CN103954940A - 雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法 - Google Patents
雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法 Download PDFInfo
- Publication number
- CN103954940A CN103954940A CN201410036360.7A CN201410036360A CN103954940A CN 103954940 A CN103954940 A CN 103954940A CN 201410036360 A CN201410036360 A CN 201410036360A CN 103954940 A CN103954940 A CN 103954940A
- Authority
- CN
- China
- Prior art keywords
- tan
- alpha
- radar
- partiald
- position coordinates
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法,属于雷达组网抗干扰技术领域。集中式与分布式压制干扰是对雷达网威胁较大的两种干扰类型,当存在两部集中式压制干扰机时,如何鉴别这两种干扰是目前的难题,本发明即立足于解决该问题。主要包括以下步骤:(一)将三部2D组网雷达获得的干扰源方位角量测输入数据融合中心计算机;(二)构造方位线的解析方程;(三)求解各个方位线相交所得的交叉定位点;(四)采用相似性阈值和最小距离原则进行聚类分析;(五)根据聚类结果进行干扰类型鉴别。本发明解决了将两部集中式压制干扰机误判为分布式干扰的问题,正确鉴别率高、工程实现容易,推广应用前景较好。
Description
一、技术领域
本发明隶属于雷达网抗干扰技术领域,适用于2D雷达组网对集中式或分布式压制干扰的鉴别。
二、背景技术
随着现代战争中电子对抗的愈加激烈,雷达的生存环境变得十分恶劣,与单部雷达相比,雷达网具有较强的“四抗能力”,但同时应运而生的是针对雷达网的各种干扰技术,其中集中式压制干扰与分布式压制干扰是较为常用且对雷达网威胁较大的两类干扰,由于两种干扰的产生机理和干扰效果不同,因此采取的抗干扰措施会有很大的区别,鉴于此,需要对这两种干扰类型进行鉴别。目前典型的鉴别方法是“基于空间距离差的分布式干扰鉴别方法”,这种方法主要由以下3个步骤实现:
(1)根据雷达网中各雷达获得的干扰源方位角信息计算方位线的交点;
(2)计算各交点的空间距离,构造检验统计量;
(3)进行卡方检验,鉴别干扰类型。
这种方法主要存在以下缺陷:
当集中式压制干扰机为两部时,易将此种误鉴别为分布式干扰。
三、发明内容
本发明的目的是提出一种雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法,采用该方法能够在集中式干扰机为两部时,对分布式压制干扰与集中式压制干扰进行鉴别,并判断出集中式干扰机的数目。
本发明提出的雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法的技术方案包括以下步骤:
步骤1:录取数据
在压制干扰下三部组网2D雷达分别可以获得干扰源的方位角量测,将各雷达录取的数据输入雷达网的数据融合中心计算机,在融合中心计算机中执行以下步骤:
步骤2:构造方位线的解析方程
为了求取交叉定位点,需要构造方位线的解析方程:
(1)输入雷达量测
为k时刻雷达1的第i个量测集,且1≤i≤2;
为方位角量测;
为k时刻雷达2的第j个量测集,且1≤j≤2;
为方位角量测;
为k时刻雷达3的第l个量测集,且1≤l≤2;
为方位角量测;
各雷达采样周期为T;
(2)计算所对应方位线的方程
其中(xR1,yR1)为雷达1的位置坐标;
(3)计算所对应方位线的方程
其中(xR2,yR2)为雷达2的位置坐标;
(4)计算所对应方位线的方程
其中(xR3,yR3)为雷达3的位置坐标;
步骤3:求解交叉定位点
(1)计算方位线与的交叉定位点Aij位置坐标
将方程(1)与方程(2)联立求解的位置坐标:
(2)计算方位线与的交叉定位点Bil位置坐标
将方程(1)与方程(3)联立求解的位置坐标:
(3)计算方位线与的交叉定位点Cjl位置坐标
将方程(2)与方程(3)联立求解的位置坐标:
步骤4:计算交叉定位点Pl与Pj之间的马氏距离Dij
(1)计算Pi与Pj坐标向量之差ejl
其中:
为Pi点的位置坐标;
为Pj点的位置坐标;
为雷达m1的位置坐标;
为雷达m2的位置坐标;
(xs1,ys1)为雷达s1的位置坐标;
(xs2,ys2)为雷达s2的位置坐标;
αn1为雷达m1的第n1个方位角量测;
αn2为雷达m2的第n2个方位角量测;
αt1为雷达s1的第t1个方位角量测;
α12为雷达s2的第t2个方位角量测;
(2)求协方差阵P
P=QVQT (11)
其中:
为雷达m1的俯仰角量测误差方差;
为雷达m2的方位角量测误差方差;
为雷达s1的俯仰角量测误差方差;
为雷达s2的方位角量测误差方差;
(3)计算马氏距离Dij
Dij服从自由度为2的卡方分布;
步骤5:采用相似性阈值和最小距离原则对交叉定位点集合Pset进行聚类分析
(1)确定判决门限Ga
给定显著性水平α,根据2自由度卡方分布的显著性水平确定判决门限Gα:当α=0.05时Gα=5.991;当α=0.01时Ga=9.210;
(2)任取Pset中的一点Pl为第一个聚类中心
设ω1为Pl所属的类;点Pl的位置坐标为;
(3)取Pset中的另一点Pj,如步骤2所示,计算Pj与Pi的距离Dij
若Dij≤Gα,则将交叉定位点Pj∈ω1;
若Dij≥Gα,则建立新的一类ω2,且Pj∈ω2;
(4)设已有类ω1,ω2,…ωk,计算尚未确定类别的点Pm到各类中任意一点的马氏距离Dmr
若Dmr≥Gα,则建立新的一类ωk+1,且Pm∈ωk+1;
若存在多个类满足Dmr≤Gα,且其中类ωl与点Pm的距离最小,则将交叉定位点Pm归为类ωl;
步骤6:干扰类型鉴别
(1)设雷达网中共有K部雷达受到干扰,所有交叉定位点的数量为M,经聚类后共产生N个类,各个类中含有交叉定位点的数量分别为Ir,1≤r≤N;
(2)设所有类中共有J个类满足
(3)若J=0,则判定雷达网受到分布式干扰;
(3)若J≥1,则判定雷达网受到集中式干扰,且J为集中式压制干扰机的数量;
步骤7:进行下一时刻运算
重复执行步骤1~步骤7进行下一周期的构造方位线的解析方程、交叉定位点聚类分析、干扰类型判别。
和背景技术相比,本发明的有益效果说明:本发明利用雷达网获得的干扰源方位角量测求得干扰源交叉定位点,然后对交叉定位点集合进行聚类分析,利用聚类分析结果对干扰类型进行鉴别,解决了背景技术将两部集中式压制干扰机误判为分布式干扰的问题。
四、附图说明
附图1是本发明的雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法的整体流程图,附图中各符号的含义与发明内容部分相应符号的含义相同;
附图2是本发明实施例中集中式压制干扰下存在两个干扰源时交叉定位点的位置示意图;
附图3是本发明实施例中分布式压制干扰下交叉定位点的位置示意图;
附图4是本发明实施例中雷达1角度量测精度对分布式压制干扰正确鉴别率的影响;
附图5是本发明实施例中雷达1角度量测精度对单干扰源集中式压制干扰正确鉴别率的影响;
附图6是本发明实施例中雷达1角度量测精度对两干扰源集中式压制干扰正确鉴别率的影响。
五、具体实施方式
下面结合附图对本发明的雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法进行详细的描述。
实施例条件:不失一般性,设有三部雷达,位置坐标分别为(0,0)、(5×104,0)、(1×105,0),单位是m,改变雷达1的测角精度使其从0.050变为0.20,雷达2与雷达3的测角精度为0.10,保持不变,蒙特卡洛仿真次数为500次;场景1,存在3部分布式压制干扰机,位置分别为(5×103,1×104),(3.7×104,1×104),(8×104,1×104)单位是m,分别对雷达1、雷达2和雷达3产生干扰;场景2,存在1部集中式压制干扰机,对3部雷达产生干扰,干扰机位置为(5.7×104,1.0×105),单位是m;场景3,存在2部集中式压制干扰机,每部干扰机都对3部雷达产生干扰,位置分别为(5.7×104,1.0×105),(8.7×104,1.0×105),单位是m。本发明具体步骤如附图1所示。
步骤1:根据上述条件得到仿真数据
(1)利用场景1~3中干扰源的真实位置和三部组网雷达的位置获得干扰源在各个雷达坐标系内的方位角真实值;
(2)参考各个雷达的角度测量精度,结合真值产生带有随机误差的干扰源方位角量测仿真数据;
步骤2:构造方位线的解析方程
以其中雷达1为例,根据其量测集,求得方位线的解析方程:
其中(xR1,yR1)为雷达1的位置坐标;
步骤3:计算交叉定位点Pl与Pj之间的马氏距离Dij
P=QVQT
步骤4:对交叉定位点集合Pset进行聚类分析
(1)给定显著性水平α=0.01,确定判决门限Gα=9.210;
(2)任取Pset中的一点Pt为第一个聚类中心
(3)取Pset中的另一点Pj,计算Pj与Pl的距离Dij,若Dij≤Gα,则将交叉定位点Pj∈ω1;若Dij≥Gα,则建立新的一类ω2,且Pj∈ω2;
(4)设已有类ω1,ω2,…ωk,计算尚未确定类别的点Pm到各类中任意一点的马氏距离Dmr,若Dmr≥Gα,则建立新的一类ωk+1,且Pm∈ωk+1;若存在多个类满足Dmr≤Gα,且其中类ωl与点Pm的距离最小,则将交叉定位点Pm归为类ωl;
步骤5:干扰类型判别
(1)雷达网中共有3部雷达受到干扰,设所有交叉定位点的数量为M,经聚类后共产生N个类,各个类中含有交叉定位点的数量分别为Ir,1≤r≤N;
(2)设所有类中共有J个类满足
(3)若J=0,则判定雷达网受到分布式干扰;
(3)若J≥1,则判定雷达网受到集中式干扰,且J为集中式压制干扰机的数量;
步骤6:计算正确鉴别率与错误鉴别率
σm1取不同值时分别进行500次蒙特卡洛仿真,计算正确鉴别次数与蒙特卡洛仿真次数的比值,得到正确鉴别率结果如附图4~附图6所示。
由说明书附图4可见:本发明对分布式干扰的正确鉴别率较高,整体在0.8左右波动,并且对雷达测角精度的变化不敏感;
由说明书附图5与附图6可见:当集中式干扰机为1部和2部时,本发明都能实现较为准确的鉴别,这两种情形的正确鉴别率较为接近,大多保持在0.75以上,并且对雷达测角精度的变化不敏感。
Claims (1)
1.步骤录取数据
在压制干扰下三部组网2D雷达分别可以获得干扰源的方位角量测,将各雷达录取的数据输入雷达网的数据融合中心计算机,在融合中心计算机中执行以下步骤:
步骤2:构造方位线的解析方程
为了求取交叉定位点,需要构造方位线的解析方程:
(1)输入雷达量测
为k时刻雷达1的第i个量测集,且1≤i≤2;
为方位角量测;
为k时刻雷达2的第j个量测集,且1≤j≤2;
为方位角量测;
为k时刻雷达3的第l个量测集,且1≤l≤2;
为方位角量测;
各雷达采样周期为T;
(2)计算所对应方位线的方程
其中(xR1,yR1)为雷达1的位置坐标;
(3)计算所对应方位线的方程
其中(xR2,yR2)为雷达2的位置坐标;
(4)计算所对应方位线的方程
其中(xR3,yR3)为雷达3的位置坐标;
步骤3:求解交叉定位点
(1)计算方位线与的交叉定位点Aij位置坐标
将方程(1)与方程(2)联立求解的位置坐标:
(2)计算方位线与的交叉定位点Bij位置坐标
将方程(1)与方程(3)联立求解的位置坐标:
(3)计算方位线与的交叉定位点Cjl位置坐标
将方程(2)与方程(3)联立求解的位置坐标:
步骤4:计算交叉定位点Pi与Pj之间的马氏距离Dij
(1)计算Pi与Pj坐标向量之差eij
其中:
为Pi点的位置坐标;
为Pj点的位置坐标;
为雷达m1的位置坐标;
为雷达m2的位置坐标;
为雷达s1的位置坐标;
为雷达s2的位置坐标;
αn1为雷达m1的第n1个方位角量测;
αn2为雷达m2的第n2个方位角量测;
αi1为雷达s1的第t1个方位角量测;
αt2为雷达s2的第t2个方位角量测;
(2)求协方差阵P
P=QVQT (11)
其中:
为雷达m1的俯仰角量测误差方差;
为雷达m2的方位角量测误差方差;
为雷达s1的俯仰角量测误差方差;
为雷达s2的方位角量测误差方差;
(3)计算马氏距离Dij
Dij服从自由度为2的卡方分布;
步骤5:采用相似性阈值和最小距离原则对交叉定位点集合Pset进行聚类分析
(1)确定判决门限Gα
给定显著性水平α,根据2自由度卡方分布的显著性水平确定判决门限Ga:当α=0.05时Gα=5.991;当α=0.01时Gα=9.210;
(2)任取Pset中的一点Pl为第一个聚类中心
设ω1为Pl所属的类;点Pl的位置坐标为;
(3)取Pset中的另一点Pj,如步骤2所示,计算Pj与Pl的距离Dij
若Dij≤Gα,则将交叉定位点Pj∈ω1;
若Dij≥Gα,则建立新的一类ω2,且Pj∈ω2;
(4)设已有类ω1,ω2,…ωk,计算尚未确定类别的点Pm到各类中任意一点的马氏距离Dmr
若Dmr≥Gα,则建立新的一类ωk+1,且Pm∈ωk+1;
若存在多个类满足Dmr≤Gα,且其中类ωl与点Pm的距离最小,则将交叉定位点Pm归为类ωl;
步骤6:干扰类型鉴别
(1)设雷达网中共有K部雷达受到干扰,所有交叉定位点的数量为M,经聚类后共产生N个类,各个类中含有交叉定位点的数量分别为I,1≤r≤N;
(2)设所有类中共有J个类满足
(3)若J=0,则判定雷达网受到分布式干扰;
(3)若J≥1,则判定雷达网受到集中式干扰,且J为集中式压制干扰机的数量;
步骤7:进行下一时刻运算
重复执行步骤1~步骤7进行下一周期的构造方位线的解析方程、交叉定位点聚类分析、干扰类型判别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410036360.7A CN103954940B (zh) | 2014-01-21 | 2014-01-21 | 雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410036360.7A CN103954940B (zh) | 2014-01-21 | 2014-01-21 | 雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103954940A true CN103954940A (zh) | 2014-07-30 |
CN103954940B CN103954940B (zh) | 2019-04-12 |
Family
ID=51332237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410036360.7A Expired - Fee Related CN103954940B (zh) | 2014-01-21 | 2014-01-21 | 雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103954940B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105259540A (zh) * | 2015-11-26 | 2016-01-20 | 西安电子科技大学 | 一种多站雷达抗有源欺骗式干扰的优化方法 |
CN105259541A (zh) * | 2015-11-26 | 2016-01-20 | 西安电子科技大学 | 一种多站雷达抗有源欺骗式干扰的方法 |
CN104267379B (zh) * | 2014-09-15 | 2016-12-07 | 电子科技大学 | 一种基于波形设计的主被动雷达协同抗干扰方法 |
CN106230544A (zh) * | 2016-07-27 | 2016-12-14 | 佛山科学技术学院 | 一种汽车遥控干扰信号的监测识别与定位方法 |
CN106950546A (zh) * | 2017-03-22 | 2017-07-14 | 西安电子科技大学 | 基于马氏距离重加权的非均匀杂波抑制方法 |
CN107340504A (zh) * | 2017-07-03 | 2017-11-10 | 中国人民解放军海军航空工程学院 | 基于frft域峰值特性的压制干扰存在性检测方法 |
CN108871416A (zh) * | 2018-03-19 | 2018-11-23 | 西安电子科技大学 | 基于虚假点消除的角度冗余数据关联方法、被动定位系统 |
CN113009414A (zh) * | 2019-12-20 | 2021-06-22 | 中移(成都)信息通信科技有限公司 | 信号源位置确定方法、装置、电子设备及计算机存储介质 |
JP7433560B1 (ja) | 2023-06-30 | 2024-02-19 | 三菱電機株式会社 | 目標軌跡推定装置及び目標軌跡推定方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101349747A (zh) * | 2007-07-20 | 2009-01-21 | 汤子跃 | 一种雷达抗有源欺骗干扰性能定量评估方法 |
CN102298140A (zh) * | 2011-05-16 | 2011-12-28 | 中国人民解放军海军航空工程学院 | 基于探测概率几何分布曲线的雷达网抗干扰效能评估方法 |
CN103018722A (zh) * | 2012-10-15 | 2013-04-03 | 西安电子科技大学 | 利用组网雷达系统对抗欺骗式假目标的方法 |
-
2014
- 2014-01-21 CN CN201410036360.7A patent/CN103954940B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101349747A (zh) * | 2007-07-20 | 2009-01-21 | 汤子跃 | 一种雷达抗有源欺骗干扰性能定量评估方法 |
CN102298140A (zh) * | 2011-05-16 | 2011-12-28 | 中国人民解放军海军航空工程学院 | 基于探测概率几何分布曲线的雷达网抗干扰效能评估方法 |
CN103018722A (zh) * | 2012-10-15 | 2013-04-03 | 西安电子科技大学 | 利用组网雷达系统对抗欺骗式假目标的方法 |
Non-Patent Citations (5)
Title |
---|
孙即祥 等: "《模式识别》", 30 November 2009, 《国防工业出版社》 * |
李世忠 等: "分布式干扰下组网雷达目标检测与跟踪技术", 《系统工程与电子技术》 * |
王本才 等: "被动传感器组网对干扰源的聚类定位算法", 《电光与控制》 * |
赵艳丽 等: "多假目标欺骗干扰下组网雷达跟踪技术", 《电子学报》 * |
陈长兴 等: "多雷达组合交叉定位中的幻影剔除算法研究", 《西北工业大学学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104267379B (zh) * | 2014-09-15 | 2016-12-07 | 电子科技大学 | 一种基于波形设计的主被动雷达协同抗干扰方法 |
CN105259541A (zh) * | 2015-11-26 | 2016-01-20 | 西安电子科技大学 | 一种多站雷达抗有源欺骗式干扰的方法 |
CN105259540A (zh) * | 2015-11-26 | 2016-01-20 | 西安电子科技大学 | 一种多站雷达抗有源欺骗式干扰的优化方法 |
CN105259541B (zh) * | 2015-11-26 | 2017-10-13 | 西安电子科技大学 | 一种多站雷达抗有源欺骗式干扰的方法 |
CN106230544B (zh) * | 2016-07-27 | 2018-11-16 | 佛山科学技术学院 | 一种汽车遥控干扰信号的监测识别与定位方法 |
CN106230544A (zh) * | 2016-07-27 | 2016-12-14 | 佛山科学技术学院 | 一种汽车遥控干扰信号的监测识别与定位方法 |
CN106950546B (zh) * | 2017-03-22 | 2019-08-06 | 西安电子科技大学 | 基于马氏距离重加权的非均匀杂波抑制方法 |
CN106950546A (zh) * | 2017-03-22 | 2017-07-14 | 西安电子科技大学 | 基于马氏距离重加权的非均匀杂波抑制方法 |
CN107340504A (zh) * | 2017-07-03 | 2017-11-10 | 中国人民解放军海军航空工程学院 | 基于frft域峰值特性的压制干扰存在性检测方法 |
CN107340504B (zh) * | 2017-07-03 | 2020-04-07 | 中国人民解放军海军航空大学 | 基于frft域峰值特性的压制干扰存在性检测方法 |
CN108871416A (zh) * | 2018-03-19 | 2018-11-23 | 西安电子科技大学 | 基于虚假点消除的角度冗余数据关联方法、被动定位系统 |
CN113009414A (zh) * | 2019-12-20 | 2021-06-22 | 中移(成都)信息通信科技有限公司 | 信号源位置确定方法、装置、电子设备及计算机存储介质 |
CN113009414B (zh) * | 2019-12-20 | 2024-03-19 | 中移(成都)信息通信科技有限公司 | 信号源位置确定方法、装置、电子设备及计算机存储介质 |
JP7433560B1 (ja) | 2023-06-30 | 2024-02-19 | 三菱電機株式会社 | 目標軌跡推定装置及び目標軌跡推定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103954940B (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103954940A (zh) | 雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法 | |
Lum et al. | Extracting insights from the shape of complex data using topology | |
CN103065066B (zh) | 基于药物组合网络的药物联合作用预测方法 | |
CN103926569A (zh) | 三坐标雷达网基于交叉定位点关联的集中式与分布式压制干扰鉴别方法 | |
Wahono et al. | A comparison framework of classification models for software defect prediction | |
Ge et al. | An efficient sensitivity analysis approach for computationally expensive microscopic traffic simulation models | |
CN103996287A (zh) | 一种基于决策树模型的车辆强制换道决策方法 | |
CN103345842B (zh) | 一种道路车辆分型系统及方法 | |
CN105653450A (zh) | 基于改进遗传算法与Adaboost结合的软件缺陷数据特征选择方法 | |
CN106355011A (zh) | 一种地球化学数据元素序结构分析方法及装置 | |
CN103761426B (zh) | 一种在高维数据中快速识别特征组合的方法及系统 | |
CN105512011B (zh) | 一种电子装备测试性建模评估方法 | |
CN107330469A (zh) | 一种基于gps轨迹数据的出行方式识别方法 | |
CN106792523A (zh) | 一种基于大规模WiFi活动轨迹的异常行为检测方法 | |
CN104776827B (zh) | Gps高程异常数据的粗差探测方法 | |
CN104574141A (zh) | 一种业务影响度分析方法 | |
CN104820829A (zh) | 一种新的基于深度数据的人脸识别算法及其在智能权限分配系统中的应用 | |
CN104598709A (zh) | 基于扩展ooda模型的检测数据融合方法 | |
CN103809161B (zh) | 雷达网抗距离欺骗+soj复合干扰方法 | |
CN107609590A (zh) | 一种多尺度鼠标轨迹特征提取方法、装置和系统 | |
CN101907461A (zh) | 基于角度余切值的被动多传感器量测数据关联方法 | |
CN104008403A (zh) | 一种svm(矢量机)模式的多目标识别判定方法 | |
CN103885867A (zh) | 一种模拟电路性能的在线评价方法 | |
Wei et al. | Queue length estimation for signalized intersections under partially connected vehicle environment | |
CN114063150B (zh) | 一种基于ml-knn算法的“震源-台站”速度模型选取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190313 Address after: 264001 scientific research office, two Road 188, Zhifu District, Yantai, Shandong Applicant after: NAVAL AVIATION UNIVERSITY OF PLA Address before: 264001 scientific research department, two Road 188, Yantai, Shandong Applicant before: Naval Aeronautical and Astronautical University of PLA |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190412 Termination date: 20220121 |
|
CF01 | Termination of patent right due to non-payment of annual fee |