-
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
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：CN112731309B
公开(公告)日：2022-09-02
申请号：CN202110011684.5
申请日：2021-01-06
Applicant: 哈尔滨工程大学 , 上海无线电设备研究所
Abstract: 本发明属于雷达干扰信号识别技术领域，具体涉及一种基于双线性高效神经网络的有源干扰识别方法。本发明针对现有干扰信号在低干噪比下识别难度大、依靠先验知识的问题，设计了更智能化的干扰识别方法。本发明通过对多种干扰信号进行建模分析，从信号时频图像的角度，采用双线性高效神经网络进行识别，在低干噪比下依然能获得很高的准确率。仿真实验证明了双线性高效神经网络用来识别干扰信号的有效性，相对于人工提取特征的传统方式，精度更高、更为简便。本发明无需干扰信号特征的先验知识，在低干噪比下具有一定的鲁棒性，突破了现有的雷达有源干扰识别方法的应用局限。
-
公开(公告)号：CN119471578A
公开(公告)日：2025-02-18
申请号：CN202411511102.X
申请日：2024-10-28
Applicant: 哈尔滨工程大学
IPC: G01S7/02 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0442 , G06N3/08 , G01S7/41
Abstract: 本发明公开了基于时频域特征融合网络多任务学习的雷达信号检测方法及系统，方法包括以下步骤：建立雷达信号数学模型，利用数学模型获取各种类型的雷达信号序列；对雷达信号序列进行处理，得到雷达信号I序列和雷达信号Q序列；对雷达信号I序列和雷达信号Q序列进行标注，并构建训练数据集；构建时频域特征融合网络，利用训练数据集对时频域特征融合网络进行训练，得到信号检测识别模型；获取待检测雷达信号，利用信号检测识别模型完成雷达信号检测。本发明通过对多种雷达信号进行组合建模分析，从信号I/Q的角度，采用时频域特征融合网络提取信号局部特征和全局特征，并且融合频域的特征来降低噪声对信号识别的影响。
-
公开(公告)号：CN116243249A
公开(公告)日：2023-06-09
申请号：CN202310218280.2
申请日：2023-03-09
Applicant: 哈尔滨工程大学 , 上海无线电设备研究所
Abstract: 本发明提供一种基于深度强化学习的雷达智能干扰抑制决策方法，通过将深度学习网络与强化学习算法相结合，使得智能体雷达能够在一定底噪环境中与干扰机所释放的干扰信号不断进行博弈操作从而学习并优化干扰抑制策略；通过对抑制前后的回波信号进行脉压操作以验证抑制后恢复效果。此发明避免了人工判决在速度和准确性方面的不足，优化了传统强化学习算法需要Q‑Table进行成果存储调用的策略效果，提高了决策系统在干扰判决特征和干扰抑制动作方面的可拓展性。
-
公开(公告)号：CN114839613A
公开(公告)日：2022-08-02
申请号：CN202210178955.0
申请日：2022-02-25
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种零训练样本下未知信号识别方法：数据采集及处理；构建深度卷积自编码器DCAEIM；采用加入恒等映射的深度卷积自编码器的基础上，引入类内‑类间损失函数，利用深度学习网络自动提取语义属性特征，引入类内‑类间损失函数；使用预处理好的训练数据集训练DCAEIM网络；将预处理好的测试数据集送入训练好的DCAEIM网络，得到输入测试样本的语义属性特征；利用距离度量算法对信号进行分类。本发明无需人工定义信号语义属性特征，而且模型在分类的过程中具有自进化的能力，突破了现有的未知雷达信号识别的局限性。
-
Patent Agency Ranking
公开(公告)号：CN114609598A
公开(公告)日：2022-06-10
申请号：CN202210177716.3
申请日：2022-02-25
Applicant: 哈尔滨工程大学
IPC: G01S7/38
Abstract: 本发明属于电子对抗领域，具体涉及基于图像反演的合成孔径雷达(SAR)场景欺骗干扰方法，包括：步骤一：SAR图像反演预处理，1.1SAR图像干扰场景设定，1.2生成SAR图像反演模板复数据；步骤二：采用CS反演算法反演图像至回波，2.1方位相位反演，2.2距离相位、SRC及一致RCMC反演，2.3补余RCMC反演；步骤三，干扰数据生成。本发明对设定的SAR场景图像进行随机相位补偿预处理之后，采用CS反演算法直接获取欺骗干扰信号。较于传统欺骗干扰，无需经过复杂的信号迭代卷积，能够更加直观的生成干扰图像模板对应的欺骗信号，且可基于此方法在一定程度上通过不同的图像扩展干扰信号数据库，突破了当前SAR欺骗干扰信号生成的局限性。
-
公开(公告)号：CN107801107B
公开(公告)日：2020-05-15
申请号：CN201711101589.4
申请日：2017-11-10
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种虚拟时反被动测向机的上位机多数据融合接口实现方法。上位机通过CAN口与阵元接收机、钟源板和采样时钟板连接，根据反馈状态判断阵元接收机工作状况，上位机选择A/D采集时长通过网线向i7管控计算机发送采集指令启动A/D采集，判断上位机是否接收远程遥控遥测终端召回A/D采集数据指令，计算目标频率下变频所需的数字下变频频率，依据该频率选择下变频数据表，发送指令让i7管控计算机通过PCIE高速数据通道将下变频数据表传到FPGA的DDR3中，选择相应的时延补偿表将时延补偿表传到FPGA的DDR3中，上位机发送启动测向运算的命令，上位机把从DDR3中读回的测向数据交给雷达显屏模块，经过数据处理后实时显示测向结果。本发明能有效解决远程调试和观测天线阵信号的问题，构建的虚拟时反被动测向机会更加具有工程实用性和先进性。
-
公开(公告)号：CN119398102A
公开(公告)日：2025-02-07
申请号：CN202411520948.X
申请日：2024-10-29
Applicant: 哈尔滨工程大学 , 上海无线电设备研究所
Abstract: 本发明公开一种雷达干扰决策方法和装置、系统、存储介质，包括：步骤S1、根据雷达‑干扰机对抗环境，得到雷达工作模式转换与干扰机释放干扰信号间的潜在联系；步骤S2、将当前雷达工作模式对应的威胁等级作为环境状态参数输入到基于自适应贪婪调节和优先双重经验回放的竞争双重深度Q网络决策结构中进行价值评估、经验录入、经验抽取和参数更新操作，得到雷达干扰决策结果。采用本发明的技术方案，解决传统强化学习算法存在策略收敛效果较差和经验存储方式不足的问题。
-
公开(公告)号：CN109782232B
公开(公告)日：2023-07-21
申请号：CN201910036730.X
申请日：2019-01-15
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达侦察与干扰领域，具体涉及到一种基于Cordic算法的N阶SSC盲移频干扰硬件实现方法。本说明包括以下步骤：通过ADC采样获取截取雷达的线性调频信号并进行参数测量和分析；对SSC干扰信号进行匹配滤波增益比的分析；对信号进行存储，基于Cordic算法求取其相位值，将其相位函数分为两路：一路将相位函数乘以参数N；一路将相位函数做延时τ后乘以(N‑1)；将得到的两路相位函数相减，得到SSC盲移频干扰信号的相位，最后基于Cordic算法得到SSC盲移频干扰信号的实部和虚部；经过DAC后转发SSC盲移频干扰信号。本发明所用的Cordic算法运用移位和加减运算得到信号的相位函数，通过相位函数间的运算得到SSC盲移频干扰信号，大大简化了SSC盲移频干扰信号的FPGA硬件实现。
-
公开(公告)号：CN113848533A
公开(公告)日：2021-12-28
申请号：CN202111122975.8
申请日：2021-09-24
Applicant: 哈尔滨工程大学
Abstract: 本发明属于干扰共享信号技术领域，具体涉及一种多载频多相位编码探测干扰共享信号生成方法。本发明在多载频正交频分复用信号的基础上引入多相位编码，利用Logistic混沌映射进行相位编码，得到多载频多相位编码信号。这样既保留了正交频分复用信号合成大带宽等优良特点，同时把混沌编码的“类随机性”引入到了信号之中，使得信号的复杂度提高，在实施压制干扰的同时难以被截获。通过实验仿真与分析证明，本发明具有良好的压制干扰性能，同时具有良好的探测性能，提高了探测干扰共享信号的复杂度与隐蔽性，突破了现有探测干扰共享信号性能的局限性。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.024 seconds)
