-
公开(公告)号：CN113283527B
公开(公告)日：2022-04-29
申请号：CN202110631515.1
申请日：2021-06-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达威胁评估技术领域，具体涉及一种基于层级指标的雷达威胁评估方法。本发明利用GAT建立层级指标中一级指标和三级指标之间的关系，并结合AP算法与DNN，设计表征一级指标、二级指标和三级指标关系的层级指标关系，实现了对雷达的威胁评估。本发明结合注意力机制，融合相似度理论设计权值分配方法，使得层级指标关系的构建更具备客观性；同时利用图注意力网络及深度神经网络，设计了一种全新的与实际传感器数据相关联的层级指标关系，增加了威胁评估方法的鲁棒性和适应性，提高了方法的可靠性，使得本发明在接收信息不全面的情况下依旧可以实现威胁值的准确评估。
-
公开(公告)号：CN113721201A
公开(公告)日：2021-11-30
申请号：CN202111049468.6
申请日：2021-09-08
Applicant: 哈尔滨工程大学
IPC: G01S7/35
Abstract: 本发明公开了一种线性调频信号调频率的估计方法，包括：步骤1：对接收的多分量线性调频信号进行离散多项式变换，得到含有调频率信息的复正弦信号与线性调频信号的混合信号m(t)；步骤2：对混合信号构造Hankel矩阵，然后通过奇异值分解分离出复正弦信号；步骤3：对复正弦信号周期估计后整周期截断，再离散傅里叶变换得到其频率，最后得到各个分量的调频率。本发明能准确的估计多分量线性调频信号的各个调频率，相比于现有的多分量线性调频信号调频率的估计方法，本发明在保持较小的计算复杂度的同时能够降低信噪比门限。本发明能适用于含有强噪声的多分量场景。
-
公开(公告)号：CN111767848A
公开(公告)日：2020-10-13
申请号：CN202010606863.9
申请日：2020-06-29
Applicant: 哈尔滨工程大学
Abstract: 本发明属于信息侦测识别技术领域，具体涉及一种基于多域特征融合的辐射源个体识别方法。本发明针对现有辐射源个体识别方法中存在的特征信息不全面，分类器泛化能力弱，专家分析主观性强，辐射源个体识别率低等问题，通过融合时域、时频域和高阶域等多域特征，并设计多层神经网络模型作为分类器进而实现辐射源个体识别。融合多域特征解决了特征信息不全面的问题，采用神经网络模型进行识别分类，避免了识别时依赖辐射源信号调制方式等先验信息和专家系统的主观性较强等问题。同时，神经网络模型提升了系统的泛化能力，得到较好的辐射源个体识别效果。
-
公开(公告)号：CN111160171A
公开(公告)日：2020-05-15
申请号：CN201911314248.4
申请日：2019-12-19
Applicant: 哈尔滨工程大学
Abstract: 本发明属于信息侦测领域，具体涉及一种联合两域多特征的辐射源信号识别方法，包括以下步骤：对辐射源信号进行短时傅里叶变换、改进的魏格纳时频分布变换和希尔伯特黄变换，获得三种时频特征图像；分别提取三种时频特征图像的Green单通道图像，将三种Green单通道图像进行通道融合，获得新特征图像；本发明采用多时频图像通道融合手段得到新三维时频图像。短时傅里叶变换反应信号的线性时频特征，改进的魏格纳分布反应信号的非线性时频特征，希尔伯特黄变换不受海森堡测不准原理制约，有好的时频分别率，通道融合得到的新三维时频图像可以更全面的表征信号的时频信息，提高系统的可靠性。
-
公开(公告)号：CN110853038A
公开(公告)日：2020-02-28
申请号：CN201910975412.X
申请日：2019-10-15
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及深度学习算法领域，尤其涉及一种用于肝脏肿瘤CT图像分割技术的DN-U-net网络方法领域。本发明包括：(1)获取肝脏肿瘤CT图像；(2)对所获得的图像进行预处理，将3D原始数据进行切片处理得到所需的数据格式，然后转化为可以用来训练的数据集；(3)使用中值滤波对数据进行处理，用于处理斑点噪声和椒盐噪声；(4)对数据图像进行数据增强；(5)DN-U-net网络的训练与分割等。本发明使用数据增强，将原图与标签同时进行处理，对数据进行数据反转、数据旋转和数据缩放操作，这样可以获得更多的图像，增大了训练集的数量。
-
Patent Agency Ranking
公开(公告)号：CN106025549B
公开(公告)日：2018-10-26
申请号：CN201610352486.4
申请日：2016-05-25
Applicant: 哈尔滨工程大学
IPC: H01Q1/52
Abstract: 本发明提供一种渐变型电磁带隙结构，属于微波工程技术领域。包括四个部分：下层圆形金属薄膜、上层金属薄膜、填充在上下两层薄膜之间的损耗介质层以及连接上下两层金属薄膜的金属过孔。所述的上层金属薄膜由许多扇形贴片单元组成，扇形贴片从圆心到半径方向逐渐变大，贴片之间有缝隙，每个贴片单元的中心都有一个金属过孔。下表面为完整的圆片状金属膜，无缝隙。本发明提供的电磁带隙结构在较宽的频带范围内有禁带效果。本发明所述的渐变型电磁带隙结构适用于螺旋天线等超宽带天线领域。
-
公开(公告)号：CN105932409B
公开(公告)日：2018-07-24
申请号：CN201610293157.7
申请日：2016-05-05
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种小型化开倒E型槽式超宽带毫米波微带天线。包括方形介质基板(1)、位于方形介质基板一侧的接地面(2)、位于方形介质基板另一侧的辐射贴片(3)、以及馈线(7)，其特征是：所述的辐射贴片的外轮廓为矩形，辐射贴片中开有倒E型槽(4)和两个圆角矩形槽(5)，两个圆角矩形槽位于倒E型槽的下方。本发明具有辐射特性好，增益高，尺寸小、剖面低、易共形、易集成、加工简单、成本低等优点。非常适合5G移动通信大规模组网。
-
公开(公告)号：CN102510363A
公开(公告)日：2012-06-20
申请号：CN201110291400.9
申请日：2011-09-30
Applicant: 哈尔滨工程大学
Abstract: 一种强干扰源环境下的LFM信号检测方法，属于信号处理技术领域。它采用以下步骤：首先采用阵列接收时域复数盲分离技术，将接收到的多分量信号及各种干扰源信号进行时域分离，分解成多路时域接收信号，然后分别对每路时域接收信号进行信号与干扰的判别，根据电子侦察接收机的宽带接收体制，及频谱密度函数的二阶中心矩所代表的信号频谱宽度特性，选择出宽带高斯噪声干扰源信号，通过云模型特征向量提取与信号频谱序列相似度判别，选择出同频窄带干扰源信号，最后对剩余的各路时域分离信号分别通过Wigner-Hough变换进行多分量LFM信号的检测与参数估计。它能够有效提取多分量信号中的各分量线性调频信号并进行精确的参数估计。
-
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：CN117518081B
公开(公告)日：2024-11-29
申请号：CN202311472200.2
申请日：2023-11-07
Applicant: 哈尔滨工程大学
IPC: G01S5/08 , G01S5/02 , G01S3/14 , G06F18/23213 , G06F18/28
Abstract: 一种基于K‑Means聚类的最小化交叉熵DOA估计方法，涉及波达方向估计技术领域。本发明是为了解决现有DOA估计准确率低的问题。本发明包括：设定重复次数i，并获得第i次重复最小化交叉熵原子选择范围位置集合#imgabs0#构建第i次重复时正交最小二乘支撑集位置集合#imgabs1#根据#imgabs2#和#imgabs3#构建候选支撑集位置集合，并利用候选支撑集位置集合获取优秀支撑集位置集合#imgabs4#从而获得最优支撑集位置集合#imgabs5#根据当前重复次数i判断是否停止重复，若停止重复则执行利用最优支撑集位置集合#imgabs6#重构来波信号，获得重构后的来波信号#imgabs7#并估计来波信号角度#imgabs8#否则令i＝i+1。本发明用于估计来波信号和来波信号角度。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.025 seconds)
