一种基于软件无线电的无人机干扰压制诱骗系统及方法

    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

    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。

    一种多模态遥感数据分类的基础模型自适应方法

    公开(公告)号:CN117611896B

    公开(公告)日:2024-05-07

    申请号:CN202311580794.9

    申请日:2023-11-24

    Abstract: 一种多模态遥感数据分类的基础模型自适应方法,属于图像处理技术领域。本发明解决了现有技术中难于直接使用预训练好的基础模型实现多模态遥感数据的分类问题。要点:获取多模态遥感数据;预处理多模态遥感数据;建立映射层,选取基础模型;构建跨空间交互模块实现通用特征和多模态数据中的空间特征的交互,沿多模态遥感数据的空间维度生成可学习的空间编码向量集合,并将其加到特征编码向量集合中,输出空间特征;构建跨通道交互模块,在基础模型的编码器模块的多头注意力机制MSA中,增加通用特征与多模态数据中通道维度的特征交互,输出光谱特征;将空间特征和光谱特征输入到全连接层中得到分类结果。本发明提升了多模态遥感数据的分类精度。

    一种多模态遥感数据分类的基础模型自适应方法

    公开(公告)号:CN117611896A

    公开(公告)日:2024-02-27

    申请号:CN202311580794.9

    申请日:2023-11-24

    Abstract: 一种多模态遥感数据分类的基础模型自适应方法,属于图像处理技术领域。本发明解决了现有技术中难于直接使用预训练好的基础模型实现多模态遥感数据的分类问题。要点:获取多模态遥感数据;预处理多模态遥感数据;建立映射层,选取基础模型;构建跨空间交互模块实现通用特征和多模态数据中的空间特征的交互,沿多模态遥感数据的空间维度生成可学习的空间编码向量集合,并将其加到特征编码向量集合中,输出空间特征;构建跨通道交互模块,在基础模型的编码器模块的多头注意力机制MSA中,增加通用特征与多模态数据中通道维度的特征交互,输出光谱特征;将空间特征和光谱特征输入到全连接层中得到分类结果。本发明提升了多模态遥感数据的分类精度。

    基于卷积神经网络的心电信号心律失常分类系统

    公开(公告)号:CN111626114B

    公开(公告)日:2022-11-18

    申请号:CN202010313300.0

    申请日:2020-04-20

    Abstract: 基于卷积神经网络的心电信号心律失常分类系统,本发明涉及心电信号心律失常分类系统。本发明的目的是为了解决现有基于卷积神经网络的心电信号分类系统不能对现行十种主流心律失常症状进行分类的问题。系统包括:心电信号处理主模块、神经网络主模块、训练主模块和检测主模块;所述心电信号处理主模块用于在目标数据库中提取心电信号数据进行预处理,将处理后的数据分为训练和测试数据集,输入训练和检测主模块;所述神经网络主模块用于搭建卷积神经网络分类器模型;所述训练主模块利用训练数据集对搭建好的分类器模型进行训练;所述检测主模块利用测试数据集对训练好的分类器模型进行验证。本发明用于能医疗检测技术领域。

    基于卷积神经网络的心电信号心律失常分类系统

    公开(公告)号:CN111626114A

    公开(公告)日:2020-09-04

    申请号:CN202010313300.0

    申请日:2020-04-20

    Abstract: 基于卷积神经网络的心电信号心律失常分类系统,本发明涉及心电信号心律失常分类系统。本发明的目的是为了解决现有基于卷积神经网络的心电信号分类系统不能对现行十种主流心律失常症状进行分类的问题。系统包括:心电信号处理主模块、神经网络主模块、训练主模块和检测主模块;所述心电信号处理主模块用于在目标数据库中提取心电信号数据进行预处理,将处理后的数据分为训练和测试数据集,输入训练和检测主模块;所述神经网络主模块用于搭建卷积神经网络分类器模型;所述训练主模块利用训练数据集对搭建好的分类器模型进行训练;所述检测主模块利用测试数据集对训练好的分类器模型进行验证。本发明用于能医疗检测技术领域。

    一种基于方位角和俯仰角信息的双机无源定位方法

    公开(公告)号:CN109991572A

    公开(公告)日:2019-07-09

    申请号:CN201910341112.6

    申请日:2019-04-25

    Abstract: 一种基于方位角和俯仰角信息的双机无源定位方法,属于目标定位领域。现有的传统单站无源定位无法完成瞬时定位,且多站定位的加权最小二乘(WLS)表达形式复杂,时间累积特性不好的问题。一种基于方位角和俯仰角信息的双机无源定位方法,为了对定位目标的位置坐标进行求解,首先根据实际定位场景,构建利用到达角度确定/构成的双站观测模型,再由本发明提出的到达信号的方位角和俯仰角座位模型输入,同时考虑观测误差进行目标的高精度定位。本发明能够实现瞬时定位,简化了无源定位过程,时间累积收敛性能好。

    OAM光束复用的物理层安全容量提升方法

    公开(公告)号:CN109818707A

    公开(公告)日:2019-05-28

    申请号:CN201910199985.8

    申请日:2019-03-15

    Abstract: OAM光束复用的物理层安全容量提升方法,本发明涉及物理层安全容量提升方法。本发明的目的是为了解决现有整数阶OAM光束复用系统物理层安全容量受孔径限制的问题。过程为:步骤一、生成分数阶LG光束;所述LG光束为拉盖尔-高斯光束;步骤二、计算合法接收者的信道容量;步骤三、设窃听者截取的比例为re,则合法接收者接受到功率比例为(1-re),计算窃听者的信道容量;步骤四、根据步骤二合法接收者的信道容量的和步骤三窃听者的信道容量,计算OAM复用系统的安全容量;步骤五、基于OAM复用系统的安全容量,计算OAM复用系统的可靠性。本发明用于信道容量领域。

    一种基于盒维数的辐射源指纹特征提取方法

    公开(公告)号:CN108090462A

    公开(公告)日:2018-05-29

    申请号:CN201711480467.0

    申请日:2017-12-29

    Abstract: 一种基于盒维数的辐射源指纹特征提取方法,本发明涉及辐射源指纹特征提取方法。本发明的目的是为了解决传统特征参数难以满足辐射源个体识别有效性和可靠性需求,导致辐射源个体识别正确率低的问题。一种基于盒维数的辐射源指纹特征提取方法具体过程为:一、对接收到的一维辐射源信号进行分段处理,得到一维辐射源信号段;二、对一得到的一维辐射源信号段进行盒维数特征提取,得到盒维数特征向量。本发明用于辐射源个体识别领域。

    一种基于相位噪声无意调制特征的雷达辐射源识别方法

    公开(公告)号:CN104809358A

    公开(公告)日:2015-07-29

    申请号:CN201510263140.2

    申请日:2015-05-21

    Abstract: 一种基于相位噪声无意调制特征的雷达辐射源识别方法,涉及一种雷达辐射源的识别方法。本发明为了解决现有的基于相位噪声的辐射源识别方法的识别率不高的问题。本发明分析雷达发射机系统中锁相式频率合成器的结构,建立锁相式频率合成器产生的相位噪声模型,计算双谱对角切片特征和双谱反对角切片特征,然后将双谱对角切片特征矩阵A1和双谱反对角切片特征矩阵B1组成特征矩阵Y,通过PCA降维后,建立已知类型发射机向量机模型,然后利用已经建立的向量机模型完成对未知类型发射机的发射信号的识别;从而实现雷达辐射源的识别。本发明适用于雷达辐射源的识别。

Patent Agency Ranking