-
公开(公告)号：CN117949897B
公开(公告)日：2024-07-09
申请号：CN202410031123.5
申请日：2024-01-09
申请人： 哈尔滨理工大学
摘要： 一种基于时序分割和聚类的多功能雷达工作模式识别方法，属于雷达电子侦察技术领域。方法是：S1、从接收机获取的脉冲序列X＝{x1,x2,…,xN}，每个脉冲由m个PDW特征参数表征；S2、初始化脉冲序列的分割阶数为k；S3、给定脉冲序列的最大分割阶数为Kmax，若k＜Kmax，则重复执行步骤S4，并令k＝k+1；否则，执行步骤S5和S6；S4、基于信息增益作为损失函数的IGTS算法对脉冲序列进行划分，得到脉冲序列的分割点和工作模式片段；S5、根据不同分割阶数k下的损失函数，利用相邻损失函数一阶差分的比来发现其拐点所对应的k值，以确定待识别的工作模式片段；S6、基于DTW距离作为相似性度量的k‑means算法对获得的工作模式片段进行聚类，得到工作模式的聚类标签。本发明用于雷达工作模式识别。
-
公开(公告)号：CN117875032B
公开(公告)日：2024-07-02
申请号：CN202311802851.3
申请日：2023-12-25
申请人： 哈尔滨理工大学
IPC分类号： G06F30/20
摘要： 本发明公开了一种动静混合协议下状态饱和质量弹簧系统的优化滤波方法，所述方法包括如下步骤：一、建立动静混合协议影响下具有状态饱和的质量弹簧系统动态模型；二、基于质量弹簧系统动态模型，设计状态饱和滤波器；三、通过求解矩阵方程，计算第i个节点在第h时刻的预测误差协方差上界Θi,h+1|h；四、根据Θi,h+1|h，计算第i个节点在第h+1时刻的滤波器增益#imgabs0#五、根据#imgabs1#将其代入至滤波器中，得到第i个节点在第h+1时刻的滤波#imgabs2#判断当前时刻h+1是否达到总时长T，若h+1＜T，则执行六，否则，结束运行；六、根据#imgabs3#得到第i个节点在第h+1时刻的滤波误差协方差上界Θi,h+1|h+1；令h＝h+1，执行二，直至h+1≥T。该滤波方法可有效解决质量弹簧系统在动静混合协议及状态饱和影响下的滤波问题。
-
公开(公告)号：CN118200158A
公开(公告)日：2024-06-14
申请号：CN202410208823.7
申请日：2024-02-26
申请人： 哈尔滨理工大学
IPC分类号： H04L41/14 , H04L41/147
摘要： 本发明公开了一种随机拓扑结构下异步采样速率分布式优化状态估计方法，所述方法如下：一、建立系统状态更新速率和测量采样速率不同的异步采样速率时变非线性动态模型；二、将动态模型转化为单速率的时变非线性动态模型；三、设计随机拓扑结构下的状态估计器；四、计算估计器在qk时刻的估计器增益矩阵Ki(qk)和Gi(qk)；五、将Ki(qk)和Gi(qk)代入估计器中，得到qk+1时刻的状态估计量#imgabs0#六、计算一步预测误差协方差矩阵上界；七、将Ki(qk)和Gi(qk)带入一步预测误差协方差矩阵上界，计算qk+1时刻一步预测误差协方差矩阵的最小上界；令qk＝qk+1，执行三，直至满足qk+1＝K。本发明解决了现有状态估计方法不能同时处理随机拓扑结构下具有随机非线性和异步采样速率的分布式优化状态估计问题。
-
公开(公告)号：CN117973547B
公开(公告)日：2024-10-29
申请号：CN202311868407.1
申请日：2023-12-29
申请人： 哈尔滨理工大学
摘要： 本发明公开了一种测量删失影响下模糊网络化系统的记忆故障检测方法，所述方法包括如下步骤：步骤一、建立具有测量删失的T‑S模糊网络化系统模型；步骤二、利用受删失和记忆自适应事件触发机制影响的测量信息构造模糊故障检测滤波器结构，并得到残差动态系统；步骤三、获得保证残差动态系统有限时有界且具有H∞性能的判别依据；步骤四、求解故障检测滤波器增益；步骤五、将故障检测滤波器增益代入故障检测滤波器中，生成残差；步骤六、计算残差的评估函数和阈值，判断故障是否发生。该方法解决了现有故障检测方法不能处理的测量删失影响下的故障检测问题，能够在实现测量删失影响下的模糊网络化系统的故障检测的同时，有效节约网络资源。
-
公开(公告)号：CN117875032A
公开(公告)日：2024-04-12
申请号：CN202311802851.3
申请日：2023-12-25
申请人： 哈尔滨理工大学
IPC分类号： G06F30/20
摘要： 本发明公开了一种动静混合协议下状态饱和质量弹簧系统的优化滤波方法，所述方法包括如下步骤：一、建立动静混合协议影响下具有状态饱和的质量弹簧系统动态模型；二、基于质量弹簧系统动态模型，设计状态饱和滤波器；三、通过求解矩阵方程，计算第i个节点在第h时刻的预测误差协方差上界Θi,h+1|h；四、根据Θi,h+1|h，计算第i个节点在第h+1时刻的滤波器增益#imgabs0#五、根据#imgabs1#将其代入至滤波器中，得到第i个节点在第h+1时刻的滤波#imgabs2#判断当前时刻h+1是否达到总时长T，若h+1＜T，则执行六，否则，结束运行；六、根据#imgabs3#得到第i个节点在第h+1时刻的滤波误差协方差上界Θi,h+1|h+1；令h＝h+1，执行二，直至h+1≥T。该滤波方法可有效解决质量弹簧系统在动静混合协议及状态饱和影响下的滤波问题。
-
公开(公告)号：CN118232877B
公开(公告)日：2024-09-10
申请号：CN202410423443.5
申请日：2024-04-09
申请人： 哈尔滨理工大学
摘要： 本发明公开了一种多速率非线性系统的抗窃听分布式融合滤波方法，所述方法包括如下步骤：一、建立基于传感器网络的多速率非线性系统动态模型；二、通过预测补偿策略，将多速率非线性系统动态模型转化为单速率非线性系统动态模型；三、设计抗窃听分布式融合器；四、计算一步预测误差协方差上界#imgabs0#五、推导局部分布式滤波器参数Ki(tk+1)；六、推导选择矩阵Lij(tk+1)；七、将Ki(tk+1)和Lij(tk+1)代入三，获得融合滤波#imgabs1#八、求解局部滤波误差协方差上界#imgabs2#本发明解决了现有融合滤波方法不能同时处理存在窃听者以及衰减测量的多速率非线性系统的滤波问题，从而提高了此类问题滤波性能的准确率。
-
公开(公告)号：CN118051903B
公开(公告)日：2024-07-23
申请号：CN202410022690.4
申请日：2024-01-05
申请人： 哈尔滨理工大学
摘要： 本发明公开了一种量化编解码机制下多机动目标安全定位方法，所述方法包括如下步骤：一、建立多机动目标的动态模型；二、在随机虚假数据注入攻击和编解码机制下对动态模型进行估计器设计；三、计算在第k时刻机动目标i的一步预测误差协方差矩阵上界#imgabs0#四、计算在第k+1时刻机动目标i的估计增益矩阵Ki,k+1；五、将Ki,k+1代入二中，得到在第k+1时刻机动目标i的状态估计#imgabs1#六、计算估计误差协方差矩阵的上界#imgabs2#本发明解决了现有的多机动目标状态估计方法不能同时处理存在编码信息以及遭受随机虚假数据注入攻击的可能，导致估计器的估计性能不够准确，甚至出现状态跟踪曲线出现发散的问题。
-
公开(公告)号：CN117949897A
公开(公告)日：2024-04-30
申请号：CN202410031123.5
申请日：2024-01-09
申请人： 哈尔滨理工大学
摘要： 一种基于时序分割和聚类的多功能雷达工作模式识别方法，属于雷达电子侦察技术领域。方法是：S1、从接收机获取的脉冲序列X＝{x1,x2,…,xN}，每个脉冲由m个PDW特征参数表征；S2、初始化脉冲序列的分割阶数为k；S3、给定脉冲序列的最大分割阶数为Kmax，若k＜Kmax，则重复执行步骤S4，并令k＝k+1；否则，执行步骤S5和S6；S4、基于信息增益作为损失函数的IGTS算法对脉冲序列进行划分，得到脉冲序列的分割点和工作模式片段；S5、根据不同分割阶数k下的损失函数，利用相邻损失函数一阶差分的比来发现其拐点所对应的k值，以确定待识别的工作模式片段；S6、基于DTW距离作为相似性度量的k‑means算法对获得的工作模式片段进行聚类，得到工作模式的聚类标签。本发明用于雷达工作模式识别。
-
公开(公告)号：CN118232877A
公开(公告)日：2024-06-21
申请号：CN202410423443.5
申请日：2024-04-09
申请人： 哈尔滨理工大学
摘要： 本发明公开了一种多速率非线性系统的抗窃听分布式融合滤波方法，所述方法包括如下步骤：一、建立基于传感器网络的多速率非线性系统动态模型；二、通过预测补偿策略，将多速率非线性系统动态模型转化为单速率非线性系统动态模型；三、设计抗窃听分布式融合器；四、计算一步预测误差协方差上界#imgabs0#五、推导局部分布式滤波器参数Ki(tk+1)；六、推导选择矩阵Lij(tk+1)；七、将Ki(tk+1)和Lij(tk+1)代入三，获得融合滤波#imgabs1#八、求解局部滤波误差协方差上界#imgabs2#本发明解决了现有融合滤波方法不能同时处理存在窃听者以及衰减测量的多速率非线性系统的滤波问题，从而提高了此类问题滤波性能的准确率。
-
公开(公告)号：CN118051903A
公开(公告)日：2024-05-17
申请号：CN202410022690.4
申请日：2024-01-05
申请人： 哈尔滨理工大学
摘要： 本发明公开了一种量化编解码机制下多机动目标保安全定位方法，所述方法包括如下步骤：一、建立多机动目标的动态模型；二、在随机虚假数据注入攻击和编解码机制下对动态模型进行估计器设计；三、计算在第k时刻机动目标i的一步预测误差协方差矩阵上界#imgabs0#四、计算在第k+1时刻机动目标i的估计增益矩阵Ki,k+1；五、将Ki,k+1代入二中，得到在第k+1时刻机动目标i的状态估计#imgabs1#六、计算估计误差协方差矩阵的上界#imgabs2#本发明解决了现有的多机动目标状态估计方法不能同时处理存在编码信息以及遭受随机虚假数据注入攻击的可能，导致估计器的估计性能不够准确，甚至出现状态跟踪曲线出现发散的问题。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.022 秒)
