一种计算蜂窝夹层结构电磁散射的数值建模方法

    公开(公告)号:CN119227458A

    公开(公告)日:2024-12-31

    申请号:CN202411300509.8

    申请日:2024-09-18

    Abstract: 本发明提出了一种计算蜂窝夹层结构电磁散射的数值建模方法,包括以下步骤:步骤1:将所述蜂窝夹层结构划分为蜂窝结构和位于蜂窝结构两侧的介质层;步骤2:获取蜂窝结构内部的有限元网格信息文件;步骤3:获取外表面的面网格顶点坐标信息和顶点编号信息;步骤4:对所述介质层进行建模和面网格剖分,获得对应的面网格信息文件;步骤5:将步骤2至步骤4中的有限元网格信息文件、蜂窝结构外表面的面网格顶点坐标信息、顶点编号信息和介质层的面网格信息文件进行联结,获得蜂窝夹层结构的全局网格信息,完成模型的构建;步骤6:根据所述模型进行电磁散射计算。本发明提供建模方法可对大尺寸的蜂窝夹层结构进行高效的计算。

    一种基于SAR图像融合的空中目标识别分类方法

    公开(公告)号:CN119445282A

    公开(公告)日:2025-02-14

    申请号:CN202411484729.0

    申请日:2024-10-23

    Abstract: 本发明涉及一种基于SAR图像融合的空中目标识别分类方法,包含以下步骤:S1、获取若干SAR图像,并进行预处理;S2、针对相同区域的SAR图像,基于像素邻域的能量取大法融合得到SAR融合图像,最终以得到目标不同姿态、区域环境下的SAR融合图像数据集;S3、将SAR融合图像数据集划分为训练集和测试集;S4、对S3训练集中的SAR融合图像提取散射特征,建立相应的散射特征训练集;S5、以S4中生成的散射特征训练集作为输入数据,训练随机森林模型,对SAR融合图像目标进行决策分类,并在SAR融合图像测试集上进行验证。本发明通过多波段、多极化SAR图像的目标信息融合,避免了单一信息源解译的不确定性等问题,能够实现任意复杂环境下地面目标的有效识别。

    一种基于时反的目标宽带累积得益及方位敏感性分析方法

    公开(公告)号:CN117129949A

    公开(公告)日:2023-11-28

    申请号:CN202310967578.3

    申请日:2023-08-02

    Abstract: 本发明提供一种基于时反的目标宽带累积得益及方位敏感性分析方法,包括:S1、利用宽带窄脉冲信号对目标进行一次探测,对一次回波信号进行时间反转与能量匹配操作,利用生成的时反匹配信号对目标进行二次探测,基于一次回波信号、二次回波信号分析目标宽带累积得益;S2、设计与扫频特性数据对应的高斯窄脉冲信号对目标进行一次探测,生成第i方位角下的窄脉冲响应信号Si(t),对Si(t)进行时间反转与能量匹配操作,得到时反匹配信号S′i(t);S3、将S′i(t)作为第i方位角下的二次发射信号,获取目标对S′i(t)的匹配接收响应信号S″i(t),基于S″i(t)和Si(t)分析目标宽带累积得益;S4、将S′i(t)作为第j方位角下的二次发射信号,获取目标对S′i(t)的失配响应信号Sij(t),基于Sij(t)和Sj(t)分析目标宽带累积得益。

    一种基于LSTM神经网络的空中目标分类识别方法

    公开(公告)号:CN118864980A

    公开(公告)日:2024-10-29

    申请号:CN202411040585.X

    申请日:2024-07-31

    Abstract: 一种基于LSTM神经网络的空中目标分类识别方法,用于对目标图像进行分类识别;所述方法包括:步骤S1,构建分析目标图像的可视化模块;步骤S2,将原始目标图像输入至可视化模块识别中进行识别,对原始目标图像并进行反馈标注,得到关键部位标注后的目标图像,所述关键部位标注后的目标图像包含若干标注关键部位;步骤S3,将关键部位标注后的目标图像输入LSTM神经网络模型中,进行特征分类识别,得到特征分类识别结果;步骤S4,将所有特征分类识别结果进行融合分析,获取运动目标识别结果。本发明通过LSTM神经网络模型进行目标类型的预测,能够聚焦图像中目标关键部位,排除干扰对象等带来的干扰,有效提高目标识别精度。

    一种弹目交会场景下的脱靶量预估方法

    公开(公告)号:CN117764112A

    公开(公告)日:2024-03-26

    申请号:CN202310660417.X

    申请日:2023-06-06

    Abstract: 一种弹目交会场景下的脱靶量预估方法,构建LSTM神经网络模型,获取弹目交会时的回波数据,将回波数据分为训练集和测试集,将训练集中的数据输入LSTM神经网络模型进行循环递归计算,直到误差值达到最小,将测试集中的数据输入到训练好的LSTM神经网络模型中,预测脱靶量值。本发明通过LSTM神经网络模型进行弹目交会状态下脱靶量的预测,能够根据当前状态自动调整历史信息对当前预测的贡献,针对同类目标可以在发射前校准,提高了毁伤效果,有效提高制导精度。

    一种无源雷达反射面积增强器
    7.
    发明公开

    公开(公告)号:CN119087358A

    公开(公告)日:2024-12-06

    申请号:CN202411190971.7

    申请日:2024-08-28

    Abstract: 本发明公开了一种无源雷达反射面积增强器,包括准球体和金属冠。准球体可以是椭球体或龙伯球,椭球体的表面包括互相连接的第一曲面、第二曲面和第三曲面围合而成。金属冠紧贴在椭球体的第三曲面或龙伯球上。本发明的无源雷达反射面积增强器,通过在准球体上设置金属冠,并且设置共形装置,在有限的空间范围内实现单站、双站信号的同时增强,并且双站的角度范围也可控。

    一种基于面向对象思想的电磁计算软件目标材质设计方法

    公开(公告)号:CN117453186A

    公开(公告)日:2024-01-26

    申请号:CN202311409265.2

    申请日:2023-10-27

    Abstract: 一种基于面向对象思想的电磁计算软件目标材质设计方法,定义电介质类、层状结构涂层类、目标材质类,其中目标材质类作为电介质类和层状结构涂层类的友元类,并且具有电介质和层状结构涂层类变量的管理方法;将电介质类变量和层状结构涂层变量分别用无符号整形数进行绑定;定义两个静态无符号整形数据,用于记录当前电介质类变量和层状结构涂层变量序号;定义两个存储静态无符号整形数据的队列,用于存储被删除的电介质类变量和层状结构涂层变量序号;层状结构涂层用于目标表面面元材质赋值,电介质用于目标结构区域材质赋值。本发明提高了目标电磁散射特性仿真软件目标模型输入的准确性,结构层次分明,材质数据管理简单。

Patent Agency Ranking