一种利用无人机群进行多辐射源定位的方法

    公开(公告)号:CN116184316A

    公开(公告)日:2023-05-30

    申请号:CN202310016666.5

    申请日:2023-01-06

    Applicant: 山东大学

    Abstract: 本发明公开了一种利用无人机群进行多辐射源定位的方法,包括如下步骤:多个无人机分别接收多个辐射源信号;对于每个无人机接收到的信号分别进行傅里叶变换,得到信号频域数据;对所有无人机接收到的信号频域数据进行整合,计算采样协方差矩阵;对监测区域网格化,利用网格点候选位置信息和接收站位置信息,构造与导向矢量和传输时延相关的对角矩阵;根据采样协方差矩阵和对角矩阵,利用MVDR准则构建代价函数,通过谱峰搜索得到辐射源位置估计结果。本发明所公开的方法将所有观测站数据整合,通过构建代价函数,在选定区域内进行网格化搜索,直接从接收信号信息中提取出辐射源位置信息,实现高精度定位。

    基于能量和协方差联合估计的卫星导航压制干扰检测方法

    公开(公告)号:CN116413745A

    公开(公告)日:2023-07-11

    申请号:CN202310056823.5

    申请日:2023-01-17

    Applicant: 山东大学

    Abstract: 本发明公开了一种基于能量和协方差联合估计的卫星导航压制干扰检测方法,包括如下步骤:计算出能量检测统计值的高门限值和低门限值;计算接收信号的能量检测统计值,并分别与高低门限值进行比较,若能量检测统计值大于高门限值时,判决为有干扰信号,反之没有;若能量检测统计值处于高门限值和低门限值之间,则执行下一步;利用协方差检测方法的统计值替代能量检测统计值,并计算出新的门限值,若协方差检测方法的统计值大于新的门限值,则有干扰信号,反之没有。本发明的方法弥补了传统方法受信噪比限制的不足,二者联合检测在低信噪比下具有更好的检测性能。

    联合迁移学习和监督学习的电磁谱辐射源智能识别方法

    公开(公告)号:CN115828085A

    公开(公告)日:2023-03-21

    申请号:CN202211726222.2

    申请日:2022-12-30

    Applicant: 山东大学

    Abstract: 本发明公开了一种联合迁移学习和监督学习的电磁谱辐射源智能识别方法,包括如下步骤:使用图像分类预训练CNN模型作为特征提取网络,使用具有线性拟合特性的监督机器学习模型作为分类网络,最后将二者依次级联组成电磁谱辐射源智能识别模型;采集空间电磁谱辐射源信号数据,并对辐射源信号进行时频分析,获取信号的频谱图像,建成电磁谱图像数据库;对数据库中的频谱图像进行预处理以强化特征,然后按照一定比例将数据库划分为训练集、验证集和测试集;模型的训练与测试;利用得到的模型进行电磁谱辐射源的智能识别;本发明所公开的方法能够减少模型的训练时间,降低计算复杂度,可以准确地对辐射源信号进行检测分类。

Patent Agency Ranking