公开(公告)号：CN116400298A

公开(公告)日：2023-07-07

申请号：CN202211489192.8

申请日：2022-11-25

Applicant: 南京理工大学

Inventor： 陶诗飞 ,  刘绍堃 ,  叶晓东 ,  丁浩 ,  齐亮 ,  王昊 ,  张香月

IPC: G01S7/02

Abstract: 本发明公开了一种时频混叠下的雷达信号单通道盲源分离方法，该方法为：首先对接收的单通道时频混叠雷达信号进行傅里叶变换，将时域信号转换为频域信号，并进行频段划分；然后对频段划分后的频域信号进行傅里叶逆变换，构建虚拟多通道时域信号，对虚拟多通道时域信号的协方差矩阵做特征值分解，计算白化过程所需要的白化矩阵；初始化盲源分离矩阵，使用盲源分离矩阵，进行信源的估计；接着将分离信号进行傅里叶变换，进行幅度归一化后得到频域信号，设置频段划分因子，计算最优的频段划分因子；最后采用最优的频段划分因子，进行频段划分，得到最终的盲源分离结果。本发明具有方法简单、分离雷达信号效率高、分离性能好的优点。

公开(公告)号：CN117610635A

公开(公告)日：2024-02-27

申请号：CN202311677590.7

申请日：2023-12-07

Applicant: 南京理工大学

Inventor： 陶诗飞 ,  王慧赋 ,  丁浩 ,  何锡浩 ,  吴胤泽

IPC: G06N3/082 ,  G06N3/0495 ,  G06N3/0464 ,  G06F18/214 ,  G06F18/213 ,  G06F18/2131 ,  G06F123/02

Abstract: 本发明公开了一种基于模型剪枝的辐射源信号识别方法，该方法为：首先获取辐射源信号时域数据并进行预处理，构建辐射源信号时频特征数据集；然后构建基准网络，采用辐射源信号时频特征数据集进行训练；接着将基准网络中每层卷积层的梯度值的总和作为层梯度流量，确定每个卷积层的重要性程度；再计算基准网络的卷积核混合效用值，在卷积层级间进行排序，按照每层的层梯度流量进行剪枝，去除混合效用值较低的卷积核，得到初步剪枝后的子网络；最后对子网络进行微调训练，将辐射源信号测试集输入至微调后的子网络进行识别，得到信号识别结果。本发明信号识别准确率高，参数量与运算量少，易于部署在终端设备上，适合在实际应用中推广使用。

公开(公告)号：CN115270913A

公开(公告)日：2022-11-01

申请号：CN202210655029.8

申请日：2022-06-10

Applicant: 南京理工大学

Inventor： 陶诗飞 ,  肖帅 ,  王昊 ,  丁浩 ,  王慧赋

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N5/04 ,  G01S7/41

Abstract: 本发明公开了一种低信噪比下的雷达信号分类方法，该方法为：首先利用时频变换将雷达信号转换为时频图像，得到不同信噪比下雷达信号的时频域特征，并使用双三线性插值缩放时频图像；然后利用卷积脉冲神经网络的第一卷积层对雷达信号时频图像进行空间特征提取并进行自适应编码，通过漏电积分发放脉冲神经元将编码后的特征信息脉冲化，得到信号在时间序列上的特征；接着将脉冲化的信息在经过优化的时间步长内进行积累，卷积层和脉冲神经元层相间传递信息完成时空特征融合；最后使用融合后的特征完成信号分类，并优化梯度因子，利用参数更新的卷积脉冲神经网络对雷达信号的分类。本发明提高了低信噪比下的雷达信号分类的识别速度和准确率。