损失函数；使用预处理好的训练数据集训练DCAEIM网络；将预处理好的测试数据集送入训练好的DCAEIM网络，得到输入测试样本的语义属性特征；利用距离度量算法对信号进行分类。本发明无需人工定义信号语义属性特征，而且模型在分类的过程中具有自进化的能力，突破了现有的未知雷达信号识别的局限性。
-
公开(公告)号：CN112305496B
公开(公告)日：2022-06-17
申请号：CN202011156033.7
申请日：2020-10-26
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种被动测向通道相位校正方法，利用DNN网络提取接收机接收信号相位特征，将校正问题转化为DNN网络特征提取问题，找出通道输出信号相位差与天线信号原始相位差的映射，并校正通道相位误差。对接收到的信号进行相位误差模型的建立，将天线信号与通道频率响应函数的乘积作为输入，通过对天线信号初始相位差从0到180°的稀疏点校正，从而达到全相位的校正。相比于传统方法，本发明可以具有更好的灵活性，通过将校正后信号的相位以标准差形式展现，可以更好的说明网络的稳定性，从而带来更好的校正效果。
-
公开(公告)号：CN114609598A
公开(公告)日：2022-06-10
申请号：CN202210177716.3
申请日：2022-02-25
Applicant: 哈尔滨工程大学
IPC: G01S7/38
Abstract: 本发明属于电子对抗领域，具体涉及基于图像反演的合成孔径雷达(SAR)场景欺骗干扰方法，包括：步骤一：SAR图像反演预处理，1.1SAR图像干扰场景设定，1.2生成SAR图像反演模板复数据；步骤二：采用CS反演算法反演图像至回波，2.1方位相位反演，2.2距离相位、SRC及一致RCMC反演，2.3补余RCMC反演；步骤三，干扰数据生成。本发明对设定的SAR场景图像进行随机相位补偿预处理之后，采用CS反演算法直接获取欺骗干扰信号。较于传统欺骗干扰，无需经过复杂的信号迭代卷积，能够更加直观的生成干扰图像模板对应的欺骗信号，且可基于此方法在一定程度上通过不同的图像扩展干扰信号数据库，突破了当前SAR欺骗干扰信号生成的局限性。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.028 seconds)
