-
公开(公告)号:CN119966567A
公开(公告)日:2025-05-09
申请号:CN202510077676.9
申请日:2025-01-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于软件无线电的无人机干扰压制诱骗系统及方法,本发明涉及无人机反制领域,具体涉及基于软件无线电的无人机干扰压制诱骗系统及方法。本发明的目的是为了解决现有技术难以对无人机目标进行精准干扰与诱骗的问题。系统包括:主控机、软件无线电设备、功率放大器、天线组件和云端服务器;所述主控机用于下达无人机目标侦察指令和无人机压制干扰和无人机诱骗指令;所述软件无线电设备的接收端用于接收主控机下达的无人机目标侦察指令,对天线组件接收的无线电信号执行无人机目标侦察;所述软件无线电设备的发射端用于接收主控机下达的无人机目标压制干扰和诱骗指令,通过天线组件发射无线电信号对目标无人机执行无人机压制干扰和诱骗。
-
公开(公告)号:CN119226914A
公开(公告)日:2024-12-31
申请号:CN202410760995.5
申请日:2024-06-13
Applicant: 哈尔滨工业大学
IPC: G06F18/2415 , G06F18/25 , G06F18/15 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 数字预失真下有限样本场景中辐射源个体识别方法,本发明涉及辐射源个体识别方法,属于辐射源个体识别领域。本发明的目的是为了解决实际部署时DPD技术的应用以及在线SEI部署时数据不足等导致辐射源个体识别准确率低的问题。数字预失真下有限样本场景中辐射源个体识别方法具体过程为:对采集到的信号进行预处理,得到HHT、ITD‑Hilbert、CWT、CWD和GT;分别对HHT图、ITD‑Hilbert图、CWT图、CWD图和GT图进行预处理,构建数据集;构建FS‑SEI网络模型;FS‑SEI网络模型包括CNN网络模型和关系网络模型;CNN网络模型依次包括特征提取器和分类器;对CNN FS‑SEI网络模型进行训练,获得训练好的FS‑SEI网络模型;将测试集输入训练好的FS‑SEI网络模型,训练好的FS‑SEI网络模型输出测试集的类别。
-
公开(公告)号:CN116561631A
公开(公告)日:2023-08-08
申请号:CN202310533066.6
申请日:2023-05-11
Applicant: 哈尔滨工业大学
IPC: G06F18/24 , G06F18/2321 , G06F18/213
Abstract: 基于相空间重构的辐射源分选方法,本发明涉及信号分选方法。本发明的目的是为了解决现有电磁环境中的脉冲数量已达百万量级,并且雷达可以迅速的切换工作模式,利用传统的信号分选方法存在增批、漏批和难以准确设置参数容差等问题。过程为:一:计算辐射源信号的时间延迟;二:基于辐射源信号的时间延迟计算辐射源信号的嵌入维数;三:基于辐射源信号的时间延迟和辐射源信号的嵌入维数,计算辐射源信号的关联维数;四:基于辐射源信号的时间延迟和辐射源信号的嵌入维数,计算辐射源信号的Lyapunov指数;五:基于辐射源信号的关联维数、辐射源信号的Lyapunov指数以及载频,使用DBSCAN算法对特征向量做分选。本发明用于信号分选领域。
-
公开(公告)号:CN119936789A
公开(公告)日:2025-05-06
申请号:CN202510119065.6
申请日:2025-01-24
Applicant: 哈尔滨工业大学
IPC: G01S5/06 , G06F16/901
Abstract: 一种基于分布式数据处理的TDOA定位方法,本发明涉及基于分布式数据处理的TDOA定位方法。本发明的目的是为了解决传感器资源受限下的目标定位准确率低的问题,而提出一种基于分布式数据处理的TDOA定位方法。一种基于分布式数据处理的TDOA定位方法具体过程为:步骤一、构建TDOA定位系统模型;步骤二、基于TDOA定位系统模型,获得最优传感器配对组合;步骤三、基于最优传感器配对组合,对待定位目标源位置p进行估计,得到待定位目标源位置p的估计值。本发明用于TDOA定位领域。
-
公开(公告)号:CN119986535A
公开(公告)日:2025-05-13
申请号:CN202510189388.2
申请日:2025-02-20
Applicant: 哈尔滨工业大学
Abstract: 基于优化布站与梯度搜索解算的到达时间差定位方法,本发明涉及到达时间差定位方法。本发明的目的是为了解决现有方法只关注位于特定位置的某一目标的定位,不能兼顾整个无人机空间区域的问题。过程为:步骤一、设置观测站的布站优化模型;步骤二、对步骤一设置的布站优化模型进行求解,得到最优的观测站的坐标的集合;步骤三、基于步骤二得到的最优的观测站的坐标的集合,设置目标定位模型;步骤四、对步骤三设置的目标定位模型进行求解,得到最优的目标定位结果。本发明用于到达时间差定位领域。
-
公开(公告)号:CN115187584A
公开(公告)日:2022-10-14
申请号:CN202211019245.X
申请日:2022-08-24
Applicant: 哈尔滨工业大学
Abstract: 神经胶质瘤分级中的多模脑图像融合方法,本发明涉及医学图像融合。本发明的目的是为了解决在单一模态图像上无法准确确定肿瘤与正常组织的边界和边缘,导致无法获得准确的融合后的图像的问题。具体过程为:一:采用多级保边滤波MLEPF算法对输入的图像进行分解,分解为不同级别的图像;二:获取任意两个已配准的图像;三:对图像A(x,y)和B(x,y)分别执行一,得到图像A(x,y)的精细结构层图像、粗略结构层图像、基础结构层图像;图像B(x,y)的精细结构层图像、粗略结构层图像以及基础结构层图像;得到融合后的精细结构层图像和粗略结构层图像;四:得到融合后的基础结构层图像;五:得到最终融合后图像。
-
-
-
-
-