专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果76个,建议您升级VIP下载更多相关专利
  • [发明专利]基于视觉网络的SAR欺骗干扰效果评估方法-CN202310887599.4在审
  • 肖易寒;代亮;陈涛;郭立民;蒋伊琳;宋柯;于祥祯 - 哈尔滨工程大学
  • 2023-07-19 - 2023-10-27 - G01S7/40
  • 基于视觉网络的SAR欺骗干扰效果评估方法,它属于电子对抗领域。本发明解决了采用现有SAR欺骗干扰效果评估方法无法对不同参数类型存在不同程度侦察误差的情况进行评估的问题。本发明方法具体为:步骤一、生成包含SAR参数侦察误差的干扰样本,将生成的干扰样本作为训练集中的输入,将干扰样本对应的参数误差类型和参数误差程度作为训练集中的输出;步骤二、搭建视觉网络模型;步骤三、利用训练集对搭建的视觉网络模型进行训练;步骤四、将待评估的干扰样本输入训练好的视觉网络模型,通过训练好的视觉网络模型输出对待评估干扰样本的参数误差类型和参数误差程度的评估结果。本发明方法可以应用于SAR欺骗干扰效果评估。
  • 基于视觉网络sar欺骗干扰效果评估方法
  • [发明专利]一种雷达辐射源的射频特征提取方法-CN202310398886.9在审
  • 蒋伊琳;杨耀祖;张伟;陈涛;郭立民;赵忠凯;刘鲁涛 - 哈尔滨工程大学
  • 2023-04-14 - 2023-09-19 - G06F18/214
  • 本发明公开了一种雷达辐射源的射频特征提取方法,获取待提取特征的射频信号并进行预处理,分别输入至预先训练的用于特征提取的网络1和网络2,网络1和网络2均为堆栈自编码器网络、且均包含相同层数的多层编解码器,网络2最后一层编码器输出提取的射频特征;训练过程包括理想射频信号数据集和建模射频信号数据集分别输入网络1和网络2均进行分层预训练和全局训练至训练完毕,得到训练后的网络1和网络2。本发明能够在以信号特征为约束的情况下,分割开辐射源信号的信号特征和射频特征,使得提取的射频特征更完整,并可将提取的射频特征用于辐射源个体识别、干扰抑制等对射频特征准确性要求较高的应用领域。
  • 一种雷达辐射源射频特征提取方法
  • [发明专利]一种基于深度学习的雷达辐射源结构反演方法-CN202310746167.1在审
  • 刘鲁涛;张伟;蒋伊琳 - 哈尔滨工程大学
  • 2023-06-21 - 2023-09-19 - G06F18/2415
  • 一种基于深度学习的雷达辐射源结构反演方法,它属于雷达辐射源信号处理技术领域。本发明解决了现有方法在复杂的背景下无法实现对敌方雷达辐射源的深度认知的问题。本发明方法为:步骤一、生成复RF信号样本,为每个复RF信号样本添加对应的雷达辐射源结构标签后得到复RF信号训练数据集;步骤二、构建sFSAE网络和SoftMax分类器,对训练数据集中的复RF信号样本进行处理后,利用处理后的复RF信号样本和标签对sFSAE网络和SoftMax分类器进行训练;步骤三、将训练好的sFSAE网络的各层频域稀疏自编码器的特征编码器和训练好的SoftMax分类器串联起来,将对待检测RF信号的处理结果输入串联后的网络,得到对雷达辐射源结构的反演结果。本发明方法可以应用于雷达辐射源信号处理。
  • 一种基于深度学习雷达辐射源结构反演方法
  • [发明专利]一种基于CNN-Bi-LSTM的干扰机自干扰数字对消方法-CN202211506619.0有效
  • 赵忠凯;鲁人杰;关泽越;蒋伊琳 - 哈尔滨工程大学
  • 2022-11-28 - 2023-09-15 - H04B1/525
  • 一种基于CNN‑Bi‑LSTM的干扰机自干扰数字对消方法,涉及电子侦察与干扰领域。本发明是为了解决目前的自干扰对消方法没有考虑时间记忆维度以外的非线性特征,进而导致其应用于干扰机自干扰对消中效果不佳的问题。本发明具体为:获取干扰机发射的参考信号和接收到的信号,将参考信号输入到自干扰估计网络中获得估计的自干扰,再将干扰机接收到的信号与估计的自干扰相减完成自干扰对消,获得自干扰对消后的信号;本发明提出的自干扰估计网络额外加入了记忆项对应的高阶非线性项,再结合Bi‑LSTM网络对记忆项进行时间依赖关系的前后双向拟合,提升了对于时间记忆维度以外的非线性特征的拟合效果。本发明用于干扰机自干扰的对消。
  • 一种基于cnnbilstm干扰数字对消方法
  • [发明专利]一种基于度量与深度学习的辐射源射频特征提取方法-CN202310741437.X在审
  • 刘鲁涛;张伟;蒋伊琳 - 哈尔滨工程大学
  • 2023-06-21 - 2023-09-12 - G06F18/213
  • 一种基于度量与深度学习的辐射源射频特征提取方法,它属于辐射源射频特征提取技术领域。本发明解决了采用现有方法难以提取到具有良好的稳定性和可分性的RF特征,且提取的RF特征易受IM信息的干扰而失效的问题。本发明方法为:构建建模数据集和理想训练数据集;对构建数据集中的每个RF信号样本进行处理,得到每个RF信号样本对应的处理结果;利用理想训练数据集中RF信号样本的处理结果对搭建的AE网络进行训练;利用建模数据集中RF信号样本的处理结果和训练好的AE网络对FRM网络进行训练;对待检测RF信号进行处理后,将处理结果输入训练好的受信号特征编码器输出约束的FRM网络,得到辐射源射频特征提取结果。本发明可以应用于辐射源射频特征提取。
  • 一种基于度量深度学习辐射源射频特征提取方法
  • [发明专利]一种基于自编码器和DDPG算法的干扰波形设计方法-CN202310711107.6在审
  • 蒋伊琳;管立松;赵忠凯;郭立民;陈涛;刘鲁涛 - 哈尔滨工程大学
  • 2023-06-15 - 2023-09-12 - G01S7/36
  • 一种基于自编码器和DDPG算法的干扰波形设计方法,具体涉及一种基于自编码器和深度确定性策略梯度算法的针对电子战干扰雷达检测环节的认知干扰波形设计方法。为了解决传统干扰波形设计得到的干扰波形降低了电子干扰的作战效果,无法对智能化的认知雷达形成有效干扰的问题。它将高斯白噪声和雷达信号生成干扰信号的过程以干扰信号生成滤波器表示,通过干扰信号和雷达信号通过反卷积操作得到对应的干扰信号生成滤波器的冲激响应,通过自编码器和DDPG算法对干扰信号生成滤波器的冲激响应进行调控,针对干扰有效区间、功率比等进行优化,基于恒虚警检测的实时反馈生成认知干扰波形,使干扰波形能够随着实际环境的变化进行随时优化。属于雷达干扰领域。
  • 一种基于编码器ddpg算法干扰波形设计方法
  • [发明专利]一种通信系统接收端已知信号消除方法及系统-CN202111491329.9有效
  • 蒋伊琳;王林森;赵忠凯;陈涛;郭立民;刘鲁涛 - 哈尔滨工程大学
  • 2021-12-08 - 2023-08-18 - H04B1/10
  • 本发明公开了一种通信系统接收端已知信号消除方法及系统,包括构建接收端接收信号模型为y(t)=s(t)+d(t)+N(t);接收信号y(t)依次通过带通滤波器和低噪声放大器,然后与本地载波相乘后通过低通滤波器进行带通滤波,通过ADC进行模数转换,得到接收信号y(n)=s(n)+d(n)+N(n);利用y(n)=s(n)+d(n)+N(n)制作数据集,包括训练集yx(n)和测试集ye(n);将训练集yx(n)和测试集ye(n)分别与参考信号I(n)进行整合,得到输入训练集hx(n)=[yx(n),I(n)]和输入测试集he(n)=[ye(n),I(n)];初始化DNN神经网络参数,利用输入训练集hx(n)=[yx(n),I(n)]训练DNN神经网络,保存训练好的模型;将输入测试集he(n)=[ye(n),I(n)]送入到训练好的DNN神经网络模型中进行处理,得到输出目标信号s′(n)。本发明对已知干扰信号到达的时间没有要求且可以有效的消除已知干扰信号。
  • 一种通信系统接收已知信号消除方法
  • [发明专利]一种基于Cordic算法的N阶SSC盲移频干扰硬件实现方法-CN201910036730.X有效
  • 赵忠凯;周文彬;黄湘松;肖易寒;蒋伊琳 - 哈尔滨工程大学
  • 2019-01-15 - 2023-07-21 - G01S7/02
  • 本发明属于雷达侦察与干扰领域,具体涉及到一种基于Cordic算法的N阶SSC盲移频干扰硬件实现方法。本说明包括以下步骤:通过ADC采样获取截取雷达的线性调频信号并进行参数测量和分析;对SSC干扰信号进行匹配滤波增益比的分析;对信号进行存储,基于Cordic算法求取其相位值,将其相位函数分为两路:一路将相位函数乘以参数N;一路将相位函数做延时τ后乘以(N‑1);将得到的两路相位函数相减,得到SSC盲移频干扰信号的相位,最后基于Cordic算法得到SSC盲移频干扰信号的实部和虚部;经过DAC后转发SSC盲移频干扰信号。本发明所用的Cordic算法运用移位和加减运算得到信号的相位函数,通过相位函数间的运算得到SSC盲移频干扰信号,大大简化了SSC盲移频干扰信号的FPGA硬件实现。
  • 一种基于cordic算法ssc盲移频干扰硬件实现方法
  • [发明专利]基于NGO-RF的雷达干扰效果评估方法-CN202310371673.7在审
  • 赵忠凯;黄睿;张文旭;蒋伊琳;黄馨瑶 - 哈尔滨工程大学
  • 2023-04-07 - 2023-06-30 - G01S7/36
  • 基于NGO‑RF的雷达干扰效果评估方法,属于雷达对抗技术领域。解决现有的雷达干扰效果评估方法针对非合作方雷达都具有一定的局限性问题。本发明生成样本集时,选用干扰方能够采集到雷达特征,在搜索空间内利用RF算法构建分类器种群矩阵;利用构建的样本集对分类器种群矩阵进行训练,并通过NGO算法对训练后的分类器种群矩阵进行优化,并从优化后的分类器种群矩阵中搜寻最优分类器;结合最优分类器识别干扰前后雷达工作模式的变化情况和抗干扰指标变化,通过二者的变化对雷达的干扰效果进行有效评估。突破现有技术需要从雷达方与合作方合作才能获取相关指标来进行干扰效果评估的弊端。主要用于对干扰效果进行评估。
  • 基于ngorf雷达干扰效果评估方法
  • [实用新型]一种多向拓展的多功能模块化浮体集成结构系统-CN202223446392.3有效
  • 任年鑫;李延巍;欧进萍;李想;蒋伊琳;陈浩森 - 海南大学
  • 2022-12-22 - 2023-04-07 - B63B35/44
  • 本实用新型属于海洋空间及海洋能源利用领域,提出了一种多向拓展的多功能模块化浮体集成结构系统。该集成结构系统对六边形张力腿平台模块、箱型浮式人工鱼礁模块以及波浪能装置进行了科学的模块化集成,实现了海洋空间、能源以及生物资源的综合利用;六边形张力腿平台模块用于节约锚泊系统布置空间以及对模块化浮体结构系统进行多方向拓展;外侧浮式人工鱼礁模块具有改善集成结构系统周围海洋生态环境和减弱多方向入射波浪荷载的效果;波浪能发电装置有效利用外侧人工鱼礁与六边形张力腿平台的相对运动进行波浪能发电,为该浮式集成结构系统提供可观的电力供给。该新型模块化集成结构系统的空间构型优美,具有显著的多功能及可多方向拓展特征。
  • 一种多向拓展多功能模块化集成结构系统
  • [发明专利]一种基于卷积神经网络和接收信号强度的DOA估计方法-CN201910952258.4有效
  • 蒋伊琳;张昊平;李向 - 哈尔滨工程大学
  • 2019-10-09 - 2023-03-24 - G01S3/14
  • 本发明属于阵列信号处理技术领域,具体涉及降低了各阵元间对采样频率和信道同步依赖的一种基于卷积神经网络和接收信号强度的DOA估计方法。本方法包括以下步骤:1.定义DOA的范围,传感器的数量K和位置,角度空间的分辨率和类别的总数M;2.根据每个传感器接收的RSS值构建K×1的RSS向量;3.将RSS向量归一化至0到1之间;4.根据归一化的RSS向量构建K×K的RSS图像;5.定义网络中的层和参数,生成各类别的训练样本进行模型训练;6.根据训练好的模型进行实际的DOA预测。本发明的DOA方法降低了各阵元间对采样频率和信道同步的依赖,适用于实现相对简单,复杂度较低,定位精度不需要很高的环境。此外,该方法还具有应用于均匀线阵等较一般的DOA场景的潜力。
  • 一种基于卷积神经网络接收信号强度doa估计方法
  • [发明专利]一种轨道交通用继电器控制电路-CN201710616701.1有效
  • 彭立群;郭立民;肖彩霞;蒋伊琳;董士伟;周文生 - 黑龙江瑞兴科技股份有限公司;哈尔滨工程大学
  • 2017-07-26 - 2023-03-24 - G05B19/042
  • 本发明公开了一种轨道交通用继电器控制电路,包括CPU‑A和CPU‑B,所述CPU‑A和CPU‑B均与计轴信号fR相连,所述CPU‑A和CPU‑B分别对计轴信号fR进行相同的处理,且CPU‑A产生控制继电器的信号fa、CPU‑B产生控制继电器的信号fb,其特征在于,还包括信号处理电路和推挽处理电路,信号fa经过信号处理电路输出fc,信号fb和信号fc经过推挽处理电路输出控制继电器的信号fT,且信号fc作为推挽处理电路的使能控制信号。双CPU的设计提高了电路的可靠性,该电路将双CPU输出的信号,通过外部电路统一起来:当CPU‑A出现故障时,推挽电路将不受fc的控制,CPU‑B正常输出;当CPU‑B出现故障时,其产生的错误信号无法经过推挽电路,外部继电器处于安全的不控制状态,提高了轨道交通的安全性。
  • 一种轨道通用继电器控制电路

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top