-
公开(公告)号：CN111273215B
公开(公告)日：2021-01-12
申请号：CN201911281522.2
申请日：2019-12-13
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了信道状态信息的通道不一致性误差校正测向方法，属于室内定位技术领域。实现步骤如下：对CSI测向算法进行建模；利用单天线数据计算直达波飞行时间ToF；成对天线间CSI数据平滑处理增加接收阵列孔径；利用直达波飞行时间ToF和直达波入射角度先验信息进行成对天线间幅相误差计算；根据离线数据建立不同来波方向情况下幅相误差表格，在线过程中对照表格动态选取Γ值，进行通道幅相误差校正和迭代测向。本发明解决了商用Wi‑Fi网卡复杂的通道间幅相误差校正问题，保证了Wi‑Fi网卡CSI测向的精度，有效降低基于商用Wi‑Fi网卡的室内定位系统部署使用的复杂度和成本，应用前景广阔，而且操作简单、不需要专用设备、能有效适应室内多径环境。
-
公开(公告)号：CN112198481A
公开(公告)日：2021-01-08
申请号：CN202011072664.0
申请日：2020-10-09
Applicant: 哈尔滨工程大学
IPC: G01S7/28
Abstract: 本发明公开了一种脉冲丢失混叠情况下的PRI抖动雷达信号分选方法，能够在脉冲丢失混叠等情况下，分选抖动雷达信号，判断抖动信号抖动率，完成对抖动雷达信号的搜索与提取。本发明改进PRI交叠箱结构，利用多级箱结构提高脉冲丢失混叠情况下的抖动信号检测能力；通过对多级箱PRI变换结果以及箱内脉冲对个数曲线分析，实现对抖动信号抖动率进行判断，提升信号分析能力；结合PRI估计值与抖动率，利用相关性判断置信度，分情况提取脉冲序列，有效降低电磁空间复杂度。可证明该方法分选算法性能良好，易于工程实现。
-
公开(公告)号：CN111405657A
公开(公告)日：2020-07-10
申请号：CN202010253356.1
申请日：2020-04-02
Applicant: 哈尔滨工程大学
IPC: H04W64/00 , G01S5/10 , H04B17/309
Abstract: 本发明一种基于CSI的到达角与到达时间差单接入点定位方法，步骤一：将单接入点的多天线分成多组：距离较远的天线组用于获取到达时间差定位信息；距离较近的天线组阵列用于获取到达角定位信息；步骤二：扫描获取单接入点每个天线的多个CSI样本；步骤三：计算待定位目标的单接入点不同天线的直达波到达时间差；步骤四：计算待定位目标的单接入点各个天线阵列的直达波到达角；步骤五：建立基于到达时间差与到达角的目标位置约束方程，根据单接入点各天线坐标解算出目标位置。本发明与现有通信协议兼容，能有效降低单接入点定位系统部署的复杂度和成本；同时利用AOA与TDOA信号的互补优势，可以保证精确和可靠的定位结果。
-
公开(公告)号：CN110532932A
公开(公告)日：2019-12-03
申请号：CN201910787759.1
申请日：2019-08-26
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及深度学习的自动识别算法领域，具体涉及一种多分量雷达信号脉内调制方式识别方法。获取几种不同脉内调制方式的单分量或交叠多分量雷达信号的时频图像；利用图像处理算法，对雷达信号时频图像进行预处理，将雷达信号中包含的信号类型作为标签，制作训练集和测试集；设计基于卷积神经网络的预训练网络提取雷达信号时频图像特征，设计基于强化学习的多分量信号分类网络获取分类识别结果；训练、测试、完善网络结构和参数；实现多分量信号的分类识别。本发明所述的多分量雷达信号识别算法在低信噪比情况下，具有广泛的雷达信号类型适应范围和较高的识别准确率，实现了随机交叠多分量雷达信号的脉内调制方式识别。
-
公开(公告)号：CN110531335A
公开(公告)日：2019-12-03
申请号：CN201910880617.X
申请日：2019-09-18
Applicant: 哈尔滨工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于并查集的低复杂度相似聚类信号分选方法，属于雷达信号处理领域。该方法包括如下步骤：积累一定数量的信号脉冲描述字构成数据集；利用脉冲参数的载频与脉宽参数对数据集进行移除孤立点预处理操作；对数据集进行标准差变换与极差变换，完成数据集标准化；构造并查集，每个脉冲描述字对应并查集中一个元素；依次计算两脉冲间相似度，若相似度高于阈值，完成对相应元素的归并操作；查询并查集，完成聚类信息的输出。本发明能够在复杂信号环境中完成信号分选，将并查集引入相似聚类分选中，大大降低了方法的复杂度，可证明该方法时间复杂度为O(n2)，空间复杂度为O(n)，具有复杂度低的优点，易于工程实现。
-
Patent Agency Ranking
公开(公告)号：CN110473167A
公开(公告)日：2019-11-19
申请号：CN201910615378.5
申请日：2019-07-09
Applicant: 哈尔滨工程大学
IPC: G06T7/00 , G06T7/11 , G06T7/13 , G06K9/62 , G06N3/04 , G06N3/08 , G16H30/40 , G16H50/20 , G01N33/493
Abstract: 本发明涉及医学图像处理领域，具体涉及一种基于深度学习的尿沉渣图像识别系统及方法。图像采集模块对尿液样本采集得到原始图像；图像分割模块对原始图像进行分割处理，得到分割好的尿沉渣成分图像；基于深度学习的图像识别模块对分割好的尿沉渣成分图像进行识别，整合三个网络模型的识别结果，得到基于深度学习的图像识别模块的输出；计数模块对输出结果进行统计处理，得到定量的医学指标参考；系统输出为基于深度学习的图像识别模块的结果和计数模块的结果。本发明可以自动实现端到端的特征提取与分类，有效提取出尿沉渣有形成分中难以被肉眼发现的微小特征，从而高质量地解决11种尿沉渣成分的复杂分类问题，具有很强的医学应用价值。
-
公开(公告)号：CN109444810A
公开(公告)日：2019-03-08
申请号：CN201811582959.5
申请日：2018-12-24
Applicant: 哈尔滨工程大学
IPC: G01S3/14
Abstract: 一种非负稀疏贝叶斯学习框架下的互质阵列非网格DOA估计方法，属于信号处理中高分辨测向方法研究领域。本发明首先对互质阵列接收数据协方差矩阵进行向量化，构造虚拟接收信号模型，然后基于该模型中虚拟入射信号元素非负的特点构造非负稀疏贝叶斯模型，再通过期望最大化算法迭代更新超参数以及网格点集合，最后根据最终更新的网格点集合以及超参数构造信号功率谱，之后再通过谱峰搜索确定估计的DOA。本发明方法将运算过程由复数域转向实数域，从而在一定程度上能够降低计算复杂度。此外，互质阵列的应用可以实现欠定DOA估计，突破了阵元数对最大可估计信源数的限制，从而能够在一定程度上减少硬件成本，具有一定的工程应用价值。
-
公开(公告)号：CN107015191A
公开(公告)日：2017-08-04
申请号：CN201710351027.9
申请日：2017-05-18
Applicant: 哈尔滨工程大学
IPC: G01S3/14
Abstract: 本发明提供一种在多径干扰环境下单偶极子极化敏感阵列降维DOA估计方法，该阵列采用与圆周边缘共行的单偶极子组成均匀圆阵结构，可同时执行方位角和仰角的二维估计，并有效对抗多径干扰首先对均匀圆阵共行阵列接收的窄带信号进行数学建模，之后根据矩阵秩亏损原理，对极化MUSIC算法四维谱函数进行降维处理，构造空域谱函数，从而实现空域二维角度的快速搜索。同极化敏感阵列DOA与极化参数联合估计方法，本发明所述降维DOA估计方法能够实现在不增加硬件需求的条件下对信号源角度的快速估计，接收并利用信号源与干扰源的极化特性有效分辨目标和干扰，实现在复杂环境下对目标的估计，具有一定的工程应用价值。
-
公开(公告)号：CN104502885A
公开(公告)日：2015-04-08
申请号：CN201510001257.3
申请日：2015-01-04
Applicant: 哈尔滨工程大学
IPC: G01S3/00
CPC classification number: G01S3/00
Abstract: 本发明公开了基于变换矩阵的特征值差分信源数估计方法，包括以下几个步骤：利用阵列接收空间中的窄带远场平面波信号，获得接收数据；根据接收到的数据计算协方差矩阵；构造L组阵列协方差矩阵的变换矩阵C；求每组变换矩阵的特征值，并将特征值的绝对值从大到小降序排列，间隔选取降序排列后的M/2个或(M-1)/2个特征值的绝对值；令向量ln＝[λ1n′,λ2n′,…,λ5n′]，得到向量ln的方差σln；设定检测门限γ，选出大于检测门限γ值的方差σln的个数，即为信源数。本发明具有在非均匀噪声环境下估计性能优良并且易于实现的优点。
-
公开(公告)号：CN110764063B
公开(公告)日：2024-04-30
申请号：CN201910976041.7
申请日：2019-10-15
Applicant: 哈尔滨工程大学
Abstract: 本发明属于电子对抗技术领域，具体涉及使搜索效果更快更明显的一种基于SDIF与PRI变换法结合的雷达信号分选方法。本方法包括如下步骤：对雷达信号进行预分组；利用SDIF方法对预分选后的雷达分组建立到达时间级差直方图；依据雷达信号模型时域特点快速搜索提取雷达信号；建立一级差直方图快速分析参差信号；判断是否仍有复杂类型雷达信号残留；查询各模块分选结果。本发明的有益效果在于：预分选与主分选结合，将SDIF与PRI变换法结合作为主分选，SDIF部分对复杂雷达电磁环境中常规信号、参差信号、脉间捷变频以及脉组捷变频信号进行快速而有效的分选，PRI变换法部分分选剩余的抖动信号，各部分算法各司其职，承上启下，组合成有效快速的综合分选算法。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.024 seconds)
