-
公开(公告)号:CN110598738B
公开(公告)日:2021-12-28
申请号:CN201910723466.7
申请日:2019-08-07
Applicant: 中国电子科技集团公司第二十九研究所
IPC: G06K9/62
Abstract: 本发明涉及电子侦察技术领域,公开了一种基于空间信息的分布式聚类方法。包括:构建一个节点数为N的分布式系统;以其中任一个节点为中心节点,通过链路实时接收其它节点传输过来的脉冲信息;在中心节点对所有节点的脉冲参数按照到达时间排序;对排序后的脉冲按照脉冲频率、脉冲宽度、脉冲到达时间三个参数进行联合聚类,形成联合脉冲描述;进行时差配准标记,得到的时差配准标记序列与联合脉冲描述相对应;对标记后的联合脉冲利用标记信息结合脉冲参数进行联合聚类。上述方法克服了传统脉冲聚类对脉冲重复间隔大级数参差、抖动、脉间编码及调制等复杂多变情形导致适应较差、需要实时有效提取脉内调制信息等缺点,提高了脉冲聚类方法的适应能力。
-
公开(公告)号:CN110598738A
公开(公告)日:2019-12-20
申请号:CN201910723466.7
申请日:2019-08-07
Applicant: 中国电子科技集团公司第二十九研究所
IPC: G06K9/62
Abstract: 本发明涉及电子侦察技术领域,公开了一种基于空间信息的分布式聚类方法。包括:构建一个节点数为N的分布式系统;以其中任一个节点为中心节点,通过链路实时接收其它节点传输过来的脉冲信息;在中心节点对所有节点的脉冲参数按照到达时间排序;对排序后的脉冲按照脉冲频率、脉冲宽度、脉冲到达时间三个参数进行联合聚类,形成联合脉冲描述;进行时差配准标记,得到的时差配准标记序列与联合脉冲描述相对应;对标记后的联合脉冲利用标记信息结合脉冲参数进行联合聚类。上述方法克服了传统脉冲聚类对脉冲重复间隔大级数参差、抖动、脉间编码及调制等复杂多变情形导致适应较差、需要实时有效提取脉内调制信息等缺点,提高了脉冲聚类方法的适应能力。
-
公开(公告)号:CN117216595A
公开(公告)日:2023-12-12
申请号:CN202310966845.5
申请日:2023-08-02
Applicant: 中国电子科技集团公司第二十九研究所
Abstract: 本发明提供一种DBscan结合分布后验评估与优化的未知雷达信号聚类方法,包括:对于信号到达角DOA和信号幅度AMP这两类参数构成的两个二维序列,根据侦察系统性能、测量误差以及测量值,定义两个二维序列的加权距离D,并定义Dbscan聚类运算的两个参数Eps和MinPts;其中,Eps表示邻域半径,MinPts表示密度阈值;根据定义的加权距离D、邻域半径Eps和密度阈值MinPts,对两个二维序列进行Dbscan聚类运算,获得聚类结果;对获得的聚类结果进行后验评估,并根据后验评估结果更新聚类结果的参数。本发明能够提升雷达信号序列聚类的准确度和鲁棒性。
-
公开(公告)号:CN115169390A
公开(公告)日:2022-10-11
申请号:CN202210723568.0
申请日:2022-06-24
Applicant: 中国电子科技集团公司第二十九研究所
IPC: G06K9/00
Abstract: 本发明公开了一种电磁数据匹配度计算方法、信号处理方法、信号处理系统,属于电子侦察领域,包括步骤:S1,计算待匹配电磁信号的搜索长度,并设置初始位移;S2,计算匹配搜索颗粒度;S3,计算待匹配电磁信号之间不同位移的匹配度;S4,计算新的初始位移和新的匹配搜索颗粒度;S5,重复步骤S3~步骤S4,直至匹配度搜索颗粒度满足精度要求或者达到最小值,并计算出最小值匹配度作为待匹配电磁信号的最佳匹配度,根据此匹配度完成目标检测或识别时的电磁数据匹配。本发明提高电磁信号非周期数据的匹配度的精度和速度,使实际装备应用时减小通信量和计算量,使得数据匹配实时性更高,消耗资源更少、同时匹配精度得到保障。
-
公开(公告)号:CN113406386B
公开(公告)日:2023-04-25
申请号:CN202110696958.9
申请日:2021-06-23
Applicant: 中国电子科技集团公司第二十九研究所
IPC: G01R23/02 , G01R23/165
Abstract: 本发明提供一种基于数字下变频的信号频率精确估计方法,包括:步骤1,对单个脉冲信号S0进行FFT变换并估计频率和带宽,获得该脉冲信号S0的粗测频率f0以及粗略带宽BW;步骤2,基于粗略带宽BW构造滤波器;将待处理的多个脉冲信号根据粗测频率f0进行数字下变频后输入所述滤波器进行滤波,并对滤波后的脉冲信号进行时域变换;步骤3,通过将时域变换后的脉冲信号进行FFT变换得到脉冲信号频率的精确估计值。本发明能够在提升频率测量分辨率和精度的同时,降低运算量,用较小的运算量提升了频率估计精度,更加有利于实时处理场景下的脉冲信号频率精确估计。
-
公开(公告)号:CN110826212B
公开(公告)日:2022-05-31
申请号:CN201911050387.0
申请日:2019-10-31
Applicant: 中国电子科技集团公司第二十九研究所
Abstract: 本发明公开了一种基于直方图筛选及最小二乘拟合的序列周期估计方法,先对获得的周期序列进行排序计算差值,利用直方图方法对差值序列进筛选,获得筛选后的差值序列。再计算差值样本的初始周期值,利用每一个样本的周期值对本小类的所有样本进行误差估计并得到周期偏差,并不断改变周期,重新获取新的周期和对应的周期偏差。筛选出最小偏差值对应的周期作为此样本的周期,循环计算所有样本分别对应的周期值。对于所有样本的周期值筛选,利用最小二乘法进行精确拟合,得到最终的样本周期。本发明将直方图与最小二乘相结合,能非常好地降低对预处理过程的要求,并且拟合结果的获得较高的计算精度,克服了对噪声干扰的敏感性,具有良好的推广性。
-
公开(公告)号:CN110826212A
公开(公告)日:2020-02-21
申请号:CN201911050387.0
申请日:2019-10-31
Applicant: 中国电子科技集团公司第二十九研究所
Abstract: 本发明公开了一种基于直方图筛选及最小二乘拟合的序列周期估计方法,先对获得的周期序列进行排序计算差值,利用直方图方法对差值序列进筛选,获得筛选后的差值序列。再计算差值样本的初始周期值,利用每一个样本的周期值对本小类的所有样本进行误差估计并得到周期偏差,并不断改变周期,重新获取新的周期和对应的周期偏差。筛选出最小偏差值对应的周期作为此样本的周期,循环计算所有样本分别对应的周期值。对于所有样本的周期值筛选,利用最小二乘法进行精确拟合,得到最终的样本周期。本发明将直方图与最小二乘相结合,能非常好地降低对预处理过程的要求,并且拟合结果的获得较高的计算精度,克服了对噪声干扰的敏感性,具有良好的推广性。
-
公开(公告)号:CN119226875A
公开(公告)日:2024-12-31
申请号:CN202411084890.9
申请日:2024-08-08
Applicant: 中国电子科技集团公司第二十九研究所
IPC: G06F18/241 , G06F18/15 , G06F18/25 , G06N3/0442 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于自注意力机制的脉冲序列识别方法、装置及介质,涉及数字信号处理领域与深度学习领域,本发明,一方面通过基于自注意力机制的循环神经网络建模,可以提升脉冲时间序列维度的特征权重,有效提升识别准确率;另一方面,基于全域参数的归一化会导致脉冲序列在频率等参数维度的可分辨性减弱,考虑到信号本身分布不均匀的数据特点,采用了分组多模型的思路,提升样本在频率等参数维度的可分辨性。
-
公开(公告)号:CN113406386A
公开(公告)日:2021-09-17
申请号:CN202110696958.9
申请日:2021-06-23
Applicant: 中国电子科技集团公司第二十九研究所
IPC: G01R23/02 , G01R23/165
Abstract: 本发明提供一种基于数字下变频的信号频率精确估计方法,包括:步骤1,对单个脉冲信号S0进行FFT变换并估计频率和带宽,获得该脉冲信号S0的粗测频率f0以及粗略带宽BW;步骤2,基于粗略带宽BW构造滤波器;将待处理的多个脉冲信号根据粗测频率f0进行数字下变频后输入所述滤波器进行滤波,并对滤波后的脉冲信号进行时域变换;步骤3,通过将时域变换后的脉冲信号进行FFT变换得到脉冲信号频率的精确估计值。本发明能够在提升频率测量分辨率和精度的同时,降低运算量,用较小的运算量提升了频率估计精度,更加有利于实时处理场景下的脉冲信号频率精确估计。
-
公开(公告)号:CN110232076A
公开(公告)日:2019-09-13
申请号:CN201910525678.4
申请日:2019-06-18
Applicant: 中国电子科技集团公司第二十九研究所
IPC: G06F16/2455 , G06F16/2458
Abstract: 本发明公开了一种时间序列数据的最长公共子串提取方法,包括如下步骤:步骤1,读取待比较的时间序列数据;步骤2,选取时间序列数据的时间特征参数作为计算参数,对时间序列数据进行差分变换、量化处理,以及符号化处理后,得到符号化序列;步骤3,根据所述符号化序列建立时间序列数据的等价字符表;步骤4,根据所述等价字符表,采用动态滑动窗口的方式,搜索并存储时间序列数据的公共子串;步骤5,通过判断所述公共子串的长度提取最长公共子串。本发明的时间序列数据的最长公共子串提取方法可以快速提取时间序列数据的最长公共子串,且在时间序列存在数据部分丢失的情况下同样有效。
-
-
-
-
-
-
-
-
-