-
公开(公告)号:CN118245772B
公开(公告)日:2024-09-17
申请号:CN202410114890.2
申请日:2024-01-26
申请人: 中国人民解放军军事科学院系统工程研究院
IPC分类号: G06F17/18 , G06F18/213 , G01S5/02 , G06N3/0464 , G06N3/08
摘要: 本发明属于电磁信号处理技术领域,特别涉及一种无源定位中时频差提取方法。一种基于卷积神经网络的时频差提取方法,包括以下步骤:接收机截获离散复信号;将离散复信号转化为时频图;用已经训练好的卷积神经网络,分别对时差和频差进行估计,得到粗估计结果;根据粗估计结果和训练网络时得出的统计误差划定一个用以细估的时频差搜索范围;使用网格搜索法在划定的范围内用互模糊函数对粗估计结果进行细估,得到最终的细估计结果;细估计结果作为训练样本反馈至所述卷积神经网络,更新粗估计误差统计特征。本方法很好的平衡了时频差提取方法的计算量和估计精度,与传统方法相比,在计算量远小于传统方法的情况下,获得了几乎最好的估计结果。
-
公开(公告)号:CN116340533B
公开(公告)日:2023-09-01
申请号:CN202310189348.9
申请日:2023-02-23
申请人: 中国人民解放军军事科学院系统工程研究院
IPC分类号: G06F16/36 , G06F18/24 , G06F18/214 , G06N20/00
摘要: 本发明属于电磁数据信息获取与处理技术领域,特别涉及一种电磁频谱数据智能处理系统。一种基于知识图谱的星载电磁频谱大数据智能处理系统,它包括:作为基础模块的频谱知识图谱模块,以及在数据处理流程中所涉及的盲源分离模块、特征提取模块、规律挖掘模块、特征识别模块、无源定位模块;频谱知识图谱模块服务于上层数据处理流程的每个模块,同时上层数据处理流程的每个模块处理完数据之后,反向补充频谱知识图谱模块内容,形成互补模式。利用本系统能够提高分类识别的准确率和无源定位的精度。
-
公开(公告)号:CN116340533A
公开(公告)日:2023-06-27
申请号:CN202310189348.9
申请日:2023-02-23
申请人: 中国人民解放军军事科学院系统工程研究院
IPC分类号: G06F16/36 , G06F18/24 , G06F18/214 , G06N20/00
摘要: 本发明属于电磁数据信息获取与处理技术领域,特别涉及一种电磁频谱数据智能处理系统。一种基于知识图谱的星载电磁频谱大数据智能处理系统,它包括:作为基础模块的频谱知识图谱模块,以及在数据处理流程中所涉及的盲源分离模块、特征提取模块、规律挖掘模块、特征识别模块、无源定位模块;频谱知识图谱模块服务于上层数据处理流程的每个模块,同时上层数据处理流程的每个模块处理完数据之后,反向补充频谱知识图谱模块内容,形成互补模式。利用本系统能够提高分类识别的准确率和无源定位的精度。
-
公开(公告)号:CN118245772A
公开(公告)日:2024-06-25
申请号:CN202410114890.2
申请日:2024-01-26
申请人: 中国人民解放军军事科学院系统工程研究院
IPC分类号: G06F18/213 , G01S5/02 , G06N3/0464 , G06N3/08 , G06F17/18
摘要: 本发明属于电磁信号处理技术领域,特别涉及一种无源定位中时频差提取方法。一种基于卷积神经网络的时频差提取方法,包括以下步骤:接收机截获离散复信号;将离散复信号转化为时频图;用已经训练好的卷积神经网络,分别对时差和频差进行估计,得到粗估计结果;根据粗估计结果和训练网络时得出的统计误差划定一个用以细估的时频差搜索范围;使用网格搜索法在划定的范围内用互模糊函数对粗估计结果进行细估,得到最终的细估计结果;细估计结果作为训练样本反馈至所述卷积神经网络,更新粗估计误差统计特征。本方法很好的平衡了时频差提取方法的计算量和估计精度,与传统方法相比,在计算量远小于传统方法的情况下,获得了几乎最好的估计结果。
-
-
-