-
公开(公告)号：CN117148277A
公开(公告)日：2023-12-01
申请号：CN202311127423.5
申请日：2023-09-04
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 现有的时频域的假目标干扰抑制方法，普遍要求干扰参数估计精度较高，应用场景相对有限。因此，本发明提供了一种基于脉压后尖峰分布特征的DRFM干扰抑制方法，算法无需干扰参数先验信息，通过分析归纳DRFM干扰脉压后的尖峰分布特点，据此统计尖峰间隔出现次数并设计相应的判决门限，从而区分目标和干扰，并在此基础上实现干扰抑制。本发明可对复杂电磁环境中的假目标干扰进行抑制，并且本发明具有较低的计算度，能够提高雷达的抗干扰能力。
-
公开(公告)号：CN115201766A
公开(公告)日：2022-10-18
申请号：CN202210539344.4
申请日：2022-05-17
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G01S7/36
Abstract: 本发明提出一种基于深度目标检测网络的雷达混合干扰感知方法，将不同类型的干扰进行排列组合，获取在每个干扰场景下的仿真基带信号，构建数据集；预设目标检测网络的训练参数，将干扰类型和位置作为标签，将训练集输入目标检测网络进行训练；待损失函数下降到趋于稳定，得到训练好的目标检测网络；将测试集输入训练好的目标检测网络，得到干扰类型和位置。并在此基础上，基于时频定位信息完成干扰时频参数估计。因此，区别于传统分类网络只能识别样本中存在单一干扰的场景，本发明在混合多干扰场景下，也可以获得样本中全部干扰类型，并且进一步获得干扰时频参数，从而辅助工作人员对抗干扰方式进行合理化选择以及优化。
-
公开(公告)号：CN117195070A
公开(公告)日：2023-12-08
申请号：CN202311130342.0
申请日：2023-09-04
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06F18/241 , G06F18/214 , G06N3/045
Abstract: 现有的雷达干扰状态预测方法存在使用模型单一、估计参数较少、耗时长等问题，无法满足当下复杂多变的电磁干扰对抗环境需求。因此，针对智能化干扰场景，本发明提供了一种基于CNN‑LSTM的雷达干扰状态预测方法。通过CNN提取高维特征，结合LSTM的选择记忆功能来学习干扰策略，本发明可对复杂电磁环境中的干扰策略进行学习，并预测下一时刻干扰状态，为后续抗干扰系统决策出最佳对抗方式提供有利的先验信息。
-
公开(公告)号：CN119719883A
公开(公告)日：2025-03-28
申请号：CN202411604746.3
申请日：2024-11-12
Applicant: 北京理工大学
IPC: G06F18/241 , G01S7/36 , G06F18/2431 , G06F18/2321 , G06F18/22 , G06F18/214 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于层次聚类与时频卷积的多雷达辐射源分选识别方法，能解决类内分簇与类间混叠现象，并高效完成多类别的分选识别；相比传统分选算法，可以有效解决类内特征分布，类间特征混叠的问题，并且分选算法处理速度提升；针对原始PDW特征存在类间特征分布范围重叠度高，可分性差问题，基于慢时间维TFA提取不同类别间的周期特征，提高了识别效果。
-
Patent Agency Ranking
公开(公告)号：CN119375837A
公开(公告)日：2025-01-28
申请号：CN202411415392.8
申请日：2024-10-11
Applicant: 北京理工大学
IPC: G01S7/36 , G06F17/16 , G06F18/24 , G06N3/0455 , G06N3/08
Abstract: 本发明提出了一种基于Transformer网络的分布式雷达多干扰识别方法，该方法针对多干扰并存的场景，以长基线分布式雷达构型为基础，首先各部雷达利用多信号分类(MUSIC)算法估计干扰源角度并进行自适应波束形成，从空域分离各干扰回波，在此基础上计算干扰回波间的相关系数实现干扰样本关联。然后利用短时傅里叶变换将各雷达节点的干扰回波转换为时频图，输入Transformer网络中检测干扰类型并基于干扰在时频图中的相对位置估计干扰工作参数，最后融合多节点感知信息输出干扰类型与融合后的干扰参数。本发明可实现多干扰源识别与参数估计，对于时频域中多干扰源重叠问题，通过空域分离干扰样本后进行干扰识别，进而实现多干扰源识别与参数估计。
-
公开(公告)号：CN117075071A
公开(公告)日：2023-11-17
申请号：CN202311050326.0
申请日：2023-08-21
Applicant: 北京理工大学
IPC: G01S7/41 , G06V10/764 , G06V10/40 , G06V10/82 , G06V10/774 , G06V10/776 , G06F18/241 , G06F18/2131 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于TSA‑ResNet‑50的微动目标特征提取与分类方法，涉及空中目标微多普勒特征分类领域，具体步骤为：对目标基带回波进行短时傅里叶STFT变换，得到STFT谱图；基于多次数据的STFT谱图得到JetPropset数据集；对所述STFT谱图进行预处理；取STFT谱图对应的JetPropset数据集中图片分为三部分，分别用作训练集，验证集和测试集；构建TSA‑ResNet‑50架构，对步骤二中预处理后图像进行训练、验证及测试，并评估TSA‑ResNet‑50架构在DIAT‑μSAT开源数据集和步骤一中JetPropset数据集上表现。在连续波(Continuous Wave，CW)雷达和脉冲雷达体制下均实现了微多普勒特征的有效提取和高精度空中目标分类，可有效提高雷达基于微多普勒特征的空中目标分类能力。
-
公开(公告)号：CN119377668A
公开(公告)日：2025-01-28
申请号：CN202411410640.X
申请日：2024-10-10
Applicant: 北京理工大学
IPC: G06F18/214 , G06N3/084
Abstract: 本发明提供一种基于HPPO的抗干扰措施决策与参数优化方法，属于雷达抗干扰技术领域。包括：设定雷达与干扰机对抗场景下的雷达抗干扰过程，对雷达系统在对抗过程中的干扰环境状态、执行动作、即时奖励进行定义；对演员‑评论家网络参数初始化，基于所述演员‑评论家网络构建HPPO网络并进行超参数设置；对每个训练幕的每个时间步，基于HPPO的演员网络决策输出抗干扰措施和措施参数组合，作为当前时间步的执行动作，HPPO的评论家网络负责估计状态值函数，雷达执行动作后得到即时奖励，并转移至下一状态；在每个更新周期，根据执行轨迹，计算演员和评论家网络的损失函数，基于损失函数分别更新演员和评论家网络参数；达到预设训练幕数后，结束训练。
-
公开(公告)号：CN119293610A
公开(公告)日：2025-01-10
申请号：CN202411432336.5
申请日：2024-10-14
Applicant: 北京理工大学
IPC: G06F18/2411 , G01S7/41 , G06F18/243 , G06F18/214 , G06F18/213 , G06N3/0455 , G06N20/10 , G06F123/02
Abstract: 本发明公开了一种基于HRRP特征的双基地雷达无源干扰识别方法；该发明首先对HRRP特征进行归一化、对齐以及确定支撑区范围等预处理操作，然后提取包含峰值点长度、归一化方差和前端结构比等在内的共计18种特征，并利用基于Relief算法和特异性系数的特征选择算法选取区分度大和冗余度低的特征构建特征向量，最后使用SVM完成无源干扰识别。该发明证明了双基地雷达和所选特征组合能够有效提升干扰识别性能。
-
公开(公告)号：CN119272164A
公开(公告)日：2025-01-07
申请号：CN202411432338.4
申请日：2024-10-14
Applicant: 北京理工大学
IPC: G06F18/243 , G06F18/214 , G06F18/213 , G06N3/0455 , G06N3/047 , G06N3/0464 , G06N3/084 , G01S7/41 , G06F123/02
Abstract: 发明公开了一种基于HRRP与SSM‑Transformer的无源干扰识别方法；该发明首先通过脉冲压缩或计算RCS再IFFT获取HRRP序列，然后对HRRP序列进行二维重构以及位置编码，最后输入到SSM‑Transfomer网络中完成训练与预测。其中，SSM模块可以提取序列间长期依赖关系信息，Transformer编码器的多头注意力机制可以提取序列内深层特征。该发明通过扩展网络结构能在一定程度上提高识别准确率，具有更好的识别和泛化性能。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
