-
公开(公告)号:CN118432675A
公开(公告)日:2024-08-02
申请号:CN202410568135.1
申请日:2024-05-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种适用于运动接收平台的稳健自适应波束形成方法。首先确定信号源大致方位及运动方向的趋势;估计干扰信号源的功率值;然后通过对干扰源区域插入虚拟干扰的方式及对角加载技术,构造含有零陷展宽信息的干扰加噪声协方差矩阵;构建期望信号主波束有效接收宽度,通过对波束图幅值响应进行约束达到主瓣有效接收区域的展宽。本发明在展宽了零陷宽度的同时,扩大了主瓣有效接收区域,为阵列系统对空域信号源的处理提供了较大的容错性,保证在阵列系统移动或晃动的过程中依然能够高性能提取期望信号,提高了自适应波束形成器在复杂电磁环境下的工作效能。
-
公开(公告)号:CN112946601B
公开(公告)日:2024-02-20
申请号:CN202110295406.7
申请日:2021-03-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于Gauss‑Seidel的高效分布式目标相位优化方法,包括以下步骤:S1.对于经过预处理的时序SAR影像,在预设的搜索窗内,兼顾检测率和计算效率,采用FaSHPS算法工具包选取同质点SHP集合;S2.基于选取的同质点集合自适应地计算相干矩阵,并构建基于相干矩阵加权的相位优化模型;S3.对于构建的非线性优化模型,基于Gauss‑Seidel迭代以求解DS相位重构结果。本发明在优化模型构建时避免了矩阵求逆处理,在模型求解时充分利用迭代中最新计算得到结果,可以在不增加每次迭代计算量的同时降低算法收敛时的迭代次数,从而实现了高效的DS相位估计。
-
公开(公告)号:CN115019192A
公开(公告)日:2022-09-06
申请号:CN202210596073.6
申请日:2022-05-30
Applicant: 杭州电子科技大学
IPC: G06V20/13 , G06V20/70 , G06V10/26 , G06V10/75 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于双通道主干网络和联合损失函数的洪灾变化检测方法及系统,其方法包括:S1、获取双极化SAR图像,对图像进行预处理,标注出受到洪灾影响区域,获得数据集;S2、基于双通道主干网络和联合损失函数构建改进的DeeplabV3+模型,并利用数据集训练模型;S3、利用训练后的DeeplabV3+模型预测目标区域的洪灾水域结果并提取;S4、基于提取的洪灾水域结果,利用差值法得到水体的变化情况。本发明综合利用了双极化SAR图像的特征信息,提升了模型的鲁棒性;基于主动轮廓模型损失函数构建联合损失函数,提升洪灾水体边缘定位和保持能力的同时增强了模型的泛化性能,最终实现洪灾水体的准确检测与分割。
-
公开(公告)号:CN111273291B
公开(公告)日:2021-12-10
申请号:CN202010092297.4
申请日:2020-02-14
Applicant: 杭州电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了基于球体模型的俯冲段FENLCS大斜视高分辨成像方法及系统。本发明涉及的基于球体模型的俯冲段FENLCS大斜视高分辨成像方法包括:S11.构建机动平台俯冲段SAR成像的几何构型,并分析所述几何构型的回波特性、空间斜视角的空变特性;S12.对回波信号进行距离向处理;S13.构建等距球体解析模型,并利用方位空变的残留高阶RCMC方法提高所述距离向处理的精度;S14.基于构建的等距球体解析模型对方位空变的多普勒相位进行重新建模,利用FENLCS方法去除多普勒中心频率、实现多普勒调频率方位的均衡,再进行方位压缩,获得最终的聚焦图像。
-
公开(公告)号:CN111613240A
公开(公告)日:2020-09-01
申请号:CN202010439274.6
申请日:2020-05-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于注意力机制和Bi-LSTM的伪装语音检测方法,包括:S1.提取语音样本中与语音相对应的语音特征数据,并将提取出的语音特征数据转换为语音图像数据;S2.采用双向长短期记忆网络Bi-LSTM对转换得到的语音图像数据进行处理,得到图像数据的深度特征;S3.采用注意力机制对所述得到的深度特征进行计算,得到注意力的概率分布;S4.采用DNN分类器对得到的注意力概率分布进行分类,得到最终的伪装语言检测结果。本发明将提取出来的特征数据转换成图像数据,再将图像数据作为双向长短期记忆网络的输入得到深度特征,然后用注意力模型对深度特征进行计算并得到注意力概率分布,最后用支持向量机模型对输出结果进行分类,得到欺骗检测结果。
-
公开(公告)号:CN109270528B
公开(公告)日:2020-08-25
申请号:CN201811104691.4
申请日:2018-09-21
Applicant: 杭州电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于全解析距离模型的一站固定式双站SAR成像方法。本发明步骤如下:1、准确的构建一站固定式双站SAR系统几何模型,并得到回波信号;2、在距离频域对信号进行距离向的预处理;3、根据距离向处理的结果,构建出新的全解析距离模型,能够准确地描述处在相同距离单元上,沿方位向分布的点目标与接收机的中心距离之间的方位空变特性;4、根据新的全解析距离模型,对复杂的多普勒相位的方位空变特性进行更精确的建模,再利用ENLCS算法实现方位均衡,最后设计滤波器进行方位压缩,获得最终的聚焦图像。本发明在处理大斜视一站固定式双站SAR的高分辨率回波数据具有更好的聚焦效果。
-
公开(公告)号:CN108459321A
公开(公告)日:2018-08-28
申请号:CN201810122729.4
申请日:2018-02-07
Applicant: 杭州电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于距离-方位圆模型的大斜视高分辨率SAR成像方法。本发明步骤如下:1、构建SAR系统几何模型,得到回波信号;2、在距离频域对信号进行距离向的预处理;3、根据距离向预处理的结果,构建距离-方位圆模型,描述SAR信号的方位空变特性;4、利用距离-方位圆模型给出的结果,对剩余高阶RCM中的方位空变部分进行建模,并构建新的变标函数实现QRCMC,再设计距离压缩的滤波器,完成距离向的全部处理:5、根据距离-方位圆模型对多普勒相位的方位空变特性进行建模,利用ENLCS算法实现方位均衡,最后设计滤波器进行方位压缩,获得最终的聚焦图像。本发明在处理大斜视、高分辨率回波数据具有更好的聚焦效果。
-
公开(公告)号:CN101849823B
公开(公告)日:2012-05-23
申请号:CN201010159033.2
申请日:2010-04-27
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于排列组合熵的神经元动作电位特征提取方法。现有的方法信息提取不完成、计算效率低。本发明方法首先通过动作电位采集系统采样动作电位信号;其次在一个时间窗宽记录电位信号形成时间序列X,根据嵌入维数将该时间序列X划分为多个子序列;然后记录每个子序列中元素的标记顺序,统计时间序列X中相同的标记顺序的概率;最后利用信息熵计算方法计算时间序列X的排列组合熵值,并将其归一化;得到神经元动作电位特征。本发明方法在计算过程中的信息量完整且计算速度快。
-
公开(公告)号:CN101849823A
公开(公告)日:2010-10-06
申请号:CN201010159033.2
申请日:2010-04-27
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于排列组合熵的神经元动作电位特征提取方法。现有的方法信息提取不完成、计算效率低。本发明方法首先通过动作电位采集系统采样动作电位信号;其次在一个时间窗宽记录电位信号形成时间序列X,根据嵌入维数将该时间序列X划分为多个子序列;然后记录每个子序列中元素的标记顺序,统计时间序列X中相同的标记顺序的概率;最后利用信息熵计算方法计算时间序列X的排列组合熵值,并将其归一化;得到神经元动作电位特征。本发明方法在计算过程中的信息量完整且计算速度快。
-
公开(公告)号:CN119316057A
公开(公告)日:2025-01-14
申请号:CN202411857347.8
申请日:2024-12-17
Applicant: 杭州电子科技大学
IPC: H04B10/079 , H04B10/112 , H04B10/118 , H04B10/516 , H04B10/50 , H04L27/00
Abstract: 本发明属于激光多普勒技术领域,具体涉及基于码多普勒的激光通信测试系统及其码多普勒生成方法,包括:S1、参数初始化;初始化的参数包括原始采样周期、原始码元速率、速率偏移、新码元速率、符号采样点数、码多普勒步进量;S2、使用随机二进制数据生成二进制相移键控BPSK信号;S3、通过平方根升余弦滤波器对BPSK信号进行成形滤波;S4、通过时间缩放比例计算采样时间索引,并判断采样时间索引是否在目标索引范围内;若是,则转至步骤S5;S5、基于采样时间索引以及多普勒相位偏移,对经过成形滤波的BPSK信号进行插值和重采样。本发明在进行多普勒频移补偿时,通过时间缩放比例的计算,实现码元速率的调整,并结合插值确保信号重采样后的精度。
-
-
-
-
-
-
-
-
-