-
公开(公告)号：CN118552744B
公开(公告)日：2025-04-29
申请号：CN202410549323.X
申请日：2024-05-06
Applicant: 哈尔滨工程大学
IPC: G06V10/44 , G01S7/02 , G06V10/764 , G06V10/774
Abstract: 本发明属于辐射源信息识别技术领域，具体涉及一种辐射源工作模式识别方法、程序、设备及存储介质。本发明利用余弦度量距离，改进高斯核函数，提升模型对局部特性的提取能力，并结合多项式核函数的全局性能力，构造新的组合核函数，改进SVM模型，提高模型的鲁棒性。本发明设计了倭河马算法，自适应优化SVM模型参数组合，为倭河马赋予警惕属性，引入预警因子，改进倭河马防御时的位置更新方式，增强算法的泛化能力，使得改进SVM模型参数组合随迭代次数不断优化，进而提升改进SVM模型的识别能力，实现了小样本条件下辐射源工作模式识别方法泛化性和准确性的提高。
-
公开(公告)号：CN116527169B
公开(公告)日：2024-02-02
申请号：CN202310486546.1
申请日：2023-04-28
Applicant: 哈尔滨工程大学
Abstract: 本申请公开了一种低人口密度区域无线信号强度检测系统及方法，其中系统包括：标准无线模块、数据处理模块、数据存储模块和数据上行模块；所述标准无线模块用于进行数据测量，得到第一数据；所述数据处理模块用于对所述第一数据进行处理，得到第二数据；所述数据存储模块用于将所述第二数据进行本地化储存；所述数据上行模块用于将所述第二数据上行至服务器。本申请通过对采集数据进行算法滤波和插值拟合，提高了测量数据的精度；通过合理设计PCB和天线尺寸使此发明与无人机适配，较市面上的测量设备更小巧；通过MQTT协议对数据进行了有效的转发和存储，为后期数据分析提供了可靠保障。
-
公开(公告)号：CN116859348A
公开(公告)日：2023-10-10
申请号：CN202310702730.5
申请日：2023-06-14
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种基于马群觅食算法的线性滑变脉冲分选方法和装置，包括以下步骤：步骤S1、获取包含干扰脉冲的线性滑变脉冲序列；步骤S2、对所述序列进行差分运算，估计线性滑变脉冲的首个脉冲重复周期和基本滑变间隔；步骤S3、根据首个脉冲重复周期和基本滑变间隔，将线性滑变脉冲序列映射到平面#imgabs0#步骤S4、随机选取平面#imgabs1#上不重合的两点，建立直线模型并计算内点集；步骤S5、确定平面#imgabs2#上最终内点集NDfinal；步骤S6、根据最终内点集NDfinal，通过马群觅食算法实现线性滑变脉冲的准确分选。采用本发明技术方案，以解决针对分选线性滑变脉冲时脉冲丢失与脉冲干扰导致分选准确率不佳的问题。
-
公开(公告)号：CN111079615B
公开(公告)日：2023-03-31
申请号：CN201911258192.5
申请日：2019-12-10
Applicant: 哈尔滨工程大学
Abstract: 本发明属于辐射源信号分离领域，目的在于提供一种基于莱维飞行细菌觅食进化的盲源分离方法：首先，对群智能交互机制参数和种群进行初始化，然后开始迭代和趋向循环，判断是否达到最大趋向次数，若未达到继续进行趋向操作，否则开始复制操作，完成复制操作后开始种群迁徙，完成迁徙后，对种群实施差分进化并进行多样性评估，若子代平均个体间距大于父代，则将子代种群替换父代；最后，判定是否达到最大迭代次数，若未达到则继续迭代，否则将最优参数组合输出至VMD中得到本征模态分量，相关运算后选取相关系数最大且与源信号具有相同数量的分量作为最终源信号。本发明提高了盲源分离的收敛速度及可靠性，增强了盲源分离的实时性及准确性。
-
公开(公告)号：CN109444832B
公开(公告)日：2023-02-14
申请号：CN201811250987.7
申请日：2018-10-25
Applicant: 哈尔滨工程大学
IPC: G01S7/38
Abstract: 本发明属于电子干扰技术领域，具体涉及一种基于多干扰效能值的群智能干扰决策方法；包括飞行器从电磁环境中获取侦测目标信息，利用组网雷达检测概率和定位精度的自适应加权和构建目标函数，通过群智能技术对目标函数寻优，将连续解离散化，同时引入遗传算法交叉思想，最终将生成的干扰策略送至飞行器干扰设备；本发明联合多指标对干扰效果进行评估，将组网雷达的检测概率和定位精度两个评估指标结合作为干扰决策目标函数，有效提高了计算目标函数值的可靠性，进而提升了干扰决策的正确性，同时，本发明结合自适应加权和方法与群智能算法，提高了算法的收敛速度，提高了寻优的适应性，降低了计算复杂度，并且增强了算法的全局搜索能力。
-
Patent Agency Ranking
公开(公告)号：CN109991578B
公开(公告)日：2022-05-20
申请号：CN201910228253.7
申请日：2019-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于盲压缩核字典学习的多分量雷达信号调制识别方法。采用Choi‑Williams时频分布(CWD)得到多分量雷达信号的时频矩阵，利用预处理技术降低时频矩阵的维度，同时引入盲压缩思想，运用贝努利随机矩阵进一步进行时频矩阵无损压缩，通过核字典学习算法将数据集从低维空间投影到高维空间，在不分离多分量信号的情况下对多信号进行表征，最后，将得到的稀疏系数向量送入支持向量机进行调制方式精准识别。本发明解决了多分量雷达信号调制识别过程中复杂度高、适应性弱、可靠性差、收敛速度慢的问题。
-
公开(公告)号：CN111865452B
公开(公告)日：2022-04-05
申请号：CN202010606879.X
申请日：2020-06-29
Applicant: 哈尔滨工程大学
IPC: H04B17/309 , H04L27/26
Abstract: 本发明属于辐射源信号分离技术领域，具体涉及一种基于自适应细菌觅食的单通道盲源分离方法。本发明针对现有的SCBSS方法存在准确性低和无法在未知源数目情况下进行准确分离的问题，将单通道观测信号进行虚实分解得到两路待分解信号，在源信号数目未知的条件下，利用基于信息论准则的MDL‑AIC组合数目估计方法和基于GDE的数目估计方法对单通道观测信号进行源数目估计，同时采用自适应细菌觅食算法对VMD的参数进行优化，将VMD所需分解层数、惩罚因子依靠人为确定和重建多路信号所需源数目未知的问题转变为复杂目标函数的求解问题。本发明相较于利用VMD的SCBSS方法可以得到更优的参数，解决了现有SCBSS方法准确性低和需要已知源数目的问题，提升此方法准确性。
-
公开(公告)号：CN113283527A
公开(公告)日：2021-08-20
申请号：CN202110631515.1
申请日：2021-06-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达威胁评估技术领域，具体涉及一种基于层级指标的雷达威胁评估方法。本发明利用GAT建立层级指标中一级指标和三级指标之间的关系，并结合AP算法与DNN，设计表征一级指标、二级指标和三级指标关系的层级指标关系，实现了对雷达的威胁评估。本发明结合注意力机制，融合相似度理论设计权值分配方法，使得层级指标关系的构建更具备客观性；同时利用图注意力网络及深度神经网络，设计了一种全新的与实际传感器数据相关联的层级指标关系，增加了威胁评估方法的鲁棒性和适应性，提高了方法的可靠性，使得本发明在接收信息不全面的情况下依旧可以实现威胁值的准确评估。
-
公开(公告)号：CN107301432B
公开(公告)日：2020-09-25
申请号：CN201710562232.X
申请日：2017-07-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于时频分析的自适应辐射源调制识别方法。一，对接收的辐射源信号使用时频分布进行时频分析，将辐射源信号从时域信号转换为时间‑频率二维图像；二，使用图像处理技术降低计算复杂度和特征维数，经过归一化、二值化、图像细化图像预处理操作，增强信号特征信息在图像中的比重；三，联合二阶四阶矩估计方法，利用自适应主成分分析算法，对预处理后的图像进行图像形状特征提取；四，使用LIBSVM分类器识别辐射源信号的调制方式。本发明即能有效避免低信噪比信号特征缺失，又能避免高信噪比信号特征冗余的情况，同时不影响调制识别率。
-
公开(公告)号：CN109444832A
公开(公告)日：2019-03-08
申请号：CN201811250987.7
申请日：2018-10-25
Applicant: 哈尔滨工程大学
IPC: G01S7/38
Abstract: 本发明属于电子干扰技术领域，具体涉及一种基于多干扰效能值的群智能干扰决策方法；包括飞行器从电磁环境中获取侦测目标信息，利用组网雷达检测概率和定位精度的自适应加权和构建目标函数，通过群智能技术对目标函数寻优，将连续解离散化，同时引入遗传算法交叉思想，最终将生成的干扰策略送至飞行器干扰设备；本发明联合多指标对干扰效果进行评估，将组网雷达的检测概率和定位精度两个评估指标结合作为干扰决策目标函数，有效提高了计算目标函数值的可靠性，进而提升了干扰决策的正确性，同时，本发明结合自适应加权和方法与群智能算法，提高了算法的收敛速度，提高了寻优的适应性，降低了计算复杂度，并且增强了算法的全局搜索能力。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.033 seconds)
