公开(公告)号：CN117668645A

公开(公告)日：2024-03-08

申请号：CN202311616535.7

申请日：2023-11-30

Applicant: 中国电子科技集团公司第五十四研究所

Inventor： 张博轩 ,  詹雨飞 ,  冯承霖 ,  赵天白 ,  罗恒光 ,  王大宇 ,  谢军 ,  郎俊杰

IPC: G06F18/241 ,  G06F18/25 ,  G06F18/214 ,  G06F18/213

Abstract: 本发明提出一种基于多模型融合的水面水下目标判别方法，涉及水声目标被动识别领域。本发明包括：对水声样本进行梅尔频率倒谱系数特征提取，对单个模型进行训练优化，采用集成学习进行多模型融合，使用融合后的强分类器进行测试应用。本发明针对水面水下判别容易过拟合、在复杂海况条件下判别精度较低的问题，综合利用深度学习、机器学习、迁移学习、统计分析等基于数据的处理方法，实现了基于多模型融合的水面水下目标判别。本发明在有效避免过拟合的情况下，极大提升了复杂海况下水面水下目标判别的准确率。

公开(公告)号：CN119743356A

公开(公告)日：2025-04-01

申请号：CN202411674772.3

申请日：2024-11-21

Applicant: 西安电子科技大学 ,  中国电子科技集团公司第五十四研究所

Inventor： 石晓然 ,  苗昊倩 ,  谢军 ,  李昱 ,  谭浩月 ,  周峰

IPC: H04L27/00 ,  G06F18/241 ,  G06F18/2415 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明公开了一种基于双通道的信号对比预测半监督自动调制识别方法，涉及无线电信号调制识别技术领域，本发明首先通过深入利用未标记数据的I/Q序列和A/P序列的上文信息进行自监督的预训练，有效提升模型的泛化能力，然后使用少量的标记样本进行微调即可获得良好的半监督识别效果，解决了基于深度学习的自动调制识别算法对大量标注数据的高度依赖性。在相同的标记样本数量下，本发明方法的识别准确率优于现有的有监督自动调制识别方法。

公开(公告)号：CN117993258A

公开(公告)日：2024-05-07

申请号：CN202410214996.X

申请日：2024-02-27

Applicant: 中国电子科技集团公司第五十四研究所

Inventor： 徐小龙 ,  罗俊宇 ,  庄唯玲 ,  谢军 ,  郎俊杰 ,  宋庆辉 ,  张海福 ,  郑见树 ,  王璇 ,  李晓明 ,  周子巍 ,  于慧贤 ,  樊警旭

IPC: G06F30/23 ,  G06F111/10

Abstract: 本发明公开了一种将电流密度解代入非线性函数的传输线互调仿真方法，属于通信电路领域。本发明包括：构建传输线金属导体横截面的二维几何结构；判断金属导体横截面的电流密度分布是否均匀；对电流密度分布均匀的横截面进行数值计算并求得电流密度分布函数，推导出常量几何因子；对电流密度分布不均匀的横截面进行有限元仿真并求得电流密度分布解，推导出变量几何因子；建立传输线的分布非线性参数模型；将几何因子代入非线性电阻和电感的传递函数，建立非线性互调的数学模型。本发明建立了基于线性电流密度解的非线性无源互调数学模型，能够实现任意传输线结构的非线性无源互调仿真和预测，为传输线的低互调性能和结构设计提供了理论指导和依据。

公开(公告)号：CN119834836A

公开(公告)日：2025-04-15

申请号：CN202411815556.6

申请日：2024-12-11

Applicant: 中国电子科技集团公司第五十四研究所

Inventor： 赵梓桐 ,  陈丽 ,  谢军 ,  张君毅 ,  权安 ,  刘宝蕊 ,  王汉

IPC: H04B7/0426 ,  H04B7/0408 ,  G06N3/006

Abstract: 本发明公开了一种基于改进粒子群算法的分布式信号合成功率分配方法，属于信号合成技术领域。该方法首先确定待优化阵列阵元个数、各布阵阵元位置、分配功率限制条件、天线增益及目标合成点位置，通过分布式信号场强三维合成原理构建以目标合成点场强值为目标，各阵元分配功率为自变量的带约束优化问题；以PSO算法为主体，融合Bernoulli混沌映射初始化，基于种群分离度的非线性随机递减惯性权重和柯西扰动策略得到自变量的最优解。本方法收敛速度快，收敛精度高，能够满足在阵元功率受限的情况下进行分布式信号相干合成时提高目标合成点合成效果的需求。

公开(公告)号：CN118175647A

公开(公告)日：2024-06-11

申请号：CN202410284545.3

申请日：2024-03-12

Applicant: 电子科技大学 ,  中国电子科技集团公司第五十四研究所

Inventor： 刘峤 ,  郎俊杰 ,  黄燕文 ,  曾悦 ,  李淳 ,  谢军 ,  谢炀 ,  刘延 ,  庞人宁 ,  刘宇翔 ,  侯睿 ,  甘洋镭 ,  代婷婷 ,  佟飘

IPC: H04W72/50 ,  H04K3/00 ,  G06N3/092

Abstract: 本发明公开了一种基于感知增强网络的自适应干扰资源分配方法，属于深度强化学习技术领域。本发明所设计的感知增强网络包括状态识别网络和动作价值网络，其中状态识别网络用于识别通信方的状态价值，增强对通信方抗干扰状态的感知能力，然后将状态价值反馈给动作价值网络以选择最优干扰动作，从而帮助模型更精准地匹配最优干扰资源分配策略。并且，构建了一个双目标优化奖励函数，通过调整两个归一化后的奖励函数的相对重要性权重，达到干扰成功和资源节约之间的最佳平衡。此外，设计了动态修正的优先经验回放机制，以实现对数据样本的高效利用并确保策略的快速收敛。