一种基于飞鱼算法的无人机航迹规划方法

    公开(公告)号:CN110162077A

    公开(公告)日:2019-08-23

    申请号:CN201910527322.4

    申请日:2019-06-18

    Abstract: 本发明涉及一种基于飞鱼算法的无人机航迹规划方法,属于无人机飞行控制领域。包括建立无人机飞行运动模型,设计球面坐标系动作姿态向量;利用检测概率的效能值和无人机奖惩机制构建航迹评价函数,将无人机连续的飞行动作离散化,以时间作为间隔,使用飞鱼算法对每一时刻的航迹评价函数值寻优;更新飞鱼种群,结合种群飞行寻优思想进行迭代,当迭代寻优操作达到最大迭代次数,生成每一时刻最优动作姿态;将最优动作姿态数据控制无人机,生成有效可靠的无人机飞行航迹。本发明结合飞鱼算法,利用种群飞行觅食寻优和交互平台,增强了航迹规划方法的全局搜索能力,本发明模型简单、收敛速度快、准确率高、可靠性好,适用不同场合下的飞行任务。

    一种新的基于卷尾蜜熊算法的未知辐射源信号辨识方法

    公开(公告)号:CN117315311A

    公开(公告)日:2023-12-29

    申请号:CN202311339211.3

    申请日:2023-10-17

    Abstract: 本发明公开了一种新的基于卷尾蜜熊算法的未知辐射源信号辨识方法,包括:对原始辐射源调制信号的数据集中的信息进行崔‑威廉斯分布处理,获取时频图;通过时频图对预设初始辨识模型进行训练,获取初始判别结果;根据初始判别结果设计卷尾蜜熊算法,优化训练后的模型,获取最佳辨识模型;利用最佳辨识模型,获取未知辐射源信号辨识结果。本发明搭建衍生卷积自编码器,设计衍生损失,构造判别模型融合方式,融合各模型判别结果,增加未知辐射源判别的鲁棒性,设计卷尾蜜熊算法,构造香气因子,为卷尾蜜熊添加跳跃属性,优化卷尾蜜熊位置,使判别模型阈值随迭代次数不断改进,提升模型的判别能力,增强了未知辐射源信号辨识方法的泛化性和准确性。

    一种基于联合学习的假目标信号生成方法

    公开(公告)号:CN113376592B

    公开(公告)日:2022-12-13

    申请号:CN202110631507.7

    申请日:2021-06-07

    Abstract: 本发明属于逆合成孔径雷达干扰技术领域,具体涉及一种基于联合学习的假目标信号生成方法。本发明通过构建XGBoost模型,利用回归的思想,通过大量数据来拟合出俯仰角、方位角与对应散射系数矩阵的映射关系,能够适应复杂的电磁环境,避免了传统方法获取的假目标散射系数矩阵适应性差的问题。本发明在所构建的深度强化学习模型中设置了奖惩机制,根据经修正矩阵修正后的预测值给予奖励,使XGBoost的输出预测值与实际值的差值尽量小,输出对应的最优修正矩阵,对输出预测值进行修正,提高了假目标散射系数矩阵的准确率,弥补了传统方法生成的假目标系数矩阵和实际目标散射系数矩阵有一定偏差的问题。

    一种联合两域多特征的辐射源信号识别方法

    公开(公告)号:CN111160171A

    公开(公告)日:2020-05-15

    申请号:CN201911314248.4

    申请日:2019-12-19

    Abstract: 本发明属于信息侦测领域,具体涉及一种联合两域多特征的辐射源信号识别方法,包括以下步骤:对辐射源信号进行短时傅里叶变换、改进的魏格纳时频分布变换和希尔伯特黄变换,获得三种时频特征图像;分别提取三种时频特征图像的Green单通道图像,将三种Green单通道图像进行通道融合,获得新特征图像;本发明采用多时频图像通道融合手段得到新三维时频图像。短时傅里叶变换反应信号的线性时频特征,改进的魏格纳分布反应信号的非线性时频特征,希尔伯特黄变换不受海森堡测不准原理制约,有好的时频分别率,通道融合得到的新三维时频图像可以更全面的表征信号的时频信息,提高系统的可靠性。

    一种基于自适应黑蜘蛛猴算法的辐射源个体识别方法

    公开(公告)号:CN115114960A

    公开(公告)日:2022-09-27

    申请号:CN202210767193.8

    申请日:2022-06-30

    Abstract: 本发明属于信号识别技术领域,具体涉及一种基于自适应黑蜘蛛猴算法的辐射源个体识别方法。本发明通过构造类内、类间离差矩阵,设计离差损失,融合四元组和中心聚类损失,使得损失函数的构建更具可靠性;通过设计自适应黑蜘蛛猴算法对损失函数权重寻优,构建改变搜索方向的标志,利用螺旋优化搜索,扩大搜索范围,引入探索和平衡开发因子,使权重随迭代次数改变,减少了权重变化的盲目性,增强了辐射源个体识别方法的泛化性、准确性和适应性。本发明不仅能提高网络收敛速度,增加网络的泛化性和可靠性,还能准确实现辐射源个体识别,具备较好的适用性。

    一种基于深度强化学习的伪装干扰波形生成方法

    公开(公告)号:CN113406579B

    公开(公告)日:2022-09-27

    申请号:CN202110632548.8

    申请日:2021-06-07

    Abstract: 本发明属于电子干扰技术领域,具体涉及一种基于深度强化学习的伪装干扰波形生成方法。本发明通过构建深度强化学习探索模型,设计状态空间、动作空间、奖励函数,实现了基于深度强化学习的干扰波形生成,该模型中模拟了较为复杂的动态对抗过程,只需当前雷达状态就可以输出对应的干扰波形,在复杂或未知对抗场景下依然能够做出较为有效的干扰波形决策;通过构建伪装生成网络输出伪装信号,并与深度强化学习的生成的干扰信号叠加,得到带有伪装的干扰波形,使得已经训练完成的雷达智能识别网络误判,避免了干扰波形易被雷达方识别的问题,具有较好的干扰和伪装效果。

    一种联合两域多特征的辐射源信号识别方法

    公开(公告)号:CN111160171B

    公开(公告)日:2022-04-12

    申请号:CN201911314248.4

    申请日:2019-12-19

    Abstract: 本发明属于信息侦测领域,具体涉及一种联合两域多特征的辐射源信号识别方法,包括以下步骤:对辐射源信号进行短时傅里叶变换、改进的魏格纳时频分布变换和希尔伯特黄变换,获得三种时频特征图像;分别提取三种时频特征图像的Green单通道图像,将三种Green单通道图像进行通道融合,获得新特征图像;本发明采用多时频图像通道融合手段得到新三维时频图像。短时傅里叶变换反应信号的线性时频特征,改进的魏格纳分布反应信号的非线性时频特征,希尔伯特黄变换不受海森堡测不准原理制约,有好的时频分别率,通道融合得到的新三维时频图像可以更全面的表征信号的时频信息,提高系统的可靠性。

    一种基于飞鱼算法的无人机航迹规划方法

    公开(公告)号:CN110162077B

    公开(公告)日:2022-04-05

    申请号:CN201910527322.4

    申请日:2019-06-18

    Abstract: 本发明涉及一种基于飞鱼算法的无人机航迹规划方法,属于无人机飞行控制领域。包括建立无人机飞行运动模型,设计球面坐标系动作姿态向量;利用检测概率的效能值和无人机奖惩机制构建航迹评价函数,将无人机连续的飞行动作离散化,以时间作为间隔,使用飞鱼算法对每一时刻的航迹评价函数值寻优;更新飞鱼种群,结合种群飞行寻优思想进行迭代,当迭代寻优操作达到最大迭代次数,生成每一时刻最优动作姿态;将最优动作姿态数据控制无人机,生成有效可靠的无人机飞行航迹。本发明结合飞鱼算法,利用种群飞行觅食寻优和交互平台,增强了航迹规划方法的全局搜索能力,本发明模型简单、收敛速度快、准确率高、可靠性好,适用不同场合下的飞行任务。

Patent Agency Ranking