-
公开(公告)号：CN119805376A
公开(公告)日：2025-04-11
申请号：CN202510004050.5
申请日：2025-01-02
Applicant: 北京理工大学 , 北京理工大学唐山研究院
Abstract: 本发明属于雷达抗干扰技术领域，涉及一种基于Stackelberg博弈的雷达抗干扰方法。包括：参数设定；S2对当前干扰类型进行识别；选择雷达候选行为；判断若雷达采取某一候选行为，干扰机可能选择的干扰类型；判定针对候选雷达行为，干扰机获取最大收益时的干扰类型；从所有雷达后续候选行为选择出最优抗干扰措施；在干扰机确定雷达抗干扰措施后，选择下一干扰类型；计算博弈过程消耗时间，并更新剩余博弈时间；判定博弈是否结束，以及博弈结束时雷达是否完成抗干扰，若是，则输出雷达抗干扰结果，否则，跳至S2；所述方法通过改变雷达抗干扰措施选择逻辑基于干扰预测实施干扰反制，能在对抗中始终占据先机；适用海、陆及空各种对抗。
-
公开(公告)号：CN119602711A
公开(公告)日：2025-03-11
申请号：CN202411644180.7
申请日：2024-11-18
Applicant: 北京理工大学 , 北京东方计量测试研究所
IPC: H03D7/16 , H04B1/16 , H03K5/02 , H03K5/1252
Abstract: 本发明涉及微波信号调理技术领域，公开一种下变频器及微波信号调理方法。下变频器包括输入端口、通道选通单元、变频单元、输出端口、射频本振单元和控制单元；根据输入信号的设计频段将变频单元分为四个通道，四通道具有不同频段且互相具有交叉频率，交叉频率范围大于等于1GHz；控制单元根据输出信号频率控制通道选通单元选择通道进行信号传输；当输出信号频率与输入信号频率相等时，输入信号经所选通道滤波、放大后获得输出信号，当输出信号频率小于输入信号频率时，产生本振信号至所选通道，输入信号经所选通道滤波、变频、放大后获得输出信号。本发明能实现30MHz～26.5GHz超宽带频段、120dB大动态调整、35dB低杂散、0.5dB/1GHz高平坦度等限制指标微波信号的下变频及调理。
-
公开(公告)号：CN119044899A
公开(公告)日：2024-11-29
申请号：CN202310608519.7
申请日：2023-05-27
Applicant: 北京理工大学
Abstract: 本发明属于雷达抗干扰技术领域，涉及一种基于干扰能力分配的多智能体强化学习雷达抗干扰方法。所述方法，包括：参数设定；协同各部雷达进行集中式训练，学习得到合适的策略；S1对干扰行为进行识别、并据识别结果及训练策略选择各部雷达的工作模式和抗干扰措施；依据距离、雷达工作模式及雷达平台速度加权得到威胁评估结果；识别雷达行为后，选择干扰机的行为并判定雷达被干扰的成功概率；在雷达威胁评估结果和雷达探测成功概率的约束下，针对各部雷达分配干扰能力；计算博弈过程消耗时间并更新；当剩余博弈时间大于零时博弈继续，跳至S1；否则博弈结束。所述方法只在训练中共享信息，执行中不进行通信，适用雷达协同抗干扰场景。
-
公开(公告)号：CN118606822A
公开(公告)日：2024-09-06
申请号：CN202410710983.1
申请日：2024-06-04
Applicant: 北京理工大学
IPC: G06F18/2415 , G01S7/02 , G06N3/045 , G06N3/0499 , G06N3/0464 , G06F18/213 , G06F18/214 , G06N3/049
Abstract: 本发明属于雷达信号分选技术领域，涉及基于多类型注意力耦合的多功能雷达信号分选系统及方法，所述系统依托于依次相连的脉冲位置编码模块、多注意力耦合模块、批归一化模块及解码器。所述方法包括：构建雷达特征参数数据集；对数据集中的雷达特征参数进行归一化和脉冲位置编码后，输出至多注意力耦合模块；然后经批归一化模块得到批归一化后矩阵；再将批归一化后矩阵输入至由前馈神经网络与Softmax函数组成的解码器进行解码，得到预测标签；最后训练和测试多功能雷达信号分选系统，输出雷达信号分选结果。所述系统及方法结合脉冲位置编码、多注意力耦合、批归一化及解码器，实现雷达脉冲连续丢失、参数交叠严重条件下的信号稳健分选。
-
公开(公告)号：CN118298654A
公开(公告)日：2024-07-05
申请号：CN202410386663.5
申请日：2024-04-01
Applicant: 北京理工大学
IPC: G08G1/0967 , G06N20/00 , G08G1/01
Abstract: 本发明提供了一种基于安全强化学习的智能网联汽车信号交叉口处通行策略，其相比基于优化方法的生态驾驶策略，计算时间更少，实时性更高；相比传统基于强化学习的生态驾驶策略，本发明通过安全层纠错机制设计，巧妙地避免了在训练过程中安全约束的违反，安全性能更好，实际应用价值更高。本发明针对车辆位置的上下参考轨迹将非线性交通灯约束转化为时变线性状态约束，从而有效解决了强化学习智能体试错训练时面临的奖励稀疏问题。
-
Patent Agency Ranking
公开(公告)号：CN117827641A
公开(公告)日：2024-04-05
申请号：CN202311615439.0
申请日：2023-11-30
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网有限公司 , 北京理工大学
IPC: G06F11/36
Abstract: 本申请提供一种模糊测试方法及系统，所述方法包括：对程序进行静态分析，以获取程序的每个基本块的复杂度信息；对程序进行模糊测试以获取测试用例；对程序进行混合执行，在基于选择获取的种子文件提取关键字节信息的同时，基于该种子文件为模糊测试辅助提供满足复杂路径约束的测试用例。本申请实施例根据路径复杂度与执行概率进行针对性种子文件选择，提高了模糊测试种子选择过程的针对性；利用混合执行提取种子文件中与程序行为相关的关键字节信息，提高了模糊测试变异过程的针对性。
-
公开(公告)号：CN114513533B
公开(公告)日：2023-06-27
申请号：CN202111609681.8
申请日：2021-12-24
IPC: H04L67/12 , H04L67/1097 , H04L9/40 , G06F18/2431
Abstract: 本发明提供一种分类分级健身健康大数据共享系统及方法，所述系统包括用户管理模块、数据管理模块、访问控制模块、数据共享模块、区块链、分布式文件系统；所述用户管理模块用于管理用户；所述数据管理模块用于根据数据敏感程度等级，采用不同加密等级进行加密；所述访问控制模块管理数据拥有者产生的个人数据的访问策略，同时实现所述个人数据的访问控制，所述数据共享模块用于对所述数据访问者进行权限验证；所述区块链接用于存储访问控制策略及作为访问控制服务器；所述分布式文件系统用于存储加密后的个人数据。本发明的系统基于区块链进行了从数据存储到数据共享的构建与优化，在保证数据分类分级隐私保护的同时实现了访问控制记录的可审计。
-
公开(公告)号：CN116088504A
公开(公告)日：2023-05-09
申请号：CN202211639317.0
申请日：2022-12-20
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明提供了一种基于深度强化学习的自动驾驶端对端纵向运动控制方法，基于马尔科夫决策过程建立的强化学习模型，在仿真环境实现模型训练。在云端完成训练后进行实车部署，车载域控制器实时地将感知信息作为输入，输出电机和制动器力矩的指令，实现了对智能网联电动汽车的端对端纵向运动控制。对于强化学习模型训练初始化，利用了分层控制策略的预训练结果，从而以模仿学习的方式使训练大大加速，结合对多个目标优化也使训练好的模型性能显著提高。在端对端控制失效时由车辆自身完成控制决策，并且在自动驾驶策略都失效后转由驾驶员接管，如此以冗余机制充分保证了控制稳定性与行驶安全性。
-
公开(公告)号：CN114676431A
公开(公告)日：2022-06-28
申请号：CN202210291138.6
申请日：2022-03-23
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于API增强顺序的安卓恶意代码检测方法，利用API序列中的上下文信息挖掘API间的相似性，并利用这种相似性来增强原始的API调用序列，实现对应用程序相同行为的不同实现敏感；同时利用增强API序列的邻接矩阵替代API调用图，能够有效缩小特征规模；本发明主要包括使用基于递归的方法完成应用程序完整系统API调用序列的提取、基于CBOW模型原理的API嵌入模型的实现、以及基于卷积神经网络(CNN)的检测框架搭建；本发明主要用于安卓恶意代码检测任务，解决了已有检测方法对API变化弹性不足，在安卓恶意软件采用加密，混淆等措施时性能下降的问题。
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.04 seconds)
