公开(公告)号：CN117370861A

公开(公告)日：2024-01-09

申请号：CN202311377521.4

申请日：2023-10-24

Applicant: 杭州电子科技大学

Inventor： 刘二小 ,  孔星 ,  石胜胜

IPC: G06F18/241 ,  G06F18/23213 ,  G06F18/15 ,  G06F18/213 ,  G06F18/22 ,  G06N3/0455 ,  G06N3/088

Abstract: 本发明公开了一种基于聚类的SuperDARN雷达回波分类方法，该方法首先获取SuperDARN雷达中山站雷达和昭和站雷达观测数据并进行预处理，构建数据集。其次根据数据集构建图相似度矩阵。然后将图相似度矩阵输入深度聚类模型中聚类，设置参数，输出聚类后带有标签的数据集，完成SuperDARN雷达目标回波数据的聚类。最后可视化聚类结果，通过聚类指标评价聚类效果以及稳定性。本发明将深度聚类技术用于实现SuperDARN雷达目标回波分类中，从而绘制更加准确的电离层对流图，满足空间天气预报的需求。

公开(公告)号：CN113589289B

公开(公告)日：2024-01-09

申请号：CN202110783539.9

申请日：2021-07-12

Applicant: 杭州电子科技大学

Inventor： 刘二小 ,  徐晨

IPC: G01S13/95 ,  G01S13/89 ,  G01S19/42

Abstract: 本发明公开了提取SuperDARN雷达电离层对流图像不对称性的方法及系统，本发明方法包括以下步骤：步骤1：获取SuperDARN雷达观测数据和OMNI卫星观测数据并进行预处理；步骤2：将OMNI卫星观测数据和SuperDARN雷达观测数据匹配并对齐构成数据集；步骤3：使用曲面拟合法拟合出最优曲面并通过插值方式绘制对流图像；步骤4：通过最大电势点和最小电势点的位置，计算斜率和对应的倾斜角，对对流图像进行翻转；步骤5：使用曲面拟合法绘制翻转后的对流图像；步骤6：通过相关参数对原始图像和翻转图像进行评估；步骤7：采用不对称性指标对对流图像的不对称性进行评价。本发明能客观地说明对流图像的两个半球间的不对称性。

公开(公告)号：CN117292677A

公开(公告)日：2023-12-26

申请号：CN202311294209.9

申请日：2023-10-09

Applicant: 杭州电子科技大学

Inventor： 简志华 ,  谈林涛 ,  闫铎文 ,  杨曼 ,  梁承涵 ,  刘二小

IPC: G10L15/01 ,  G10L15/02 ,  G10L15/06 ,  G10L15/07 ,  G10L15/16 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供一种用于语音转换系统的音质评估方法，先将语音数据进行文件格式转换，再使用神经网络模型对格式转换后的文件进行特征提取，构建损失函数，使用已标注MOS评价分数的公开语音数据集对神经网络模型进行训练，得到训练好的神经网络模型，用于实际评估。本方法通过对主观评价的分数进行预测，能在一定程度上代替语音的主观评价，省去了人工成本。另外，通过改变评测分数的类别，使预测的分数既可以是语音MOS分数，也可以是相似度分数，从而实现多类别的评价分数预测。

公开(公告)号：CN115436924B

公开(公告)日：2023-04-28

申请号：CN202211030110.3

申请日：2022-08-26

Applicant: 杭州电子科技大学

Inventor： 仇兆炀 ,  曹彬 ,  孙闽红 ,  滕旭阳 ,  苏明坤 ,  宋慧娜 ,  乔磊 ,  刘二小 ,  张欢 ,  吴超

IPC: G01S13/02 ,  G01S7/285

Abstract: 本发明公开了优化本振奈奎斯特折叠接收机(NYFR)架构下的多分量线性调频(LFM)信号快速参数估计方法及系统，方法步骤如下：S1、将NYFR输出的含周期线性调频(PLFM)的多分量信号经过瞬时自相关后进行傅里叶变换(IAF)和最大峰值搜索，估计得出多分量信号的不同的奈奎斯特区域(NZ)标号S2、将S1中不同的构成解线调信号，经过解线调和IAF，估计得出多分量信号的调频率S3、将S1中不同的和S2中的信号调频率构成解线调信号，经过解线调和快速傅里叶变换(FFT)，估计得出多分量信号的中频最后由估计出信号的载频本发明提出了在时频混叠下的一种优化本振NYFR架构的多分量LFM信号快速参数估计方法，为复杂电磁环境下的高效电子侦察提供技术支撑。

公开(公告)号：CN112946784B

公开(公告)日：2022-09-16

申请号：CN202110332168.2

申请日：2021-03-29

Applicant: 杭州电子科技大学

Inventor： 刘二小 ,  邓天云

IPC: G01W1/10 ,  G01S7/41

Abstract: 本发明公开了一种基于深度学习的SuperDARN雷达对流图短期预报方法，包括以下步骤：步骤1：获取SuperDARN雷达观测数据和OMNI卫星观测数据并进行预处理；步骤2：将OMNI卫星观测数据和SuperDARN雷达观测数据匹配并对齐构成完备数据集；步骤3：使用皮尔逊相关系数法进行特征选择并对其标准化；步骤4：输入到Python中Tensorflow模块搭建好的深度学习模型中进行训练，参数调试，得到预报模型；步骤5：将预报模型应用到测试数据中。本发明基于深度学习和大数据相关理论技术的发展，采用神经网络相关方法，利用SuperDARN雷达获得的海量具有丰富信息的数据，将数据之间的关系用具有强大拟合能力的神经网络表达出来，实现高纬电离层对流图像的短期预报，满足空间天气预报的需求。

公开(公告)号：CN107843905B

公开(公告)日：2020-10-09

申请号：CN201710991658.7

申请日：2017-10-23

Applicant: 杭州电子科技大学

Inventor： 吴超 ,  孙闽红 ,  刘二小 ,  钟华 ,  简志华 ,  刘玮 ,  汪立新

IPC: G01S19/24

Abstract: 本发明公开了一种快速高动态GNSS频率搜索方法，包括以下步骤：S1.接收高动态后相关信号，对高动态后相关信号进行调频斜率压缩搜索，得出预测的调频斜率α；S2.将预测的调频斜率α去除其对后相关信号的影响，得出预测的初始频率f。本发明考虑到了接收机与卫星有相对加速度的信号频率估计，采用两步压缩，第一步压缩调频斜率搜索，采用相邻差分的方式减小数据调制对检测峰值的影响；第二步利用信号循环平稳特性取信号自相关，去除数据比特对积分峰值的影响。基于上述两步分离了比特符号、初始频率和调频斜率间相互影响，实现了快速估计频率的目的。

公开(公告)号：CN109239744A

公开(公告)日：2019-01-18

申请号：CN201811221034.8

申请日：2018-10-19

Applicant: 杭州电子科技大学

Inventor： 吴超 ,  孙闽红 ,  刘二小 ,  滕旭阳 ,  简志华 ,  钟华 ,  苏明坤 ,  乔磊 ,  仇兆炀 ,  宋慧娜 ,  汪立新

IPC: G01S19/30

CPC classification number: G01S19/30

Abstract: 本发明主要公开了一种基于复信号相位的快速抗比特反转快速捕获方法，通过对接收信号进行下变频处理，并对本地相关信号和接收信号进行分块，将得到矩的阵进行码相位搜索处理，得到待检测变量，再通过相干积分检测，得到码相位搜索处理的相干积分值，对接收信号进行码相位处理得到码相位处理待检测变量，得出的估算的比特数据反转位置，再进行相干积分检测，最后得到待求参数码相位，最终获得估计的捕获参数码相位和频率，从而实现了GNSS信号的快速捕获。本发明方法可以快速精确估计码相位，从而实现比特符号反转情况下捕获参数估计。