-
公开(公告)号：CN116500546A
公开(公告)日：2023-07-28
申请号：CN202310512899.4
申请日：2023-05-08
Applicant: 哈尔滨工程大学
IPC: G01S7/02 , G06F18/214 , G06F18/23213 , G06N3/04 , G06N3/08
Abstract: 一种基于点云分割网络的雷达信号分选方法，它属于信息与通信工程的电子侦察领域。本发明解决了传统雷达信号分选方法存在的参数设置需要依赖人工经验、分选流程复杂、对未知信号的分选能力差以及难以满足当前复杂电磁环境下雷达信号分选需求的问题。本发明将深度学习模型与雷达信号分选结合，实现直接由原始PDW到EDW的无人工干预的端到端分选方案，简化了分选实现流程。并且由于神经网络能够深度挖掘不同类型雷达的PDW之间的特征关联，因此在非合作场景下面对未知雷达信号仍具有较好的分选能力。本发明方法可以应用于雷达信号分选。
-
公开(公告)号：CN111565087A
公开(公告)日：2020-08-21
申请号：CN202010273015.0
申请日：2020-04-09
Applicant: 哈尔滨工程大学
IPC: H04K3/00
Abstract: 本发明公开了一种侦察干扰一体化系统，首先通过前端模拟信道化结构将接收到的信号划分子带并进行下变频处理得到基带信号，再将基带信号与混频序列混频后求和得到和信号，使得数据量大幅下降以减少采样数据率。将和信号进行指定干扰样式的干扰得到干扰信号，使得干扰带宽减小并仍可使干扰覆盖在侦察信号的全频带。再将干扰信号与周期性混频序列混频得到干扰混频信号。对干扰混频信号进行上变频处理得到干扰调制信号，使得干扰信号的频谱被搬移到各个子带上。将干扰调制信号通过滤波器组并求和得到最终的干扰信号。与传统的侦察接收机及干扰机相比，本发明可以降低采样速率，简化发射和接收通道结构，可实现多频段多信号同时干扰。
-
公开(公告)号：CN114254141A
公开(公告)日：2022-03-29
申请号：CN202111563815.7
申请日：2021-12-20
Applicant: 哈尔滨工程大学
IPC: G06F16/51 , G06F16/55 , G06K9/62 , G06T7/10 , G06V10/75 , G06V10/774 , G06V10/764
Abstract: 本发明属于雷达信号分选技术领域，具体涉及一种基于深度分割的端到端雷达信号分选方法。本发明通过对PDW的处理和深度分割网络的结合实现未知复杂环境下的端到端雷达信号分选，操作简单，无需按照传统的预分选和主分选每一步都预设参数、阈值等信息。本发明能够分选脉间调制类型多变的雷达信号、时域频域交叠严重的PDW，适应复杂环境和未知信号。此外本发明还能够分选出从未训练过且没有先验信息的信号，对于脉冲丢失20％的情况也适用良好。
-
公开(公告)号：CN111751792A
公开(公告)日：2020-10-09
申请号：CN202010540841.7
申请日：2020-06-15
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种被动雷达信号分选PDW预处理方法，首先对接收到的PDW数据进行空时融合，即旁瓣匿影操作，消除旁瓣接收信号，专注于主瓣扫描信号；然后对PDW数据进行时频融合，即频域融合操作，去除PDW数据中由于信道化过程中两相邻信道过渡带的存在和兔耳效应所产生的冗余和干扰PDW；接下来对剩余PDW数据继续进行空时融合，即空域融合操作，去除多波束阵列多个波束同时接收信号所造成的冗余PDW；最后，对预处理后的PDW数据进行雷达信号分选，识别雷达信号的脉间调制类型。本发明面对被动多波束阵列的特殊应用，从时域、频域和空域进行三维联合处理，面对多波束新的应用，充分消除待分选脉冲中的冗余和干扰脉冲，有效的改善分选的准确性。
-
公开(公告)号：CN111751792B
公开(公告)日：2024-03-22
申请号：CN202010540841.7
申请日：2020-06-15
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种被动雷达信号分选PDW预处理方法，首先对接收到的PDW数据进行空时融合，即旁瓣匿影操作，消除旁瓣接收信号，专注于主瓣扫描信号；然后对PDW数据进行时频融合，即频域融合操作，去除PDW数据中由于信道化过程中两相邻信道过渡带的存在和兔耳效应所产生的冗余和干扰PDW；接下来对剩余PDW数据继续进行空时融合，即空域融合操作，去除多波束阵列多个波束同时接收信号所造成的冗余PDW；最后，对预处理后的PDW数据进行雷达信号分选，识别雷达信号的脉间调制类型。本发明面对被动多波束阵列的特殊应用，从时域、频域和空域进行三维联合处理，面对多波束新的应用，充分消除待分选脉冲中的冗余和干扰脉冲，有效的改善分选的准确性。
-
Patent Agency Ranking
公开(公告)号：CN111565087B
公开(公告)日：2023-05-02
申请号：CN202010273015.0
申请日：2020-04-09
Applicant: 哈尔滨工程大学
IPC: H04K3/00
Abstract: 本发明公开了一种侦察干扰一体化系统，首先通过前端模拟信道化结构将接收到的信号划分子带并进行下变频处理得到基带信号，再将基带信号与混频序列混频后求和得到和信号，使得数据量大幅下降以减少采样数据率。将和信号进行指定干扰样式的干扰得到干扰信号，使得干扰带宽减小并仍可使干扰覆盖在侦察信号的全频带。再将干扰信号与周期性混频序列混频得到干扰混频信号。对干扰混频信号进行上变频处理得到干扰调制信号，使得干扰信号的频谱被搬移到各个子带上。将干扰调制信号通过滤波器组并求和得到最终的干扰信号。与传统的侦察接收机及干扰机相比，本发明可以降低采样速率，简化发射和接收通道结构，可实现多频段多信号同时干扰。
-
公开(公告)号：CN115564952A
公开(公告)日：2023-01-03
申请号：CN202211130576.0
申请日：2022-09-16
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种信号分选和信源类型判别的方法，为了在雷达信号分选过程中减少人工参数设置、减少多步骤分选的传统方法在灵活性上的制约，提出一种基于神经网络的信号分选方法。其中，点阵图像分割步骤中，对掩膜精度的要求达到了像素级，现有的实例分割神经网络无法达到精度要求，因此提出了一种“级联‑循环神经网络回路”，克服了精度问题。
-
公开(公告)号：CN110133632A
公开(公告)日：2019-08-16
申请号：CN201910416928.0
申请日：2019-05-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于信息与通信工程的脉内信号类型识别领域，具体涉及一种基于CWD时频分析的复合调制信号识别方法。本发明利用了CWD算法对脉冲采样信号进行时频图像分析，能针对多种常规信号和多种复合调制信号进行分类识别。本发明相对于一般的瞬时相位法和短时傅里叶变换等时频分析方法有着更好的抗噪声性能，在较低信噪比的情况下也有良好的识别性能。
-
公开(公告)号：CN114254141B
公开(公告)日：2024-08-23
申请号：CN202111563815.7
申请日：2021-12-20
Applicant: 哈尔滨工程大学
IPC: G06F16/51 , G06F16/55 , G06T7/10 , G06V10/75 , G06V10/774 , G06V10/764
Abstract: 本发明属于雷达信号分选技术领域，具体涉及一种基于深度分割的端到端雷达信号分选方法。本发明通过对PDW的处理和深度分割网络的结合实现未知复杂环境下的端到端雷达信号分选，操作简单，无需按照传统的预分选和主分选每一步都预设参数、阈值等信息。本发明能够分选脉间调制类型多变的雷达信号、时域频域交叠严重的PDW，适应复杂环境和未知信号。此外本发明还能够分选出从未训练过且没有先验信息的信号，对于脉冲丢失20％的情况也适用良好。
-
公开(公告)号：CN110133632B
公开(公告)日：2023-05-02
申请号：CN201910416928.0
申请日：2019-05-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于信息与通信工程的脉内信号类型识别领域，具体涉及一种基于CWD时频分析的复合调制信号识别方法。本发明利用了CWD算法对脉冲采样信号进行时频图像分析，能针对多种常规信号和多种复合调制信号进行分类识别。本发明相对于一般的瞬时相位法和短时傅里叶变换等时频分析方法有着更好的抗噪声性能，在较低信噪比的情况下也有良好的识别性能。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.01 seconds)
