-
公开(公告)号：CN117473390A
公开(公告)日：2024-01-30
申请号：CN202311512664.1
申请日：2023-11-14
Applicant: 西安电子科技大学
IPC: G06F18/241 , G06F18/213 , G06F18/25
Abstract: 本发明公开一种基于特征信号匹配抗塔康干扰的IFF信号识别分类方法，用于解决低信噪比IFF信号识别分类准确率低，以及受塔康信号干扰的IFF信号难以识别的问题。本发明的实现步骤包括：利用IFF信号的先验信息，预先提取各类型IFF信号的特征信号，利用待识别信号与IFF特征信号的相关程度进行识别分类，另外，还利用塔康信号脉冲与IFF信号脉冲在上升下降沿持续时间的差异，提出一种通过一阶差分恢复被干扰的IFF信号的原始IFF信号的方法。本发明克服了现有技术中IFF信号可识别种类少、低信噪比识别效果不佳以及参数融合判别难的问题，提高识别准确率和方法的鲁棒性，还具备在塔康干扰条件下对IFF信号识别分类的能力，扩展了方法的适用范围。
-
公开(公告)号：CN118628596A
公开(公告)日：2024-09-10
申请号：CN202410656745.7
申请日：2024-05-24
Applicant: 西安电子科技大学 , 中国人民解放军31007部队
Abstract: 一种基于数字余晖图的高隐蔽信号检测方法、系统、设备及介质，将采样的信号IQ数据经过预处理，即设置关键参数包括观测带宽(即采样率)、帧长度、重叠率以及时间和频率分辨率；同时，对每帧信号进行加窗滤波处理，系统自动根据信号长度确定分段数量；接着，对每个信号段进行快速傅里叶变换，并将计算结果存储于位图数据库中；然后，将频谱数据在位图数据库中连续叠加，基于总叠加次数，计算每个单元格的占比以形成概率密度分布矩阵，对概率密度分布矩阵进行归一化处理，确保所有概率值位于0至1之间；利用自定义的映射表，通过线性映射将归一化后的概率密度矩阵转化为数字余晖图；最后，利用Gamma校正和中值滤波相结合的方法，对映射得到的数字余晖图进一步增强，得到最终的清晰且平滑的数字余晖图；本发明中Gamma校正可以有效增强较暗的部分提升图像对比度，中值滤波可以有效去除由图像映射产生的椒盐噪声，同时保留图像中信号的重要边缘和细节；由于其较低的计算复杂度，适合实时处理应用，满足低复杂度要求。
-
公开(公告)号：CN118368658A
公开(公告)日：2024-07-19
申请号：CN202410325774.5
申请日：2024-03-21
Applicant: 西安电子科技大学
IPC: H04W24/08 , H04B17/30 , G06F18/241 , G06F18/214
Abstract: 一种基于深度学习的微弱信号检测方法、系统、设备及介质，方法为，首先构建微弱信号时频矩阵数据集；然后对时频矩阵数据集预处理；构建深度学习信号检测网络，最后利用训练好的网络对微弱信号进行检测；系统、设备及介质能够基于基于深度学习的微弱信号检测方法，进行微弱信号检测；本发明具有更好的检测性能，能够较大程度上提升微弱信号检测的准确率，实时性高可靠性好；能够同时获得信号在时域和频域两个维度的信息，为后续的信号分析处理提供前提；算法具有更好的稳健性。
-
公开(公告)号：CN117786528A
公开(公告)日：2024-03-29
申请号：CN202311817031.1
申请日：2023-12-26
Applicant: 西安电子科技大学
IPC: G06F18/2415 , G01S13/00 , G01S7/36 , G06F18/2431 , G06F18/15 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985 , H04L27/00
Abstract: 基于DRSN网络抗塔康干扰的IFF信号识别方法、系统、设备及存储介质，其方法为：通过模拟接收数据，并对接收的数据做重叠滑窗处理后生成训练数据；然后，根据生成的训练数据构建DRSN网络后对DRSN网络进行训练；将特征输入到训练好的多个DRSN网络对待识别的IFF数据进行模式识别和位置恢复，识别出信号段内各个模式的有无和位置；在构建网络训练数据过程中充分考虑不同模式IFF信号、噪声、塔康信号三者之间的能量和位置冲突关系；其系统、设备及存储介质基于DRSN网络抗塔康干扰的IFF信号识别方法进行抗塔康干扰的IFF信号识别；本发明解决了IFF信号特征提取困难，以及在低信噪比下受同频段塔康信号干扰严重的IFF信号模式识别性能差的问题并提升了抗Tacan信号干扰的能力。
-
-
-
Search Results
4
records
(took 0.02 seconds)
