-
公开(公告)号：CN117746163A
公开(公告)日：2024-03-22
申请号：CN202410098174.X
申请日：2024-01-23
Applicant: 哈尔滨工程大学 , 杭州市滨江区浙工大网络空间安全创新研究院
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06V10/52 , G06F18/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 一种基于多尺度视觉Transformer的雷达工作模式识别方法，它涉及一种雷达工作模式识别方法。本发明为了解决传统雷达工作模式识别算法全局特征提取能力差，识别功能泛化性差的问题。本发明使用CWD时频变换将雷达脉冲信号转化为时频图，并对样本进行了长度一致化处理，有利于深度学习模型充分提取信号的时频演化规律；该发明采用基于Biformer的多尺度特征提取网络，引入了分层的双层路由注意力机制，可以更好地在捕捉雷达信号时频图的全局和局部特征，能够在有效降低算法的复杂度的同时取得更高的识别准确率。本发明属于数字信号处理技术领域。
-
公开(公告)号：CN116502139B
公开(公告)日：2024-07-02
申请号：CN202310478591.2
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: G06F18/241 , G06F18/214 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/094 , G06N3/096 , G06N20/20
Abstract: 一种基于集成对抗迁移的辐射源信号个体识别方法，它涉及一种辐射源信号个体识别方法。本发明为了解决传统的个体识别方法识别准确率低、模型泛化性差的问题。本发明采用集成对抗迁移的方法进行辐射源个体识别，解决辐射源信号数据标注困难的问题，以及提高模型的鲁棒性和泛化能力。本发明属于信号识别技术领域。
-
公开(公告)号：CN116451124A
公开(公告)日：2023-07-18
申请号：CN202310478939.8
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 一种基于解耦表征学习的不均衡辐射源信号识别方法，它涉及一种不均衡辐射源信号识别方法。本发明为了解决由于辐射源信号不平衡性导致的深度学习模型不能很好的处理长尾辐射源识别任务的问题。本发明使用自适应重加权进行参数更新模型，引入L2正则化，在解决类别不平衡问题的同时提高了模型的泛化能力。本发明属于特定辐射源识别技术领域。
-
公开(公告)号：CN116628472B
公开(公告)日：2024-08-30
申请号：CN202310486505.2
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: G06F18/213 , G06F18/241 , G06N3/042 , G06N3/0464
Abstract: 一种基于特征关联的辐射源个体信号图结构映射方法，它涉及一种辐射源个体信号图结构映射方法。本发明为了解决现有图结构映射方法在辐射源个体识别任务上效率低，性能差的问题。本发明的核心在于采用基于特征关联性的图结构映射方法构建个体信号图分类数据集，通过GNN模型实现辐射源个体识别，有效提高识别性能。本发明属于信号识别技术领域。
-
公开(公告)号：CN116527461B
公开(公告)日：2024-05-24
申请号：CN202310479129.4
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: H04L25/03 , H04L27/00 , G06F18/214
Abstract: 一种基于遮挡分析的电磁信号时域增强方法，它涉及一种电磁信号时域增强方法。本发明为了解决现有的数据增强方法算法不适配，效率不高的问题。本发明的核心在于设计了一种面向电磁信号的数据增强策略，采用遮挡分析和加性高斯白噪声获得增强数据，在尽可能保证原始数据分布和标签不变的情况下，生成额外的数据，极大程度上提升深度学习算法的工程效率。本发明属于数字信号处理技术领域。
-
Patent Agency Ranking
公开(公告)号：CN116628472A
公开(公告)日：2023-08-22
申请号：CN202310486505.2
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: G06F18/213 , G06F18/241 , G06N3/042 , G06N3/0464
Abstract: 一种基于特征关联的辐射源个体信号图结构映射方法，它涉及一种辐射源个体信号图结构映射方法。本发明为了解决现有图结构映射方法在辐射源个体识别任务上效率低，性能差的问题。本发明的核心在于采用基于特征关联性的图结构映射方法构建个体信号图分类数据集，通过GNN模型实现辐射源个体识别，有效提高识别性能。本发明属于信号识别技术领域。
-
公开(公告)号：CN117746163B
公开(公告)日：2025-03-07
申请号：CN202410098174.X
申请日：2024-01-23
Applicant: 哈尔滨工程大学 , 杭州市滨江区浙工大人工智能创新研究院
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06V10/52 , G06F18/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 一种基于多尺度视觉Transformer的雷达工作模式识别方法，它涉及一种雷达工作模式识别方法。本发明为了解决传统雷达工作模式识别算法全局特征提取能力差，识别功能泛化性差的问题。本发明使用CWD时频变换将雷达脉冲信号转化为时频图，并对样本进行了长度一致化处理，有利于深度学习模型充分提取信号的时频演化规律；该发明采用基于Biformer的多尺度特征提取网络，引入了分层的双层路由注意力机制，可以更好地在捕捉雷达信号时频图的全局和局部特征，能够在有效降低算法的复杂度的同时取得更高的识别准确率。本发明属于数字信号处理技术领域。
-
公开(公告)号：CN116707862B
公开(公告)日：2024-07-12
申请号：CN202310477858.6
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: H04L9/40 , H04L67/12 , G06F18/25 , G06F18/241 , G06F18/214
Abstract: 一种基于多网络融合模型的ADS‑B信号认证方法，它涉及一种ADS‑B信号认证方法。本发明为了解决航空环境所存在的非法入侵、辨识模糊的问题。本发明用航空器信号数据集对VAE模型进行训练，使模型能够在误差允许范围内对信号实现特征压缩与重构，并基于欧式空间误差度量方法，计算原始信号与重构信号之间的重构误差，在保证不高于10％的虚警概率下，确定重构误差门限，对信号重构误差高于门限的识别为异常设备，进行非法拦截，实现航空器信号的非法认证。本发明属于无线通信设备识别技术领域。
-
公开(公告)号：CN116451124B
公开(公告)日：2023-09-08
申请号：CN202310478939.8
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 一种基于解耦表征学习的不均衡辐射源信号识别方法，它涉及一种不均衡辐射源信号识别方法。本发明为了解决由于辐射源信号不平衡性导致的深度学习模型不能很好的处理长尾辐射源识别任务的问题。本发明使用自适应重加权进行参数更新模型，引入L2正则化，在解决类别不平衡问题的同时提高了模型的泛化能力。本发明属于特定辐射源识别技术领域。
-
公开(公告)号：CN115392427A
公开(公告)日：2022-11-25
申请号：CN202110565030.7
申请日：2021-05-24
Applicant: 哈尔滨工程大学
Abstract: 基于复数神经网络的星载ADS‑B交叠信号分离方法，所述方法包括如下步骤：S1：对接收到的星载ADS‑B交叠信号进行包络提取，得到包络信号；S2：对所述包络信号进行希尔伯特变换，得到交叠的IQ复数数据；S3：将所述IQ复数数据输入复数神经网络进行交叠信号分离，得到分离的IQ信号；S4：对所述分离的IQ信号的数据位进行PPM解码，再进行CRC校验；S5：根据校验结果存储分离的正确的信号。本发明采用经验公式提取包络信号，减少了计算量，提高了分离效率，采用复数神经网络进行交叠信号分离，分离准确率高，分离信号响应时间快，工程可实现性强，从而解决了传统的分离方法算法复杂度高，耗时长，分离效率不高的问题。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.017 seconds)
