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)

Inventor： 董春曦 ,  蒋志衡 ,  王宇 ,  蔡伟 ,  董阳阳 ,  王贤铧 ,  李文博 ,  王凯

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：CN119885067A

公开(公告)日：2025-04-25

申请号：CN202411866801.6

申请日：2024-12-18

Applicant: 哈尔滨工程大学 ,  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) ,  杭州电子科技大学丽水研究院

Inventor： 韩宇 ,  王文言 ,  蔡伟 ,  陈军 ,  刘则林 ,  王巨震 ,  喻麦琪 ,  林云

IPC: G06F18/25 ,  G01S7/02 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提出一种基于时序融合Transformer的雷达工作模式单步预测方法，属于雷达信号处理技术领域，解决了传统雷达工作模式预测中预测精度低、预测功能鲁棒性差的问题，具体步骤包括：对已获取的雷达脉冲信号进行变换域分析，构建雷达工作模式原始样本数据集；对雷达工作模式原始样本数据集中的时频图进行多尺度特征提取与识别，基于提取后的特征与识别得到的对应雷达工作模式标签构建训练数据集；构建TFT预测模型并使用训练数据集对TFT预测模型进行训练；将接收的雷达信号进行变换域分析和多尺度特征提取，生成历史特征和标签序列；将生成的历史特征和标签序列输入训练后的TFT预测模型进行雷达工作模式的单步预测，输出预测结果。

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)

Inventor： 蔡伟 ,  刘则林 ,  张晓峰 ,  林何磊 ,  王宇

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。