公开(公告)号：CN116804740B

公开(公告)日：2024-07-30

申请号：CN202310700793.7

申请日：2023-06-13

Applicant: 哈尔滨工程大学

Inventor： 赵忠凯 ,  王琳燊 ,  弓浩 ,  杨婧文

IPC: G01S7/40 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 基于Inverted U‑Net的被动雷达信号智能检测方法，解决了现有检测方法在低信噪比条件下多信号检测困难的问题，属于电子侦察领域。本发明包括：构建被动雷达信号智能检测模型，包括数字信道化模块、幅度提取模块以和Inverted U‑Net神经网络模型；将采样后的雷达脉冲信号输入数字信道化模块进行预处理，得到各个信道的IQ信号，然后输入至幅度提取模块，得到幅度信息矩阵A，将A输入至神经网络模型，神经网络模型为先上采样后下采样的对称倒U型神经网络结构，且下采样时需要融合相应上采样结果来提取特征，神经网络模型输出检测结果D；构建训练集，对神经网络模型进行训练；利用训练好的被动雷达信号智能检测模型进行检测。

公开(公告)号：CN116804740A

公开(公告)日：2023-09-26

申请号：CN202310700793.7

申请日：2023-06-13

Applicant: 哈尔滨工程大学

Inventor： 赵忠凯 ,  王琳燊 ,  弓浩 ,  杨婧文

IPC: G01S7/40 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 基于Inverted U‑Net的被动雷达信号智能检测方法，解决了现有检测方法在低信噪比条件下多信号检测困难的问题，属于电子侦察领域。本发明包括：构建被动雷达信号智能检测模型，包括数字信道化模块、幅度提取模块以和Inverted U‑Net神经网络模型；将采样后的雷达脉冲信号输入数字信道化模块进行预处理，得到各个信道的IQ信号，然后输入至幅度提取模块，得到幅度信息矩阵A，将A输入至神经网络模型，神经网络模型为先上采样后下采样的对称倒U型神经网络结构，且下采样时需要融合相应上采样结果来提取特征，神经网络模型输出检测结果D；构建训练集，对神经网络模型进行训练；利用训练好的被动雷达信号智能检测模型进行检测。