-
公开(公告)号：CN119270248A
公开(公告)日：2025-01-07
申请号：CN202411407842.9
申请日：2024-10-10
Applicant: 电子科技大学 , 电子科技大学(深圳)高等研究院 , 中国人民解放军93209部队
Abstract: 本发明公开了一种基于无人机群协同的雷达辐射源弱信号检测方法，首先建立基于能量检测的单无人机检测模型，考虑信道的瑞利衰落特性，建立瑞利信道模型并分析虚警概率和检测概率，然后提出基于局部检测+信息融合架构的多无人机对雷达辐射源协同检测的方法，建立全局检测性能评估模型，分析检测系统的性能，实现信号检测。本发明的方法所提模型与方法有效提高了低信噪比场景下的无人机群协同对辐射源目标的检测概率，不仅在理论上丰富了多无人机协同侦察领域的技术框架，而且在实际应用中提供了一种有效的技术手段，以应对低信噪比环境下的侦察挑战，对于提高侦察系统的可靠性和准确性，具有广泛的应用前景。
-
公开(公告)号：CN119126036A
公开(公告)日：2024-12-13
申请号：CN202411113048.3
申请日：2024-08-14
Applicant: 电子科技大学 , 电子科技大学(深圳)高等研究院 , 中国人民解放军93209部队
Abstract: 本发明公开了一种基于趋势滤波的雷达信号PRI序列重建方法，首先构建PRI序列滤波模型，提出最大后验概率估计问题，然后使用E‑M算法更新模型参数，求解最大后验概率估计问题，得到PRI序列滤波结果，将得到的PRI序列滤波结果融合，最后对PRI序列插值修正，输出PRI序列最终重建结果。本发明的方法提出的PRI序列概率模型具有更好的表达雷达信号PRI特征的能力，能有效对含有异常值的雷达信号PRI序列样式进行重建，显著提升PRI序列重建性能，在雷达信号接收分析领域具有重要意义，适用于虚假脉冲、漏脉冲条件下非理想侦收信号序列的PRI参数重建。
-
公开(公告)号：CN117935368A
公开(公告)日：2024-04-26
申请号：CN202410140584.6
申请日：2024-02-01
Applicant: 电子科技大学 , 电子科技大学长三角研究院(衢州)
IPC: G06V40/20 , G06V10/82 , G06V10/764 , G06V10/147 , G06V10/80
Abstract: 本发明公开一种基于毫米波雷达的多特征轻量级手势识别方法，应用于手势识别技术领域，针对现有基于毫米波雷达的手势识别方法，通过多特征融合和深度学习，进行手势识别，存在的计算资源和储存资源耗费较大的问题；本发明首先对毫米波雷达采集到原始信号使用动目标显示技术和距离维快速傅里叶变换，生成手势的距离谱图；然后在距离谱图上对手势所在的距离单元做传统波束形成，生成手势的角度谱图；接着将生成的谱图分为训练数据和测试数据，搭建多特征轻量级网络，使用训练数据对网络进行训练；最后利用测试数据输入训练好的多特征轻量级网络，得到最终的识别结果。本发明方法在保证高准确率的手势识别同时只需要很小的内存需求和很少的计算量。
-
公开(公告)号：CN119272008A
公开(公告)日：2025-01-07
申请号：CN202411384085.8
申请日：2024-09-30
Applicant: 电子科技大学 , 电子科技大学(深圳)高等研究院 , 中国人民解放军93209部队
IPC: G06F18/20 , G06F17/16 , G06F18/211
Abstract: 本发明公开了一种面向多功能雷达工作模式识别的特征参数评估方法，首先构建多功能雷达工作模式识别的特征参数选择评估层次结构，然后构建区间直觉模糊语言量度表，并确认专家人选，获取专家对特征参数的评估信息，并且通过汇总信息构建专家偏好量表，再根据语言量度对比结果，计算得到归一化优先级可能度，最后根据得到的准则层、指标层、特征层的优先级可能度，计算得到特征层对目的层的影响度，进行大小排序，获得特征参数排序结果。本发明的方法利用区间直觉模糊‑层次分析法对多功能雷达工作模式识别特征参数进行评估，对不同场景下对多功能雷达工作模式识别的参数选择提供理论依据和规则指导，有利于精确参数选择，提升识别结果的可靠性。
-
公开(公告)号：CN119129822A
公开(公告)日：2024-12-13
申请号：CN202411211423.8
申请日：2024-08-30
Applicant: 电子科技大学 , 电子科技大学(深圳)高等研究院 , 中国人民解放军93209部队
IPC: G06Q10/04 , G06N5/022 , G06Q10/0631 , G06F17/16 , G06F17/18 , G06N20/10 , G06N3/047 , G06N3/0442 , G06Q50/26
Abstract: 本发明公开了一种基于计划行为理论的多功能雷达行为预测建模方法，通过构建人类计划行为理论和多功能雷达计划行为的映射关系，构建多功能雷达计划行为预测理论结构模型并对其各个分析模块进行数学建模，得到多功能雷达计划行为预测模型，然后建立多功能雷达仿真场景，进行多功能雷达参数、行为数据获取，构建示例数据集并进行预处理，构建特征样本用于模型训练，验证模型准确率，最后基于验证准确率合格的行为预测模型构建基于计划行为理论的多功能雷达计划行为预测系统，输入雷达行为数据完成雷达行为预测。本发明的方法有效实现了多功能雷达行为预测的数学建模，解决了行为预测基础支撑理论缺乏、行为预测方法体系未建立的难题。
-
Patent Agency Ranking
公开(公告)号：CN119064885A
公开(公告)日：2024-12-03
申请号：CN202411321756.6
申请日：2024-09-23
Applicant: 电子科技大学 , 电子科技大学(深圳)高等研究院 , 中国人民解放军93209部队
Abstract: 本发明公开了一种基于相似度分析的多功能雷达信号序列预测方法，首先对雷达信号序列进行预处理，通过趋势滤波算法重建雷达信号序列参数，对信号序列进行简化表示，然后通过动态时间规整算法计算当前与历史时刻信号序列之间的相似度，最后利用具有最高相似度的若干历史时刻信号序列构建预测原型，对预测原型进行加权，得到雷达信号序列预测结果。本发明的方法与现有方法相比，不依赖于脉冲样式先验信息，且能够提升信号序列预测准确性，能有效对非理想第三方信号接收场景下多功能雷达信号序列进行预测，在雷达信号分析处理领域具有重要意义，适用于非理想侦收场景下多功能雷达信号序列的预测。
-
公开(公告)号：CN117784074A
公开(公告)日：2024-03-29
申请号：CN202410171967.X
申请日：2024-02-07
Applicant: 电子科技大学 , 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开一种基于多域特征融合的雷达人体行为识别方法，应用于针对现有基于雷达传感器和深度学习技术的人体行为识别方法仅采用一个域的特征，或仅在时频域上采用一种时频分析方法，造成对人体行为特征表达不充分的问题；本发明选择了三种不同时频分辨率的时频分析方法，即短时傅里叶变换、自适应最优核时频表示法和汉宁核减少交叉项干扰分布；得到三类频谱图；然后在时频域上利用SENet和3DCNN网络将三类时频谱图结合使用，更充分表达了人体行为特征；在距离域上，同样使用SENet提取关键特征；并将两个域的特征结合起来，找到其相互关系，有效提高了对人体行为的识别准确率。
-
公开(公告)号：CN119439067A
公开(公告)日：2025-02-14
申请号：CN202411384081.X
申请日：2024-09-30
Applicant: 电子科技大学 , 电子科技大学(深圳)高等研究院 , 中国人民解放军93209部队
IPC: G01S7/02 , G06F18/24 , G06N3/0464 , G06N3/0442 , G06F18/15 , G06F18/213
Abstract: 本发明公开了一种基于CNN‑LSTM复合深度模型的雷达辐射源信号分选方法，首先仿真生成混叠的雷达辐射源脉冲信号数据，然后建立CNN网络模型并加入LSTM层，得到CNN‑LSTM复合深度模型，再对混叠雷达辐射源脉冲信号数据进行预处理，划分训练集与测试集，使用训练集训练CNN‑LSTM复合深度模型，最后输入测试集数据到训练好的CNN‑LSTM复合深度模型，进行混叠雷达辐射源脉冲信号分选，得到雷达辐射源分选结果。本发明的方法相较于现有方法以及基于全连接网络的分选方法，分选准确率更高，在面对输入脉冲中漏脉冲率以及虚假脉冲率高的情况下鲁棒性强，可为现代复杂电磁环境下雷达辐射源信号分选提供新的理论支撑和技术途径，为雷达信号接收分析提供有效帮助。
-
公开(公告)号：CN119377798A
公开(公告)日：2025-01-28
申请号：CN202411507523.5
申请日：2024-10-28
Applicant: 电子科技大学 , 电子科技大学(深圳)高等研究院
IPC: G06F18/2415 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/0985 , G06N3/084 , G06N3/047
Abstract: 本发明公开了一种基于逆残差平均池化模型的辐射源个体识别方法，首先通过提取辐射源的参数特征构建脉冲描述字PDW参数数据集，然后构建并初始化逆残差平均池化模型，设置模型的超参数及训练方法，再将数据集划分为训练集、验证集和测试集，使用训练集对神经网络模型进行训练、使用验证集评估训练过程，训练完成后，利用训练好的模型对测试集数据进行分类识别测试，以实现个体识别，并评估分类准确率和模型鲁棒性。本发明的方法将逆残差卷积模块与全局平均池化层结合，能够更加高效地提取辐射源的特征信息，显著提高辐射源个体识别的准确率，有效降低网络识别的计算复杂度，并增强网络的鲁棒性。
-
公开(公告)号：CN119247311A
公开(公告)日：2025-01-03
申请号：CN202411451183.9
申请日：2024-10-17
Applicant: 电子科技大学 , 电子科技大学长三角研究院(衢州)
IPC: G01S7/41 , A61B5/11 , A61B5/0507 , A61B5/05 , A61B5/00 , G06V40/20 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于硬分类判决的多通道雷达轻量化人体行为识别方法，应用于行为识别技术领域，针对现有人体行为识别方法存在的识别性能不足的问题；本发明首先将基于毫米波雷达采集到的多通道人体行为数据进行汇集，将相关雷达原始回波信号经过MTI技术处理，再分别进行STFT获得人体目标距离维度、多普勒维度等维度的雷达热图。将获得的多通道雷达热图作为数据集分别输入多个独立的MobileNetV3轻量化网络模型进行分类识别，随后将多通道识别结果经过一套基于硬分类判决的算法判定，使多通道人体行为信息融合，得到最终的人体行为判别标签。
-
-
-
-
-
-
-
-
-
Search Results
659
records
(took 0.03 seconds)
