公开(公告)号：CN116500546A

公开(公告)日：2023-07-28

申请号：CN202310512899.4

申请日：2023-05-08

Applicant: 哈尔滨工程大学

Inventor： 陈涛 ,  邱宝传 ,  李金鑫 ,  杨博溢 ,  雷宇 ,  刘宇宁

IPC: G01S7/02 ,  G06F18/214 ,  G06F18/23213 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于点云分割网络的雷达信号分选方法，它属于信息与通信工程的电子侦察领域。本发明解决了传统雷达信号分选方法存在的参数设置需要依赖人工经验、分选流程复杂、对未知信号的分选能力差以及难以满足当前复杂电磁环境下雷达信号分选需求的问题。本发明将深度学习模型与雷达信号分选结合，实现直接由原始PDW到EDW的无人工干预的端到端分选方案，简化了分选实现流程。并且由于神经网络能够深度挖掘不同类型雷达的PDW之间的特征关联，因此在非合作场景下面对未知雷达信号仍具有较好的分选能力。本发明方法可以应用于雷达信号分选。

公开(公告)号：CN117784025A

公开(公告)日：2024-03-29

申请号：CN202311868524.8

申请日：2023-12-29

Applicant: 哈尔滨工程大学

Inventor： 陈涛 ,  李佳帅 ,  李金鑫 ,  肖易寒 ,  蒋伊琳 ,  刘宇宁

IPC: G01S7/02

Abstract: 一种基于脉冲压缩的雷达干扰特征提取系统，它属于电子侦察领域。本发明解决了在复杂的干扰环境下，仅依靠时频域的有限特征获得的干扰识别效果差的问题。本发明的系统可以实时、高效地计算雷达接收信号在脉压域的脉压后信号峰均比、匹配脉冲密集度、匹配脉冲的到达时间以及脉压后脉冲宽度的高辨识度特征参数，为后续的干扰识别提供了更多的参考信息，将本发明提取的特征参数与时频域特征进行结合，可以有效提高干扰识别效果。本发明方法可以应用于雷达干扰特征提取领域。

公开(公告)号：CN115564952A

公开(公告)日：2023-01-03

申请号：CN202211130576.0

申请日：2022-09-16

Applicant: 哈尔滨工程大学

Inventor： 陈涛 ,  刘宇宁 ,  蒋伊琳 ,  雷宇 ,  杨博溢

IPC: G06V10/26 ,  G06V10/82

Abstract: 本发明提供一种信号分选和信源类型判别的方法，为了在雷达信号分选过程中减少人工参数设置、减少多步骤分选的传统方法在灵活性上的制约，提出一种基于神经网络的信号分选方法。其中，点阵图像分割步骤中，对掩膜精度的要求达到了像素级，现有的实例分割神经网络无法达到精度要求，因此提出了一种“级联‑循环神经网络回路”，克服了精度问题。