数字预失真下有限样本场景中辐射源个体识别方法

    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

    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。

    基于相空间重构的辐射源分选方法

    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

    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。

    神经胶质瘤分级中的多模脑图像融合方法

    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

    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。

Patent Agency Ranking