-
公开(公告)号：CN119602711A
公开(公告)日：2025-03-11
申请号：CN202411644180.7
申请日：2024-11-18
Applicant: 北京理工大学 , 北京东方计量测试研究所
IPC: H03D7/16 , H04B1/16 , H03K5/02 , H03K5/1252
Abstract: 本发明涉及微波信号调理技术领域，公开一种下变频器及微波信号调理方法。下变频器包括输入端口、通道选通单元、变频单元、输出端口、射频本振单元和控制单元；根据输入信号的设计频段将变频单元分为四个通道，四通道具有不同频段且互相具有交叉频率，交叉频率范围大于等于1GHz；控制单元根据输出信号频率控制通道选通单元选择通道进行信号传输；当输出信号频率与输入信号频率相等时，输入信号经所选通道滤波、放大后获得输出信号，当输出信号频率小于输入信号频率时，产生本振信号至所选通道，输入信号经所选通道滤波、变频、放大后获得输出信号。本发明能实现30MHz～26.5GHz超宽带频段、120dB大动态调整、35dB低杂散、0.5dB/1GHz高平坦度等限制指标微波信号的下变频及调理。
-
公开(公告)号：CN119602710A
公开(公告)日：2025-03-11
申请号：CN202411644065.X
申请日：2024-11-18
Applicant: 北京理工大学 , 北京东方计量测试研究所
IPC: H03D7/16 , H04B1/16 , H03K5/02 , H03K5/1252
Abstract: 本发明涉及微波信号调理技术领域，公开一种上变频器及微波信号调理方法。上变频器包括输入端口、通道选通单元、变频单元、输出端口、射频本振单元和控制单元；根据输出信号的设计频段将变频单元划分为三个通道，三个通道具有不同的频段但互相之间又具有交叉频率，交叉频率的范围大于等于1GHz；控制单元根据输出信号的频率控制通道选通单元选择通道进行信号传输；当输出信号频率与输入信号频率相等时，输入信号经所选通道滤波、放大后获得输出信号，当输出信号频率大于输入信号频率时，输入信号经所选通道滤波、变频、放大后获得输出信号。本发明能够实现30MHz～26.5GHz超宽带频段、120dB大动态调整、35dB低杂散、0.5dB/1GHz高平坦度等限制指标的微波信号的上变频及调理。
-
公开(公告)号：CN119596244A
公开(公告)日：2025-03-11
申请号：CN202411633216.1
申请日：2024-11-15
Applicant: 北京理工大学 , 北京东方计量测试研究所
IPC: G01S7/28 , G06F18/23213 , G06F18/2413 , G06N5/01 , G06F18/25
Abstract: 本发明涉及信号处理、数据表征以及分类技术领域，公开一种基于SOM锚点提取与图融合的雷达信号谱聚类分选方法，包括：配置雷达信号分选簇数及雷达脉冲参数，获得归一化后的雷达脉冲数据集，以雷达脉冲数据集中的每一归一化处理后的雷达脉冲为节点，构建雷达脉冲的KNN图；基于SOM提取归一化后的雷达脉冲数据集的锚点，计算提取出的SOM锚点与所有节点之间的相似度，获得相似度矩阵，基于相似度矩阵构建锚图邻接矩阵，即为自适应锚图；加权融合KNN图与自适应锚图，获得融合图；基于雷达信号分选簇数与融合图进行谱聚类分选，获得分选结果。本发明突破了经典雷达分选聚类算法只能利用距离信息和密度信息的局限，提高了在复杂雷达脉冲分布条件下的分选性能。
-
公开(公告)号：CN119805376A
公开(公告)日：2025-04-11
申请号：CN202510004050.5
申请日：2025-01-02
Applicant: 北京理工大学 , 北京理工大学唐山研究院
Abstract: 本发明属于雷达抗干扰技术领域，涉及一种基于Stackelberg博弈的雷达抗干扰方法。包括：参数设定；S2对当前干扰类型进行识别；选择雷达候选行为；判断若雷达采取某一候选行为，干扰机可能选择的干扰类型；判定针对候选雷达行为，干扰机获取最大收益时的干扰类型；从所有雷达后续候选行为选择出最优抗干扰措施；在干扰机确定雷达抗干扰措施后，选择下一干扰类型；计算博弈过程消耗时间，并更新剩余博弈时间；判定博弈是否结束，以及博弈结束时雷达是否完成抗干扰，若是，则输出雷达抗干扰结果，否则，跳至S2；所述方法通过改变雷达抗干扰措施选择逻辑基于干扰预测实施干扰反制，能在对抗中始终占据先机；适用海、陆及空各种对抗。
-
公开(公告)号：CN117148285A
公开(公告)日：2023-12-01
申请号：CN202211702013.4
申请日：2022-12-29
Applicant: 北京理工大学 , 北京理工大学唐山研究院
IPC: G01S7/36 , G06F18/2431 , G06F18/24 , G06F18/10 , G06F18/214 , G06F18/2113 , G01S7/02
Abstract: 本发明属于雷达电子对抗、数据分类及信号识别技术领域，涉及一种基于多域特征与决策树的雷达有源干扰识别方法。包括：分别从时域、频域、小波域及双谱域获取每个干扰信号的高维特征向量；将高维特征向量作为一个数据样本，并对所有样本进行标签标注，得到有标签数据集；再对数据集进行标准化处理并划分为训练集和测试集；特征选择阶段通过RF算法对多域特征数据集进行特征选择得到训练集和测试集的最优特征子集；XGBoost训练阶段完成XGBoost分类器的构建与训练。所述方法能有效识别各类有源干扰；提高了识别准确率和泛化能力，降低了计算开销，提高了有源干扰识别的准确率和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115047412A
公开(公告)日：2022-09-13
申请号：CN202210741920.3
申请日：2022-06-27
Applicant: 北京理工大学 , 北京理工大学唐山研究院
Abstract: 本发明属于电子对抗、干扰抑制及信号识别技术领域，尤其涉及一种基于双阶段UNet的遮蔽式箔条干扰抑制方法。包括：使用宽带极化雷达采集信号，得到实测数据；进行脉冲压缩和归一化，得到目标、箔条干扰和混合的距离像序列灰度图；构造伪实测数据，得到目标、箔条干扰、伪实测的目标和箔条干扰混合的距离像序列灰度图和分割真值图；构建基于双阶段UNet的箔条干扰抑制网络及其损失函数；使用伪实测数据进行训练，得到最优的基于双阶段UNet的箔条干扰抑制网络；进行测试，实现遮蔽式箔条干扰的抑制。所述方法对遮蔽式箔条干扰下目标前景的分割效果好、对箔条干扰的抑制效果好、受环境影响小、能应对各种类型、各个阶段的箔条干扰。
-
公开(公告)号：CN119726104A
公开(公告)日：2025-03-28
申请号：CN202411780869.2
申请日：2024-12-05
Applicant: 北京理工大学 , 北京理工大学重庆微电子研究院
Abstract: 本发明公开了一种基于矩形波导透镜的太赫兹二维多波束天线，包括二维馈电阵列、矩形金属空腔和矩形波导透镜；二维馈电阵列包括第一金属基板，第一金属基板上设置有若干矩形波导馈电单元，每个矩形波导馈电单元连接有馈电端口；矩形波导透镜包括第二金属基板，第二金属基板上设置有若干矩形波导移相单元，相邻行的矩形波导移相单元相互错开分布。本发明通过二维馈电阵列进行偏馈的方式实现二维多波束扫描，具有二维扫描角度和增益可任意设计、工作带宽大的优势。本发明采用矩形波导阵列构成金属透镜，具有高频损耗低、体积小的优势；同时，通过波导阵列错位和周期压缩消除了镜像栅瓣，具有低栅瓣、扫描角度大的优势。
-
公开(公告)号：CN115267679B
公开(公告)日：2025-02-14
申请号：CN202210828811.5
申请日：2022-07-14
Applicant: 北京理工大学 , 北京理工大学唐山研究院
IPC: G01S7/02
Abstract: 本发明属于雷达信号分类技术领域，尤其涉及一种基于GCN与ResNet的多功能雷达信号分选方法。包括：构建多功能雷达PDW数据集、归一化处理、利用KNN算法将多功能雷达PDW数据转化为图结构数据、为图结构数据添加标签；构建三层GCN网络以及增添残差网络；使用带标签图结构数据训练“半监督”GCN‑ResNet网络；再将图结构数据输入到训练好的GCN‑ResNet网络中，输出无标签图结构数据的分类结果。所述方法利用KNN算法将多功能雷达PDW数据转化为图结构数据，依托“半监督”学习网络，提高了GCN在小样本条件下的泛化能力；有效解决了多功能雷达信号分选“增批”的问题，提升了分选准确度。
-
公开(公告)号：CN115267679A
公开(公告)日：2022-11-01
申请号：CN202210828811.5
申请日：2022-07-14
Applicant: 北京理工大学 , 北京理工大学唐山研究院
IPC: G01S7/02
Abstract: 本发明属于雷达信号分类技术领域，尤其涉及一种基于GCN与ResNet的多功能雷达信号分选方法。包括：构建多功能雷达PDW数据集、归一化处理、利用KNN算法将多功能雷达PDW数据转化为图结构数据、为图结构数据添加标签；构建三层GCN网络以及增添残差网络；使用带标签图结构数据训练“半监督”GCN‑ResNet网络；再将图结构数据输入到训练好的GCN‑ResNet网络中，输出无标签图结构数据的分类结果。所述方法利用KNN算法将多功能雷达PDW数据转化为图结构数据，依托“半监督”学习网络，提高了GCN在小样本条件下的泛化能力；有效解决了多功能雷达信号分选“增批”的问题，提升了分选准确度。
-
公开(公告)号：CN114155445B
公开(公告)日：2024-09-06
申请号：CN202111395692.0
申请日：2021-11-23
Applicant: 北京理工大学
IPC: G06V20/13 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及基于改进YOLOv3的SAR图像目标检测方法，属于雷达目标检测技术领域。所述方法包括：采集SAR图像；对SAR图像数据进行预处理，得到预处理后SAR图像数据并进行人工标注，得到SAR图像数据集并划分为训练数据集和测试数据集；建立改进YOLOv3模型，即在YOLOv3的主干网络Darknet53后增加SPP结构；简化原有YOLOv3的FPN层得FPN‑light结构；将训练数据集输入改进的YOLOv3模型中进行训练，得到训练好的改进YOLOv3模型；将测试数据集输入训练好的改进YOLOv3模型进行测试，得到识别结果。所述方法可较为准确识别出SAR图像中的舰船。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.072 seconds)
