一种基于联合学习的假目标信号生成方法

    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

    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。

    一种基于自适应细菌觅食的单通道盲源分离方法

    公开(公告)号:CN111865452A

    公开(公告)日:2020-10-30

    申请号:CN202010606879.X

    申请日:2020-06-29

    Abstract: 本发明属于辐射源信号分离技术领域,具体涉及一种基于自适应细菌觅食的单通道盲源分离方法。本发明针对现有的SCBSS方法存在准确性低和无法在未知源数目情况下进行准确分离的问题,将单通道观测信号进行虚实分解得到两路待分解信号,在源信号数目未知的条件下,利用基于信息论准则的MDL-AIC组合数目估计方法和基于GDE的数目估计方法对单通道观测信号进行源数目估计,同时采用自适应细菌觅食算法对VMD的参数进行优化,将VMD所需分解层数、惩罚因子依靠人为确定和重建多路信号所需源数目未知的问题转变为复杂目标函数的求解问题。本发明相较于利用VMD的SCBSS方法可以得到更优的参数,解决了现有SCBSS方法准确性低和需要已知源数目的问题,提升此方法准确性。

Patent Agency Ranking