-
公开(公告)号：CN116502139A
公开(公告)日：2023-07-28
申请号：CN202310478591.2
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: G06F18/241 , G06F18/214 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/094 , G06N3/096 , G06N20/20
Abstract: 一种基于集成对抗迁移的辐射源信号个体识别方法，它涉及一种辐射源信号个体识别方法。本发明为了解决传统的个体识别方法识别准确率低、模型泛化性差的问题。本发明采用集成对抗迁移的方法进行辐射源个体识别，解决辐射源信号数据标注困难的问题，以及提高模型的鲁棒性和泛化能力。本发明属于信号识别技术领域。
-
Patent Agency Ranking
公开(公告)号：CN113657138A
公开(公告)日：2021-11-16
申请号：CN202010401692.6
申请日：2020-05-12
Applicant: 哈尔滨工程大学
Abstract: 一种基于等势星球图的辐射源个体识别方法，包括以下步骤：S1：采集型号相同的多个辐射源个体的信号数据；S2：对所述信号数据进行数据预处理，得到信号星座图；S3：对所述信号星座图中的数据点进行点密度计算，并根据点密度计算结果对所述信号星座图进行上色处理，得到等势星球图；S4：使用卷积神经网络对所述等势星球图进行特征提取和分类；S5：输出识别结果。本发明通过将IQ两路信号数据从信号域转变到基于等势星球图的图域，再通过卷积神经网络自动有效地提取由信号携带的辐射源个体的深层次的特征，将每一个等势星球图与信号数据对应，信号数据与辐射源个体对应，从而更加有效的将辐射源个体识别分类。
-
公开(公告)号：CN113657016A
公开(公告)日：2021-11-16
申请号：CN202010397272.5
申请日：2020-05-12
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于深度强化学习的优先级无人机编队动态信道分配方法及其系统，该方法包括：对无人机编队信道的动态分配过程建立模型，并在模型中建立无人机在环境中的环境状态、动作集合以及奖赏函数，无人机的业务具有优先级；将LSTM加入到DQN中形成改进型深度强化学习网络模型；利用模型对改进型深度强化学习网络模型进行训练；以及利用训练后的改进型深度强化学习网络模型对无人机编队动态分配信道。根据本申请，改善了有优先级的网络下的无人机群网络用频自主决策。通过对无人机编队信道的动态分配过程进行建模来评估无人机因为等待所造成的丢包影响，并且通过将LSTM引入到中加快了DQN训练的收敛速度。
-
公开(公告)号：CN116502139B
公开(公告)日：2024-07-02
申请号：CN202310478591.2
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: G06F18/241 , G06F18/214 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/094 , G06N3/096 , G06N20/20
Abstract: 一种基于集成对抗迁移的辐射源信号个体识别方法，它涉及一种辐射源信号个体识别方法。本发明为了解决传统的个体识别方法识别准确率低、模型泛化性差的问题。本发明采用集成对抗迁移的方法进行辐射源个体识别，解决辐射源信号数据标注困难的问题，以及提高模型的鲁棒性和泛化能力。本发明属于信号识别技术领域。
-
公开(公告)号：CN113657138B
公开(公告)日：2024-05-21
申请号：CN202010401692.6
申请日：2020-05-12
Applicant: 哈尔滨工程大学
IPC: G06F18/24 , G06F18/213 , G06V10/764 , G06V10/44 , G06V10/82 , G01R29/08 , G01R21/00
Abstract: 一种基于等势星球图的辐射源个体识别方法，包括以下步骤：S1：采集型号相同的多个辐射源个体的信号数据；S2：对所述信号数据进行数据预处理，得到信号星座图；S3：对所述信号星座图中的数据点进行点密度计算，并根据点密度计算结果对所述信号星座图进行上色处理，得到等势星球图；S4：使用卷积神经网络对所述等势星球图进行特征提取和分类；S5：输出识别结果。本发明通过将IQ两路信号数据从信号域转变到基于等势星球图的图域，再通过卷积神经网络自动有效地提取由信号携带的辐射源个体的深层次的特征，将每一个等势星球图与信号数据对应，信号数据与辐射源个体对应，从而更加有效的将辐射源个体识别分类。
-
公开(公告)号：CN113657016B
公开(公告)日：2024-07-05
申请号：CN202010397272.5
申请日：2020-05-12
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于深度强化学习的优先级无人机编队动态信道分配方法及其系统，该方法包括：对无人机编队信道的动态分配过程建立模型，并在模型中建立无人机在环境中的环境状态、动作集合以及奖赏函数，无人机的业务具有优先级；将LSTM加入到DQN中形成改进型深度强化学习网络模型；利用模型对改进型深度强化学习网络模型进行训练；以及利用训练后的改进型深度强化学习网络模型对无人机编队动态分配信道。根据本申请，改善了有优先级的网络下的无人机群网络用频自主决策。通过对无人机编队信道的动态分配过程进行建模来评估无人机因为等待所造成的丢包影响，并且通过将LSTM引入到中加快了DQN训练的收敛速度。
-
-
-
-
-
Search Results
6
records
(took 0.055 seconds)
