-
公开(公告)号：CN118535973A
公开(公告)日：2024-08-23
申请号：CN202410671809.0
申请日：2024-05-28
Applicant: 西安电子科技大学 , 上海微波设备研究所(中国电子科技集团公司第五十一研究所)
IPC: G06F18/241 , G06F18/213 , G06F18/214 , G06F18/27 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于多尺度特征提取的雷达威胁评估方法，本发明的实现步骤包括：构建空中仿真场景；构建多尺度卷积神经网络；生成具有关联性雷达威胁指标的训练集；将训练集输入到多尺度卷积神经网络中，利用反向传播梯度下降法，迭代更新模型中的各层参数，得到训练好的多尺度卷积神经网络；将待评估威胁程度的样本输入到训练好的多尺度卷积神经网络中，输出雷达威胁程度的评估等级。本发明不需要人为设置判断矩阵，从而具有在客观的条件下，对雷达威胁程度进行更准确评估的优点，以及通过利用训练好的多尺度卷积神经网络提取对方雷达威胁指标之间的关联性特征，实现对雷达威胁程度评估更加全面的优点。
-
公开(公告)号：CN119249262A
公开(公告)日：2025-01-03
申请号：CN202411255221.3
申请日：2024-09-09
Applicant: 上海微波设备研究所(中国电子科技集团公司第五十一研究所)
IPC: G06F18/2415 , G06F18/15 , G06F18/2131 , G06N3/0985 , G06N3/09 , G06N3/0442 , G06N3/0464 , G06N3/045 , G01S7/02
Abstract: 本发明公开了一种基于协同学习框架的雷达辐射源个体识别方法，用于实现复杂雷达辐射源的个体分离和识别，解决现有技术在样本数量少以及质量不高导致识别准确率低的问题。该方法包括批量对原始中频单脉冲数据进行预处理和双谱信号提取，强化特征表征能力，生成样本数据集；根据一定比例将样本数据集划分为训练数据集、验证数据集和测试数据集；选择了BiLSTM和ResNet18网络模型构建协同学习框架进行了协同训练，使用交叉熵损失函数作为模型的损失函数；将测试数据集输入协同训练得到的神经网络模型进行推理，最后通过softmax完成分类识别，计算识别准确率。本方法在复杂雷达辐射源个体识别领域具有良好的应用前景。
-
公开(公告)号：CN112732339A
公开(公告)日：2021-04-30
申请号：CN202110077100.4
申请日：2021-01-20
Applicant: 上海微波设备研究所(中国电子科技集团公司第五十一研究所)
Abstract: 本发明提供了一种分时复用时间抽取FFT实现方法、系统及介质，涉及通讯及电子对抗技术领域，该方法包括：步骤1：将频率为f的处理时钟CLK1倍频至频率为2f的CLK2，同时保留CLK1；对长度为2n的有限长序列x(n)进行2倍均匀抽取，拆分为偶数序列g(n)和奇数序列h(n)；步骤2：分时复用同一2n‑1点并行FFT运算模块分别对偶数序列g(n)和奇数序列h(n)进行傅里叶变换，得到序列G(k)和H(k)；步骤3：对序列G(k)和H(k)进行基‑2蝶形运算，得到序列X(k)，完成对该长度为2n的有限长序列的FFT运算。本发明采用该分时复用方案可以大量节约硬件资源，在不降低数据处理速率的情况下，以较少的硬件资源实现大规模的FFT运算，从而降低FFT的复杂性并提高系统的实时性。
-
公开(公告)号：CN112732339B
公开(公告)日：2022-09-13
申请号：CN202110077100.4
申请日：2021-01-20
Applicant: 上海微波设备研究所(中国电子科技集团公司第五十一研究所)
Abstract: 本发明提供了一种分时复用时间抽取FFT实现方法、系统及介质，涉及通讯及电子对抗技术领域，该方法包括：步骤1：将频率为f的处理时钟CLK1倍频至频率为2f的CLK2，同时保留CLK1；对长度为2n的有限长序列x(n)进行2倍均匀抽取，拆分为偶数序列g(n)和奇数序列h(n)；步骤2：分时复用同一2n‑1点并行FFT运算模块分别对偶数序列g(n)和奇数序列h(n)进行傅里叶变换，得到序列G(k)和H(k)；步骤3：对序列G(k)和H(k)进行基‑2蝶形运算，得到序列X(k)，完成对该长度为2n的有限长序列的FFT运算。本发明采用该分时复用方案可以大量节约硬件资源，在不降低数据处理速率的情况下，以较少的硬件资源实现大规模的FFT运算，从而降低FFT的复杂性并提高系统的实时性。
-
-
-
Search Results
4
records
(took 0.049 seconds)
