-
公开(公告)号：CN105656594B
公开(公告)日：2019-04-30
申请号：CN201610016501.8
申请日：2016-01-12
Applicant: 杭州电子科技大学
IPC: H04K3/00
Abstract: 本发明公开了一种基于信道差异的转发式GNSS欺骗干扰检测方法，按以下步骤：第一步：判定当前导航卫星信道的状态；第二步：基于三种拟合优度方法(Kolmogorov‑Smirnov检测、Cramer‑von Mises检测和Anderson‑Darling检测)进行欺骗干扰检测；第三步：得到转发式GNSS欺骗干扰检测性能。本发明根据GNSS转发式欺骗干扰信道与导航卫星信道存在的统计特性差异，基于Lutz卫星信道模型，提出基于拟合优度的GNSS转发式欺骗干扰检测方法；仿真实验结果表明本发明具有良好的检测性能。
-
公开(公告)号：CN105281847B
公开(公告)日：2017-07-21
申请号：CN201510582698.7
申请日：2015-09-14
Applicant: 杭州电子科技大学
IPC: H04B17/391
Abstract: 本发明公开了一种基于模型参数辨识的欺骗干扰识别方法，包括以下步骤：第一步：考虑到功率放大器的非线性特性，将发射机和干扰机等效为非线性模型；第二步：考虑到多径响应，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，根据输入输出利用系统辨识算法进行系统辨识，得到模型参数的估计值；第五步：在利用系统辨识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。本发明综合考虑发射机和无线传输信道进行数学建模，并以模型参数来作为特征。本发明方法鲁棒性好，识别效果佳。
-
公开(公告)号：CN105184264A
公开(公告)日：2015-12-23
申请号：CN201510581916.5
申请日：2015-09-14
Applicant: 杭州电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于Wigner对角切片谱的射频指纹特征提取方法，该方法可以广泛应用于信号的特征识别，具体包括以下步骤：第一步：根据Wigner双谱的定义，计算得到信号的Wigner双谱；第二步：通过Wigner双谱计算得到Wigner对角切片谱；第三步：对得到的Wigner对角切片谱矩阵，计算其谱分布熵、奇异谱熵、谱均值以及谱对数和组成四维特征向量，作为信号的射频指纹特征。本发明得到的特征向量具有维度低、识别正确率高和鲁棒性好的优点，其有效性在应用于卫星导航欺骗干扰识别中得到验证。
-
公开(公告)号：CN103323827B
公开(公告)日：2015-01-28
申请号：CN201310202523.X
申请日：2013-05-27
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了基于快速傅里叶变换的MIMO雷达系统角度估计方法：将雷达系统第l个脉冲接收的数据矩阵进行均匀划分，划分后的信号表示为：利用上述四个矩阵块定义新的信号；对H(l)，分别作两维快速傅里叶变换；将F11(l)，F12(l)，F21(l)和F22(l)作相干积累，记录峰值点及其对应的下标ix和iy，分别从F11(l)，F12(l)，F21(l)和F22(l)中获取下标ix和iy对应的点，从而构造矢量f(l)∈C4×1；根据采样协方差矩阵求逆原理计算f(l)的协方差矩阵并对协方差矩阵作特征分解，利用噪声子空间un可得噪声投影矩阵pn；根据接收数据矩阵Y(l)得到发射导向矢量和接收导向矢量br(θ)，利用MUSIC算法估计离开角度和到达角度。
-
公开(公告)号：CN103323827A
公开(公告)日：2013-09-25
申请号：CN201310202523.X
申请日：2013-05-27
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了基于快速傅里叶变换的MIMO雷达系统角度估计方法：将雷达系统第l个脉冲接收的数据矩阵进行均匀划分，划分后的信号表示为： 利用上述四个矩阵块定义新的信号；对H(l)，分别作两维快速傅里叶变换；将F11(l)，F12(l)，F21(l)和F22(l)作相干积累，记录峰值点及其对应的下标ix和iy，分别从F11(l)，F12(l)，F21(l)和F22(l)中获取下标ix和iy对应的点，从而构造矢量f(l)∈C4×1；根据采样协方差矩阵求逆原理计算f(l)的协方差矩阵并对协方差矩阵作特征分解，利用噪声子空间un可得噪声投影矩阵pn；根据接收数据矩阵Y(l)得到发射导向矢量和接收导向矢量br(θ)，利用MUSIC算法估计离开角度和到达角度。
-
Patent Agency Ranking
公开(公告)号：CN119918608A
公开(公告)日：2025-05-02
申请号：CN202411866668.4
申请日：2024-12-18
Applicant: 杭州电子科技大学
IPC: G06N3/082 , G06N3/0464 , G06N3/047
Abstract: 本发明公开了一种基于多尺度权重分析的网络剪枝方法及系统。本发明方法步骤如下：S1、加载需要轻量化的预训练网络模型；S2、基于梯度分析方法计算步骤S1模型中各卷积层归一化后的敏感度值；S3、根据步骤S2得到的敏感度值，计算各卷积层的剪枝比例，根据剪枝比例计算各层需剪除的通道数量；S4、构建基于L2范数、欧氏距离及KL散度的多尺度权重分析模型，计算预训练网络模型各卷积层中通道的重要性得分，根据步骤S3得到该层需剪除的通道数量，对得分低于预定的剪枝比例的通道执行剪枝操作；S5、对剪枝后的模型进行微调重训练。本发明通过精准评估通道冗余性和重要性，在相同的剪枝比例下可进一步提升图像识别的正确率。
-
公开(公告)号：CN119902174A
公开(公告)日：2025-04-29
申请号：CN202411703538.9
申请日：2024-11-26
Applicant: 杭州电子科技大学 , 中国航天科工集团八五一一研究所
IPC: G01S7/41 , G06F18/2413 , G06F18/2337 , G06F18/15 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/049 , G06N3/088 , G06F123/02
Abstract: 本发明公开了一种基于超图的多功能雷达信号分选方法及系统，本发明方法步骤如下：S1、对于雷达侦察接收机截获得到的RIPS，将RIPS中的干扰脉冲进行剔除；S2、对剩余脉冲序列利用提出的筛选规则和FCM聚类，得到部分脉冲序列的聚类标签；S3、将剩余脉冲序列的特征参数及其数据势能值构建超图；S4、将得到的部分脉冲序列的聚类标签对构建好的超图进行学习，得到最终雷达信号分选结果。本发明可在无标记样本情况下对多功能雷达信号进行分选，能够有效缓解“增批”问题且具有良好的分选性能。
-
公开(公告)号：CN114371474B
公开(公告)日：2025-02-11
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：CN118898681A
公开(公告)日：2024-11-05
申请号：CN202410799028.X
申请日：2024-06-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于分层多维路径编码的眼底黄斑裂孔结构三维模型重建方法及系统，方法包括：S1、收集眼部OCT数据集；S2、对眼部OCT数据集中的图像进行预处理；S3、构建分层多维路径编码框架，用于对眼底黄斑裂孔各组织结构进行分割；S4、将预处理数据集分为训练集和测试集；S5、将训练集图像输入至分层多维路径编码框架进行眼部OCT图像分割训练；S6、采用交叉熵损失函数，用于解决分割精度和类别不平衡问题；S7、将测试集图像输入至已充分训练的分割框架中，并评估分割精度和鲁棒性；S8、将分割后图像转换成三维模型。本发明旨在提高眼科光学相干断层扫描图像中黄斑孔等眼底结构的分割精度和效率，并基于精确的分割结果，进行高精度的眼底结构三维重建。
-
公开(公告)号：CN117991195A
公开(公告)日：2024-05-07
申请号：CN202410100927.6
申请日：2024-01-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于双层R‑D3QN的雷达智能干扰决策方法及系统，方法如下：S1、初始化工作模式记忆库和信号参数记忆库大小、记忆库指针，初始化双层R‑D3QN当前值网络和目标值网络、学习率、折扣因子、贪婪因子、工作模式规则库、信号参数规则库；S2、设置训练样本门限值，网络参数更新间隔、训练样本抽取间隔及网络更新计数器，初始化训练步骤数x，设置总训练次数；S3、进行训练；S4、更新工作模式规则库、信号参数规则库；S5、返回执行S3，直到x达到总训练次数，得到训练好的两个R‑D3QN模型的当前值网络；S6、利用当前值网络，对识别的雷达工作模式和信号参数，选择价值最高的干扰策略和参数。本发明提高了雷达干扰决策能力，针对雷达的工作模式能选择合适的干扰。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.025 seconds)
