-
公开(公告)号：CN118552744B
公开(公告)日：2025-04-29
申请号：CN202410549323.X
申请日：2024-05-06
Applicant: 哈尔滨工程大学
IPC: G06V10/44 , G01S7/02 , G06V10/764 , G06V10/774
Abstract: 本发明属于辐射源信息识别技术领域，具体涉及一种辐射源工作模式识别方法、程序、设备及存储介质。本发明利用余弦度量距离，改进高斯核函数，提升模型对局部特性的提取能力，并结合多项式核函数的全局性能力，构造新的组合核函数，改进SVM模型，提高模型的鲁棒性。本发明设计了倭河马算法，自适应优化SVM模型参数组合，为倭河马赋予警惕属性，引入预警因子，改进倭河马防御时的位置更新方式，增强算法的泛化能力，使得改进SVM模型参数组合随迭代次数不断优化，进而提升改进SVM模型的识别能力，实现了小样本条件下辐射源工作模式识别方法泛化性和准确性的提高。
-
公开(公告)号：CN113376592B
公开(公告)日：2022-12-13
申请号：CN202110631507.7
申请日：2021-06-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于逆合成孔径雷达干扰技术领域，具体涉及一种基于联合学习的假目标信号生成方法。本发明通过构建XGBoost模型，利用回归的思想，通过大量数据来拟合出俯仰角、方位角与对应散射系数矩阵的映射关系，能够适应复杂的电磁环境，避免了传统方法获取的假目标散射系数矩阵适应性差的问题。本发明在所构建的深度强化学习模型中设置了奖惩机制，根据经修正矩阵修正后的预测值给予奖励，使XGBoost的输出预测值与实际值的差值尽量小，输出对应的最优修正矩阵，对输出预测值进行修正，提高了假目标散射系数矩阵的准确率，弥补了传统方法生成的假目标系数矩阵和实际目标散射系数矩阵有一定偏差的问题。
-
公开(公告)号：CN113268074A
公开(公告)日：2021-08-17
申请号：CN202110632549.2
申请日：2021-06-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于无人机飞行控制技术领域，具体涉及一种基于联合优化的无人机航迹规划方法。本发明通过前端飞行状态优化模型获取无人机自身飞行状态的最优估计，大幅度降低了自然干扰因素对传感器数据的误差；通过后端飞行动作优化模型，将实际偏差大的飞行角度调整至预期飞行角度，解决了强化学习决策飞行动作不佳的问题，提高了飞行航迹的可靠性。在实际应用中，对于传感器实时采集飞行状态数据，利用前端飞行状态优化模型实时获得最优飞行状态估计，将其作为已训练TD3模型的输入，得到飞行动作，并利用后端飞行动作优化模型，得到对应的飞行动作偏置，对其进行判决，控制输出优化后的飞行动作，从而实现无人机面对自然干扰影响的实时航迹规划。
-
Patent Agency Ranking
公开(公告)号：CN115114960B
公开(公告)日：2024-12-31
申请号：CN202210767193.8
申请日：2022-06-30
Applicant: 哈尔滨工程大学
IPC: G06F18/2413 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/086 , G06N3/0985 , G06N3/045
Abstract: 本发明属于信号识别技术领域，具体涉及一种基于自适应黑蜘蛛猴算法的辐射源个体识别方法。本发明通过构造类内、类间离差矩阵，设计离差损失，融合四元组和中心聚类损失，使得损失函数的构建更具可靠性；通过设计自适应黑蜘蛛猴算法对损失函数权重寻优，构建改变搜索方向的标志，利用螺旋优化搜索，扩大搜索范围，引入探索和平衡开发因子，使权重随迭代次数改变，减少了权重变化的盲目性，增强了辐射源个体识别方法的泛化性、准确性和适应性。本发明不仅能提高网络收敛速度，增加网络的泛化性和可靠性，还能准确实现辐射源个体识别，具备较好的适用性。
-
公开(公告)号：CN118552744A
公开(公告)日：2024-08-27
申请号：CN202410549323.X
申请日：2024-05-06
Applicant: 哈尔滨工程大学
IPC: G06V10/44 , G01S7/02 , G06V10/764 , G06V10/774
Abstract: 本发明属于辐射源信息识别技术领域，具体涉及一种辐射源工作模式识别方法、程序、设备及存储介质。本发明利用余弦度量距离，改进高斯核函数，提升模型对局部特性的提取能力，并结合多项式核函数的全局性能力，构造新的组合核函数，改进SVM模型，提高模型的鲁棒性。本发明设计了倭河马算法，自适应优化SVM模型参数组合，为倭河马赋予警惕属性，引入预警因子，改进倭河马防御时的位置更新方式，增强算法的泛化能力，使得改进SVM模型参数组合随迭代次数不断优化，进而提升改进SVM模型的识别能力，实现了小样本条件下辐射源工作模式识别方法泛化性和准确性的提高。
-
公开(公告)号：CN113268074B
公开(公告)日：2022-05-13
申请号：CN202110632549.2
申请日：2021-06-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于无人机飞行控制技术领域，具体涉及一种基于联合优化的无人机航迹规划方法。本发明通过前端飞行状态优化模型获取无人机自身飞行状态的最优估计，大幅度降低了自然干扰因素对传感器数据的误差；通过后端飞行动作优化模型，将实际偏差大的飞行角度调整至预期飞行角度，解决了强化学习决策飞行动作不佳的问题，提高了飞行航迹的可靠性。在实际应用中，对于传感器实时采集飞行状态数据，利用前端飞行状态优化模型实时获得最优飞行状态估计，将其作为已训练TD3模型的输入，得到飞行动作，并利用后端飞行动作优化模型，得到对应的飞行动作偏置，对其进行判决，控制输出优化后的飞行动作，从而实现无人机面对自然干扰影响的实时航迹规划。
-
公开(公告)号：CN115114960A
公开(公告)日：2022-09-27
申请号：CN202210767193.8
申请日：2022-06-30
Applicant: 哈尔滨工程大学
Abstract: 本发明属于信号识别技术领域，具体涉及一种基于自适应黑蜘蛛猴算法的辐射源个体识别方法。本发明通过构造类内、类间离差矩阵，设计离差损失，融合四元组和中心聚类损失，使得损失函数的构建更具可靠性；通过设计自适应黑蜘蛛猴算法对损失函数权重寻优，构建改变搜索方向的标志，利用螺旋优化搜索，扩大搜索范围，引入探索和平衡开发因子，使权重随迭代次数改变，减少了权重变化的盲目性，增强了辐射源个体识别方法的泛化性、准确性和适应性。本发明不仅能提高网络收敛速度，增加网络的泛化性和可靠性，还能准确实现辐射源个体识别，具备较好的适用性。
-
公开(公告)号：CN113376592A
公开(公告)日：2021-09-10
申请号：CN202110631507.7
申请日：2021-06-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于逆合成孔径雷达干扰技术领域，具体涉及一种基于联合学习的假目标信号生成方法。本发明通过构建XGBoost模型，利用回归的思想，通过大量数据来拟合出俯仰角、方位角与对应散射系数矩阵的映射关系，能够适应复杂的电磁环境，避免了传统方法获取的假目标散射系数矩阵适应性差的问题。本发明在所构建的深度强化学习模型中设置了奖惩机制，根据经修正矩阵修正后的预测值给予奖励，使XGBoost的输出预测值与实际值的差值尽量小，输出对应的最优修正矩阵，对输出预测值进行修正，提高了假目标散射系数矩阵的准确率，弥补了传统方法生成的假目标系数矩阵和实际目标散射系数矩阵有一定偏差的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
