-
公开(公告)号：CN115062790A
公开(公告)日：2022-09-16
申请号：CN202210690657.X
申请日：2022-06-17
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于隐马尔可夫模型的Q学习干扰决策方法。其具体步骤包括：生成训练集，训练隐马尔可夫模型，构建雷达工作模式识别器，设置威胁度值，构造判决器，搭建干扰决策系统，生成特征参数矩阵，将其作为干扰决策系统的输入，系统识别雷达工作模式，将识别结果输入到判决器，判断输入的雷达工作模式威胁度是否为所有威胁度中的最小值，若是，干扰过程结束，若否，干扰方通过Q学习算法进行干扰决策。本发明解决现有技术下雷达工作模式识别准确率低与决策依赖先验知识的不足，提高决策的时效性和有效性。
-
公开(公告)号：CN111199127B
公开(公告)日：2022-09-06
申请号：CN202010029684.3
申请日：2020-01-13
申请人： 西安电子科技大学
摘要： 本发明公开了基于深度强化学习的雷达干扰决策方法，主要解决现有技术中决策仅依赖干扰方做决策导致决策结果片面，及工作模式识别慢导致决策效率低的问题。其实现方案为：1)根据工作模式的特征信号生成训练集训练雷达工作模式识别器；2)根据工作模式的最小威胁值构造判决器；3)构建雷达方的工作模式转移矩阵；4)构建干扰方的干扰收益矩阵；5)构建包括雷达工作模式识别器、判决器、雷达方和干扰方的干扰决策系统；7)随机采样仿真信号，输入干扰决策系统进行选取干扰策略的工作，直到满足决策输出条件，输出决策结果。本发明提高了决策的效率和决策结果的可信度，可用于当干扰方侦察到雷达的特征信号时，保证干扰方做出最优的干扰策略。
-
公开(公告)号：CN113030878A
公开(公告)日：2021-06-25
申请号：CN202110173116.5
申请日：2021-02-08
申请人： 西安电子科技大学
IPC分类号： G01S7/38
摘要： 本发明公开了一种对空时自适应处理的非均匀间歇采样随机转发干扰方法，包括：对敌方雷达信号st(t)进行非均匀间歇采样以得到非均匀间歇采样转发干扰信号js(t)；对所述非均匀间歇采样转发干扰信号js(t)进行延时叠加得到非均匀间歇采样随机转发干扰信号jsc(t)；干扰机发射所述非均匀间歇采样随机转发干扰信号jsc(t)，以对搭载空时自适应处理的雷达实施干扰。本发明采用非均匀间歇采样和不定量重复转发的方式，最大程度上破坏干扰在脉压之后的规律性，使得信号空时二维功率谱在目标所在距离单元周围都有较强的输出。
-
公开(公告)号：CN112904294A
公开(公告)日：2021-06-04
申请号：CN202110241763.5
申请日：2021-03-04
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于直觉梯形模糊多属性决策的干扰效果评估方法，实现步骤为：构造雷达干扰属性决策矩阵；构造直觉梯形模糊决策矩阵；基于熵权法计算受干扰雷达每个属性的权重；采用直觉梯形模糊多属性决策方法计算干扰效果评价值。本发明通过五级语言变量{极差，差，中，好，极好}中的一种对每次干扰时雷达的每个属性进行评价得到评价结果，并与直觉梯形模糊多属性决策方法计算得到每次干扰的干扰效果评估结果，解决了已有技术不能用于评估系统无法获取受干扰雷达属性的实数参数的干扰效果评估场景的问题。
-
公开(公告)号：CN111368648A
公开(公告)日：2020-07-03
申请号：CN202010097575.5
申请日：2020-02-17
申请人： 西安电子科技大学
摘要： 本发明公开了一种雷达辐射源个体识别方法、装置、电子设备及其存储介质，方法包括：获取雷达辐射源包络图像集，所述雷达辐射源包络图像集包括雷达辐射源包络训练图像集、雷达辐射源包络验证图像集、雷达辐射源包络测试图像集；构建卷积神经网络模型，根据所述雷达辐射源包络训练图像集、所述雷达辐射源包络验证图像集对所述卷积神经网络模型进行训练、验证得到训练好的卷积神经网络模型；将所述雷达辐射源包络测试图像集输入至所述训练好的卷积神经网络模型得到雷达辐射源个体识别率。本发明通过构建的卷积神经网络模型可以实现机器自动提取雷达个体特征，克服了传统雷达辐射源个体识别中人工提取特征过程繁琐、更新数据库缓慢等缺点。
-
公开(公告)号：CN111353391A
公开(公告)日：2020-06-30
申请号：CN202010097584.4
申请日：2020-02-17
申请人： 西安电子科技大学
摘要： 本发明公开了一种雷达干扰效果评估方法、装置、电子设备及其存储介质，方法包括：构建并训练多尺度卷积神经网络模型得到训练好的多尺度卷积神经网络模型；获取干扰前的雷达波形单元幅度序列，利用训练好的多尺度卷积神经网络模型，从干扰前的雷达波形单元幅度序列中获取第一跟踪波形单元个数；获取干扰后的雷达波形单元幅度序列，利用训练好的多尺度卷积神经网络模型，从干扰后的雷达波形单元幅度序列中获取第二跟踪波形单元个数；根据第一跟踪波形单元个数、第二跟踪波形单元个数计算雷达的干扰效果。本发明将干扰前后的雷达波形单元幅度序列与多尺度卷积神经网络相结合，计算干扰机对雷达的干扰效果，使得本发明不仅实现了在线评估，还实现了高可靠性、高鲁棒性的评估。
-
公开(公告)号：CN109932699A
公开(公告)日：2019-06-25
申请号：CN201910200981.7
申请日：2019-03-15
申请人： 西安电子科技大学
IPC分类号： G01S7/41
摘要： 本发明适用于计算机领域，提供了一种雷达辐射源识别方法，包括：接收待识别雷达辐射源信号；对所述待识别雷达辐射源信号进行小波变换生成二维小波矩阵；对所述二维小波矩阵进行处理生成时频域灰度图像；根据所述时频域灰度图像以及基于卷积神经网络算法训练生成的雷达辐射源识别模型确定与所述时频域灰度图像对应的雷达辐射源。本发明实施例提供的雷达辐射源识别方法，通过对待识别雷达辐射源信号进行小波变换再处理为时频域灰度图像，并利用基于卷积神经网络算法训练生成的雷达辐射源识别模型，能够直接确定雷达辐射源，相比于现有的识别方法需，有效地减少了数据处理量，提高了处理效率，同时具有良好的识别准确率。
-
公开(公告)号：CN106019234B
公开(公告)日：2018-05-04
申请号：CN201610260602.X
申请日：2016-04-25
申请人： 西安电子科技大学
摘要： 本发明公开了一种L型天线阵的低计算复杂度二维波达方向估计方法，主要解决现有L型天线阵二维波达方向估计方法计算复杂度高且在低信噪比、低快拍情况下估计性能差的问题，其实现步骤是：(1)接收信号；(2)构造互相关矩阵；(3)构造方位增广矩阵；(4)构造俯仰增广矩阵；(5)估计方位角；(6)估计俯仰角；(7)二维角度配对。本发明利用旋转不变子空间算法和对角度托普利兹矩阵进行特征值分解，以低计算复杂度、低信噪比、低快拍，实现了L型天线阵二维波达方向估计，可用于雷达、通信中的目标定位。
-
公开(公告)号：CN107966687A
公开(公告)日：2018-04-27
申请号：CN201711155575.0
申请日：2017-11-20
申请人： 西安电子科技大学
IPC分类号： G01S7/28
CPC分类号： G01S7/28
摘要： 本发明公开了一种基于部分自相关谱的MIMO雷达信号调制类型识别方法，主要解决现有技术利用瞬时自相关谱进行MIMO雷达信号调制类型识别计算量较大，且识别时间过长的问题。其实现方案是：根据雷达侦察接收机收到的雷达信号提取样本雷达信号，获得样本雷达信号的零时延瞬时自相关函数；对该函数进行化简和归一化运算，得到MIMO雷达信号的部分零时延瞬时自相关谱的谱峰高度；设定门限并根据次高峰与最高峰比值对集中式MIMO雷达信号进行调制类型识别。本发明需要的MIMO雷达信号样本点较少，运算复杂度低，且识别编码雷达信号不需要其他特征参数，缩短了识别时间，实现了实时性的要求，可用于电子对抗侦察系统。
-
公开(公告)号：CN106019234A
公开(公告)日：2016-10-12
申请号：CN201610260602.X
申请日：2016-04-25
申请人： 西安电子科技大学
摘要： 本发明公开了一种L型天线阵的低计算复杂度二维波达方向估计方法，主要解决现有L型天线阵二维波达方向估计方法计算复杂度高且在低信噪比、低快拍情况下估计性能差的问题，其实现步骤是：(1)接收信号；(2)构造互相关矩阵；(3)构造方位增广矩阵；(4)构造俯仰增广矩阵；(5)估计方位角；(6)估计俯仰角；(7)二维角度配对。本发明利用旋转不变子空间算法和对角度托普利兹矩阵进行特征值分解，以低计算复杂度、低信噪比、低快拍，实现了L型天线阵二维波达方向估计，可用于雷达、通信中的目标定位。
-
-
-
-
-
-
-
-
-
搜索结果
69 条记录 (耗时 0.053 秒)
