-
公开(公告)号：CN114895263B
公开(公告)日：2024-08-20
申请号：CN202210588894.5
申请日：2022-05-26
申请人： 西安电子科技大学
IPC分类号： G01S7/36 , G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/084 , G06N3/096
摘要： 一种基于深度迁移学习的雷达有源干扰信号识别方法，其步骤包括：1、生成雷达有源干扰信号数据集，2、构建雷达有源干扰信号时频图像训练集、验证集和测试集，3、搭建深度迁移学习网络，4、对深度迁移学习网络进行第一次训练，5、对第一次训练后的深度迁移学习网络进行第二次训练，6、利用深度迁移学习网络预测测试集。本发明能够在雷达有源干扰信号样本数量不充足、不易获取雷达有源干扰信号的条件下实现雷达有源干扰信号的准确分类，加快网络训练时的收敛速度，提高雷达有源干扰信号识别的效率，有利于及时选取有效的抗干扰措施，提升雷达的生存率。
-
公开(公告)号：CN116975640A
公开(公告)日：2023-10-31
申请号：CN202310952111.1
申请日：2023-07-31
申请人： 西安电子科技大学
IPC分类号： G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N3/048 , G06N3/006
摘要： 本发明开了一种基于SSA‑CNN‑LSTM网络的干扰对抗态势预测方法，主要用于解决贝叶斯网络对专家经验依赖性过强，而单一结构的神经网络对大量时间序列数据处理速度慢的问题。本发明的实现步骤包括：构建CNN‑LSTM网络，采用麻雀算法优化CNN‑LSTM网络隐藏层神经元个数、初始学习率、正则化系数3个超参数，得到优化后的SSA‑CNN‑LSTM网络。本发明设计的态势预测方法结合了卷积神经网络的特征提取能力和长短期记忆网络的时序预测能力，并利用麻雀算法的超参数优化能力，加快了对大量时间序列数据的处理速度，提升了态势预测算法的自学习和自适应能力。
-
公开(公告)号：CN116805048A
公开(公告)日：2023-09-26
申请号：CN202310147825.5
申请日：2023-02-22
申请人： 西安电子科技大学 , 中国电子科技集团公司第二十九研究所
IPC分类号： G06F18/24 , G06V10/30 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/096
摘要： 本发明公开了一种基于卷积去噪和Resnet50的雷达信号调制识别方法，本发明的实现方案为：对雷达信号进行时频分析；生成训练集；构建卷积去噪自编码器网络；训练卷积去噪自编码器网络；构建深度残差神经网络19‑Resnet50；利用迁移学习策略训练深度残差神经网络19‑Resnet50；识别雷达信号脉内调制类型。本发明利用卷积去噪自编码器网络实现了低信噪比下的雷达信号时频图像去噪，提高了雷达信号时频特征图像质量；本发明利用深度残差神经网络19‑Resnet50提取更深的图像分类特征，能够在低信噪比环境下对多种雷达信号脉内调制类型进行识别，具有抗噪能力强，识别雷达信号种类多，识别正确率高的优点。
-
公开(公告)号：CN111368648B
公开(公告)日：2023-07-07
申请号：CN202010097575.5
申请日：2020-02-17
申请人： 西安电子科技大学
IPC分类号： G06V20/00 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G01S13/89
摘要： 本发明公开了一种雷达辐射源个体识别方法、装置、电子设备及其存储介质，方法包括：获取雷达辐射源包络图像集，所述雷达辐射源包络图像集包括雷达辐射源包络训练图像集、雷达辐射源包络验证图像集、雷达辐射源包络测试图像集；构建卷积神经网络模型，根据所述雷达辐射源包络训练图像集、所述雷达辐射源包络验证图像集对所述卷积神经网络模型进行训练、验证得到训练好的卷积神经网络模型；将所述雷达辐射源包络测试图像集输入至所述训练好的卷积神经网络模型得到雷达辐射源个体识别率。本发明通过构建的卷积神经网络模型可以实现机器自动提取雷达个体特征，克服了传统雷达辐射源个体识别中人工提取特征过程繁琐、更新数据库缓慢等缺点。
-
公开(公告)号：CN116381618A
公开(公告)日：2023-07-04
申请号：CN202310333286.4
申请日：2023-03-31
申请人： 西安电子科技大学
摘要： 本发明公开一种基于位置调制和增益调制的散射波干扰方法，其实现步骤为：对干扰机截获雷达时域信号进行相位调制，对相位调制后的信号进行位置调制，对位置调制后的信号进行增益调制，将增益调制后的信号转发到干扰机照射区域形成散射波干扰。本发明可用于对SAR的散射波干扰，采用距离向调制系数和方位向调制系数，分别对散射波干扰信号进行位置调制，再利用增益调制系数对散射波干扰信号进行增益调制，不仅实现了干扰图像对目标区域的覆盖，还使得干扰图像亮度与环境亮度相近，增加了SAR从成像结果中识别出散射波干扰的难度。
-
公开(公告)号：CN108181616B
公开(公告)日：2021-11-30
申请号：CN201711382421.5
申请日：2017-12-20
申请人： 西安电子科技大学
摘要： 本发明属于雷达数字干扰领域，公开了一种基于System Generator产生雷达数字干扰的方法，包括：搭建雷达数字干扰的基础运算模块；获取需要的数字干扰样式，得到数字干扰样式的数学模型；将数字干扰样式的数学模型转换为由基础运算模块组成的硬件电路；将硬件电路进行通用化封装，得到需要的数字干扰电路，能够简化雷达干扰系统架构，降低雷达干扰系统设计难度，提高雷达干扰系统开发效率。
-
公开(公告)号：CN108549078B
公开(公告)日：2021-11-02
申请号：CN201810293400.4
申请日：2018-03-30
申请人： 西安电子科技大学
摘要： 本发明属于电子侦察技术领域，公开了一种雷达脉冲信号跨信道合并及检测方法。该方法包括如下步骤：选取待检测雷达数据作为原始采样序列；对原始采样序列进行数字信道化处理，得到D个子频带信号；将D个子频带信号分别均匀划分为多段，确定对应的噪声门限，并利用噪声门限进行检测，确定各信道内的初始检测脉冲信号；对各信道内的初始检测脉冲信号进行跨信道合并，得到合并脉冲信号；根据合并脉冲信号，确定对应的真实脉冲信号，并输出。本发明能够在低信噪比、宽带雷达脉冲信号情况下实现对雷达脉冲信号的检测，且检测精度高。
-
公开(公告)号：CN108181616A
公开(公告)日：2018-06-19
申请号：CN201711382421.5
申请日：2017-12-20
申请人： 西安电子科技大学
摘要： 本发明属于雷达数字干扰领域，公开了一种基于System Generator产生雷达数字干扰的方法，包括：搭建雷达数字干扰的基础运算模块；获取需要的数字干扰样式，得到数字干扰样式的数学模型；将数字干扰样式的数学模型转换为由基础运算模块组成的硬件电路；将硬件电路进行通用化封装，得到需要的数字干扰电路，能够简化雷达干扰系统架构，降低雷达干扰系统设计难度，提高雷达干扰系统开发效率。
-
公开(公告)号：CN104181508A
公开(公告)日：2014-12-03
申请号：CN201410437635.8
申请日：2014-08-31
申请人： 西安电子科技大学
IPC分类号： G01S7/02
CPC分类号： G01S7/021
摘要： 本发明公开了一种基于压缩感知的威胁雷达信号检测方法，主要解决现有电子侦察中采样速率高，信号参数交叠条件下检测困难等问题。其实现步骤是：(1)利用已知威胁雷达信号数据库生成雷达原始信号样本空间；(2)根据样本空间构建冗余字典；(3)对待检测的信号进行稀疏表示；(4)对待检测信号进行压缩采样，得到低维的观测值；(5)求解稀疏系数；(6)完成威胁雷达信号的检测。本发明将压缩采样方法引入到雷达信号检测领域来，可以在低采样率条件下，对时间、空间和频谱交叠的雷达信号进行有效检测。
-
公开(公告)号：CN114527434B
公开(公告)日：2024-08-20
申请号：CN202210127378.2
申请日：2022-02-11
申请人： 西安电子科技大学
IPC分类号： G01S7/38 , G01S7/40 , G06F18/24 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于卷积神经网络的雷达干扰效果评估方法，旨在解决现有技术需要从干扰方和雷达方同时获得雷达信息才能进行评估的问题，以及与人为设置评估指标权重的问题。本发明的实现步骤包括：(1)生成训练数据集；(2)搭建卷积神经网络；(3)训练卷积神经网络；(4)对干扰效果进行评估。本发明具有仅从干扰方获取雷达参数就可以进行评估的优点和不需要人为设置评估指标权重就可以进行评估的优点。
-
-
-
-
-
-
-
-
-
搜索结果
69 条记录 (耗时 0.038 秒)
