公开(公告)号：CN116776143A

公开(公告)日：2023-09-19

申请号：CN202310398886.9

申请日：2023-04-14

Applicant: 哈尔滨工程大学

Inventor： 蒋伊琳 ,  杨耀祖 ,  张伟 ,  陈涛 ,  郭立民 ,  赵忠凯 ,  刘鲁涛

IPC: G06F18/214 ,  G06F18/24 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/088

Abstract: 本发明公开了一种雷达辐射源的射频特征提取方法，获取待提取特征的射频信号并进行预处理，分别输入至预先训练的用于特征提取的网络1和网络2，网络1和网络2均为堆栈自编码器网络、且均包含相同层数的多层编解码器，网络2最后一层编码器输出提取的射频特征；训练过程包括理想射频信号数据集和建模射频信号数据集分别输入网络1和网络2均进行分层预训练和全局训练至训练完毕，得到训练后的网络1和网络2。本发明能够在以信号特征为约束的情况下，分割开辐射源信号的信号特征和射频特征，使得提取的射频特征更完整，并可将提取的射频特征用于辐射源个体识别、干扰抑制等对射频特征准确性要求较高的应用领域。

公开(公告)号：CN118294892A

公开(公告)日：2024-07-05

申请号：CN202410246556.2

申请日：2024-03-04

Applicant: 哈尔滨工程大学

Inventor： 蒋伊琳 ,  杨耀祖 ,  陈涛 ,  郭立民 ,  赵忠凯 ,  刘鲁涛

IPC: G01S7/36 ,  G06F18/214 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/084

Abstract: 一种基于深度学习的雷达主瓣有源干扰抑制方法，它属于雷达干扰抑制及信号处理技术领域。本发明解决了现有方法的泛化性差、计算复杂度高的问题。本发明主要基于射频特征这一来自于硬件且具有独一无二属性的特征来区分干扰信号和雷达信号，首先通过设计的SSAE1网络和SSAE2网络提取雷达信号的信号特征和射频特征，通过提取的雷达信号的信号特征和射频特征辅助JSAE网络滤除混合信号中的干扰特征，干扰滤除后的特征再经过JSAE网络的各层解码器，输出重构的抑制干扰后的雷达信号，从而最终实现干扰抑制。本发明可以应用于雷达干扰抑制及信号处理。