公开(公告)号：CN119939147A

公开(公告)日：2025-05-06

申请号：CN202411827458.4

申请日：2024-12-12

Applicant: 湘潭大学

Inventor： 邓敏 ,  周毅 ,  冀鸿俊 ,  刘尚志 ,  姚志强

IPC: G06F18/20 ,  G01S19/37 ,  G01S19/23 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06F17/16 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/084

Abstract: 本发明公开了一种基于机器学习的时空安全防护态势预测方法，包括以下步骤：步骤S1，对导航接收机所捕获的真实导航信号与干扰信号执行特征提取，构建导航质量特征指标体系；步骤S2，获得采集样本中导航质量特征，并对样本数据的导航质量特征进行预处理；步骤S3，将经过预处理的样本数据划分为长期样本集和近期样本集；步骤S4，对于长期样本集，采用自监督预训练方式使模型学习通用特征；步骤S5，对于近期样本集，采用低秩分解思想的微调方法调整模型，利用基于Transformer的预测模型，进行关键设施时空安全防护的态势预测训练；步骤S6，用预测模型预测出能够体现时空安全防护态势的导航质量特征；步骤S7，根据预测的导航质量特征评估时空安全防护预测态势。

公开(公告)号：CN119375917A

公开(公告)日：2025-01-28

申请号：CN202411463970.5

申请日：2024-10-21

Applicant: 湘潭大学

Inventor： 邓敏 ,  罗瑞 ,  周毅 ,  姚志强

IPC: G01S19/21 ,  G06N20/20 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于联邦学习的导航干扰信号识别方法，包括以下步骤：S1获取卫星中频信号及信号对应的频谱图；S2构建分布式干扰识别模型，建立多个客户端；S3每个客户端分别进行网络训练更新得到各自网络权重；S4判断当前更新次数是否达到预定周期，如果是，则进入模型参数的汇总和优化流程；如果否，则继续本地训练更新；S5将所有客户端的模型参数进行汇总和优化，更新后的模型参数返回客户端；S6计算所有损失函数的值，调整模型的输出层参数；S7更新所有客户端的所有网络参数；S8重复执行局部更新与全局参数汇总，直到达到预定的训练次数，最终获得全局网络参数；S9输出训练完成的模型。本发明的识别方法能够快速识别干扰，提高识别的准确度。