-
公开(公告)号：CN113111774B
公开(公告)日：2022-10-28
申请号：CN202110388521.9
申请日：2021-04-12
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达信号脉内调制类型识别技术领域，具体涉及一种基于主动增量式微调的雷达信号调制方式识别方法。本发明首先将截获的雷达信号进行时频分布处理，得到二维时频图像；接着调整时频图像大小并进行幅度归一化处理；在训练阶段，采用基于池的抽样场景，将雷达信号时频图像样本逐组放入手写识别训练过的预训练模型中，输出其对应各类型的概率，由熵的不确定性抽样策略，寻找有价值的样本进行专家标注，扩大已标注的雷达信号数据集，通过该数据集更新当前网络所有层的参数；识别阶段，将未知雷达信号时频图像放入该网络中，输出层输出最终识别类型。本发明在低信噪比条件下识别率高，大幅度节省不必要的标注成本，具有良好应用前景。
-
公开(公告)号：CN113111774A
公开(公告)日：2021-07-13
申请号：CN202110388521.9
申请日：2021-04-12
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达信号脉内调制类型识别技术领域，具体涉及一种基于主动增量式微调的雷达信号调制方式识别方法。本发明首先将截获的雷达信号进行时频分布处理，得到二维时频图像；接着调整时频图像大小并进行幅度归一化处理；在训练阶段，采用基于池的抽样场景，将雷达信号时频图像样本逐组放入手写识别训练过的预训练模型中，输出其对应各类型的概率，由熵的不确定性抽样策略，寻找有价值的样本进行专家标注，扩大已标注的雷达信号数据集，通过该数据集更新当前网络所有层的参数；识别阶段，将未知雷达信号时频图像放入该网络中，输出层输出最终识别类型。本发明在低信噪比条件下识别率高，大幅度节省不必要的标注成本，具有良好应用前景。
-
公开(公告)号：CN111079859A
公开(公告)日：2020-04-28
申请号：CN201911407781.5
申请日：2019-12-31
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供一种无源多站多目标测向交叉定位与虚假点去除方法，包括如下步骤：步骤一、根据双站测向交叉定位原理，得出两两站点的双站交叉定位结果，给出交叉定位点集合；步骤二、根据真实目标附近交叉定位点密度明显高于虚假点这一特性，利用马氏距离定义椭圆邻域，提取高密度交叉定位点；步骤三、对高密度点集合进行DBSCAN聚类处理，取高密度点数最多的前NT个聚类作为真实目标所在的簇，每一簇的聚类中心即为真实目标位置，NT为目标个数。本发明利用一种高密度点提取方法，在保证目标点定位精度与虚假点去除性能的同时，降低了后续聚类数据处理的计算量。
-
公开(公告)号：CN106559092B
公开(公告)日：2019-05-21
申请号：CN201611064777.X
申请日：2016-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于凸组合自适应滤波算法的宽带信号对消方法。一：接收到的混合信号由前端射频模块提取，分为IQ两路正交信号；二：对IQ正交信号分别进行解串降速处理，分为16个子模块，每个子模块内输入分为两路，一路输入检波模块，一路输入凸组合自适应滤波模块进行信号对消；三：对消信号具有转发式模块生成转发信号，转发信号分为两路，一路由天线端发射用以侦测或中继通讯，一路作为自适应模块参考信号反馈至自适应模块进行发射信号回波干扰的波形预测；四：重复二至三直至均方误差最小；五：将自适应对消结果输出。本发明提升了自适应滤波方案在宽带信号下的工作性能，消除了同频信号情况下的误判，计算复杂度较低，简单易行。
-
公开(公告)号：CN109752687A
公开(公告)日：2019-05-14
申请号：CN201910036688.1
申请日：2019-01-15
Applicant: 哈尔滨工程大学
IPC: G01S3/00
Abstract: 本发明属于信号处理技术领域，具体涉及一种降低阵元互耦效应的改进型互质阵列设置方法。主要解决现有稀疏阵列阵元互耦大以及物理阵列孔径不够大的问题。其技术方案是：首先，根据给定的阵元数R确定与改进型互质阵列两子阵列阵元数相关的参数M及N；其次，根据M及N确定两均匀子阵列的阵元位置；最后，再在原点处添加一个阵元作为参考阵元。本发明可用于入射信源个数大于阵元数情况下的波达方向估计，并且能够减少阵元间的互耦效应，在不采用任何解耦算法的情况下仍具有良好的DOA估计性能。在相同阵元数下，本发明对应的改进型互质阵列具有更大的阵元间隔以及物理孔径，从而能够极大地降低阵元间的互耦，相比于传统的互质阵列具有更好的DOA估计性能。
-
Patent Agency Ranking
公开(公告)号：CN108891364A
公开(公告)日：2018-11-27
申请号：CN201810630496.9
申请日：2018-06-19
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种仿蜂巢结构的减阻降噪蒙皮。包括蜂巢式腔体单元和填充基体，蜂巢式腔体单元为六边形腔，填充基体为六边形柱，各蜂巢式腔体单元按仿蜂巢式结构周期排列连接，不同材料的填充基体填充在蜂巢式腔体单元内。本发明采用六边形蜂巢式结构设计，本结构具有良好的力学性能，使蒙皮具有良好的支撑和变形能力；本结构可以更好地利用蒙皮内部空间，并在蒙皮表面自然形成沟槽、凸起，该类表面形貌能够改变蒙皮表面周围的流场，影响湍流的形成与发展，并对二次湍流起到抑制作用，使蒙皮具有良好的减阻效果。本发明是浮筏隔振系统结构和二维声子晶体结构的有益结合，兼具二者在吸能减振和抑制噪声优点，使蒙皮具有良好的降噪效果。
-
公开(公告)号：CN105862104B
公开(公告)日：2018-03-13
申请号：CN201610388341.X
申请日：2016-06-02
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种耐磨减摩复合氧化铝膜的制备方法。在0.2～0.4mol/L的草酸电解液或磷酸电解液中进行阳极氧化处理，在铝合金基材的表面形成阳极氧化铝膜；在阳极氧化处理结束后，在电解液中添加(NH4)2SiF6进行阻挡层改性，即保持氧化电流强度不变继续氧化，然后使用阶梯降压法，对阻挡层进行减薄和降低其电阻；在硫酸铜溶液中添加pH缓冲剂、pH调节剂和石墨溶胶，在直流电的作用下，在氧化铝膜的孔洞中进行润滑材料的沉积。本发明工艺操作简便、适用范围广，制备出的复合氧化铝膜能够在保留有氧化铝膜高硬度和耐磨性的同时，又具备了较低的摩擦系数和较长的磨损寿命。
-
公开(公告)号：CN118112493B
公开(公告)日：2025-02-11
申请号：CN202410169721.9
申请日：2024-02-06
Applicant: 哈尔滨工程大学
IPC: G01S3/14
Abstract: 一种基于天线空域极化信息的斜投影DOA估计方法，涉及雷达信号处理技术领域。本发明是为了解决现有DOA估计方法在密集多目标和低信噪比信号环境下复杂度高、角度分辨能力差的问题。本发明包括：雷达信号和干扰信号组成的混合信号入射极化敏感阵列，获得第一个干扰信号单独入射的接收数据x(t)，混合信号入射的接收数据y(t)；利用x(t)的自协方差矩阵Rx获取第一个干扰信号的DOA参数(θ1,#imgabs0#)和极化参数(γ1,η1)；利用(θ1,#imgabs1#)和(γ1,η1)获取第一个干扰信号的天线空域极化参数(α1,β1)；利用y(t)采用斜投影方法获取其他干扰信号的DOA参数(θi,#imgabs2#)、极化参数(γi,ηi)、天线空域极化参数(αi,βi)。最终再次采用斜投影方法获得雷达信号的DOA参数(θt,#imgabs3#)、极化参数(γt,ηt)和雷达信号的天线空域极化参数(αt,βt)。本发明用于在有源干扰存在情况下的雷达信号的DOA估计。
-
公开(公告)号：CN118011312B
公开(公告)日：2024-11-29
申请号：CN202410169722.3
申请日：2024-02-06
Applicant: 哈尔滨工程大学
IPC: G01S3/14
Abstract: 基于多极化矢量天线阵列的DOA估计及信号分选方法，涉及雷达信号处理技术领域。本发明是为了解决现有极化干涉仪系统的DOA估计方法估计精度低、硬件系统受限，以及现有信号分选方法准确率低、复杂度高问题。本发明包括：构建多极化矢量天线阵列，获得电磁波信号入射到多极化矢量天线阵列接收到的信号功率的估计值#imgabs0#利用#imgabs1#获取功率‑极化参数的估计值#imgabs2#利用#imgabs3#获取偶极子天线间的极化域相位差和空域相位差，从而获得DOA参数的估计值；利用DOA参数的估计值和#imgabs4#获取极化参数估计值；利用极化参数估计值和DOA参数估计值对脉冲信号进行分选。本发明用于DOA参数估计及信号分选。
-
公开(公告)号：CN115712867A
公开(公告)日：2023-02-24
申请号：CN202211369792.0
申请日：2022-11-03
Applicant: 哈尔滨工程大学
IPC: G06F18/2415 , G06F18/214 , G06N3/0464 , G06N3/08 , G01S7/02 , G01S7/40
Abstract: 本发明公开了一种多分量雷达信号调制识别方法，包括获取待识别雷达信号；将待识别雷达信号输入至预先训练的深度卷积神经网络模型进行识别，输出标签向量的预测概率；深度卷积神经网络模型是采用标记有标签向量的雷达信号数据集训练得到的，标签向量表示多分量雷达信号所包含的信号调制类型；深度卷积神经网络模型包括多个移动倒置瓶颈卷积块MBConv、多个融合的移动倒置瓶颈卷积块Fused‑MBConv和卷积注意力机制模块；根据标签向量的预测概率进行阈值判决后输出多分量雷达信号调整识别结果。本发明不仅能识别单分量雷达信号，还能识别双分量和三分量雷达信号；相比较其它方法，改进了信号识别精度。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.032 seconds)
