CN116821097A - 全脉冲数据处理方法 - Google Patents
全脉冲数据处理方法 Download PDFInfo
- Publication number
- CN116821097A CN116821097A CN202310821844.1A CN202310821844A CN116821097A CN 116821097 A CN116821097 A CN 116821097A CN 202310821844 A CN202310821844 A CN 202310821844A CN 116821097 A CN116821097 A CN 116821097A
- Authority
- CN
- China
- Prior art keywords
- pulse data
- target
- signal table
- pulse
- data
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 230000011218 segmentation Effects 0.000 claims abstract description 5
- 238000012163 sequencing technique Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 abstract description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种全脉冲数据处理方法，包括对原始全脉冲数据进行解析滤除，形成数据对；对所述数据对处理翻转和TOA排序，写入文件形成标准格式脉冲数据和索引文件；再进行任务分割，并基于已有的先验目标数据库正向提取，形成先验目标信号表并对其先验目标新样式查找，形成新样式信号表；对剩余脉冲数据进行自动分选处理，形成未知目标数据库；再合并形成最终的目标信号表，人工审核后录入先验目标库，形成新的先验目标库；根据产生的新的先验目标库，重复循环，直至全脉冲数据处理迭代完全。本发明降低人工重复性分析相同样式的工作量，将重点放在新样式及未知目标确认上，提高分析全脉冲数据的准确度，提高了全脉冲数据处理速度。
Description
技术领域
本发明涉及电子对抗领域，具体地，涉及一种全脉冲数据处理方法。
背景技术
电子侦察设备的数据分析是电子对抗领域的一个重要分支，全脉冲数据是其中的一种数据，全脉冲数据包含侦收的脉冲描述字(PDW)及航姿数据、北京时间等信息，分析人员需要进行全脉冲数据分析进而从中提取出有效的雷达情报信号样式及其变化规律等，进一步推测雷达所属平台(飞机、舰船或者地面站)的意图等信息。
专利文献为CN110377658A的发明专利公开了一种用全脉冲数据分析雷达信号参数和构建参数库的方法，该方法首先对全脉冲数据进行数据清洗；其次根据清洗后的全脉冲数据，信号参数进行自动统计计算，得到新的信号参数；然后对新的信号参数的重复性进行分析；人工确认信号参数的可信性；最后将人工确认后可信的信号参数存入信号参数库。上述方案是按一秒一次进行雷达信号参数的构建，而本发明是将合批时间延长到照射级(通常为几十秒量级)及以上，能有效提高全脉冲数据分析结果的可信度。
专利文献为CN115128569A的发明专利公开了一种雷达侦察全脉冲数据可视化分选方法、服务器及存储介质，包括如下步骤：步骤1：获取雷达信号的全脉冲数据，选择需要分析的时间范围内的全脉冲数据；步骤2：针对选取的全脉冲数据，根据其脉冲描述字绘制各类参数的直方图并同时显示；步骤3、针对每一个直方图进行峰值的分选，分选过程中对每一个峰值的选中，其他直方图均自动进行调整，直至完成雷达信号的分选；步骤4、对选择出的雷达信号，转换为时序图并进行显示分析，判断雷达信号之间是否有时序关系；步骤5、对有时序关系的雷达信号，按其出现顺序确定出现序号。上述方法依据直方图统计方式，进行人工可视化分选，分选结果依赖直方图的人工手动筛选，耗时长。本发明则是按照人工分析思路处理全脉冲数据，进行自动分选得出处理结果，能提高全脉冲数据分析的效率。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种全脉冲数据处理方法。
根据本发明提供的一种全脉冲数据处理方法，包括如下步骤：
步骤S1：导入电子侦察设备记录的原始全脉冲数据；
步骤S2：对原始全脉冲数据进行解析滤除，形成数据对；
步骤S3：对所述数据对处理翻转和TOA排序，写入文件形成标准格式脉冲数据和索引文件；
步骤S4：对所述标准格式脉冲数据和索引文件进行任务分割，并基于已有的先验目标数据库正向提取，形成先验目标信号表；
步骤S5：对所述先验目标信号表进行先验目标新样式查找，形成新样式信号表；
步骤S6：对剩余脉冲数据进行自动分选处理，形成未知目标数据库；
步骤S7：将先验目标信号表、新样式信号表以及未知目标信号表进行合并，形成最终的目标信号表，人工审核后录入先验目标库，形成新的先验目标库；
步骤S8：根据步骤S7产生的新的先验目标库，重复进入步骤4开始后续循环，直至全脉冲数据处理迭代完全。
优选地，步骤S2中，通过排除设定类型的脉冲数据进行逆向滤除。
优选地，数据对包括PDW和航姿数据、北京时间数据对。
优选地，所述步骤S4中，对标准格式脉冲数据和索引文件，依据波段或者时间进行任务分割，将分析任务分割成多个任务并行。
优选地，先验目标库为逐渐累积而成的目标库，或者是其他途径得到的目标样式信息。
优选地，形成先验目标信号表、新样式信号表以及未知目标信号时，同时提取相应的脉冲数据和索引。
优选地，所述步骤S5中，对步骤4所产生的先验目标信号表，结合北京时间、载频(RF)、脉冲宽度(PW)、重复间隔(PRI)、脉冲到达角(AOA)、脉冲幅度(PA)、脉冲到达时间(TOA)多维信息，进行先验目标的新样式查找。
优选地，所述步骤S6中，行自动分选处理包括：
在一个CPI内进行微观时序的预分选处理，根据载频、脉冲宽度、脉冲幅度、重复间隔、脉冲到达时间和脉冲到达角参数进行聚类预分选，给出预分选目标信号表，同时对可定位目标进行定位给出位置信息；
对预分选目标信号表，采用宏观规律关联，先进行多个CPI时长的分选合批，再将整个处理时长中出现的同一目标进行统一合批，完成自动分选处理形成目标信号表，同时生成支持环境构建的数据信息。
优选地，步骤S7中，情报人员通过可视化脉冲数据人工分析及步骤S6提供的支持环境构建的数据信息，人工审核确认目标后录入先验目标库。
优选地，聚类预分选能够并行处理。
与现有技术相比，本发明具有如下的有益效果：
1、本发明通过先验目标提取、新样式查找、未知目标分选三种符合人工分析思维的全脉冲数据的流程结合，降低人工重复性分析相同样式的工作量，将重点放在新样式及未知目标确认上，提高分析全脉冲数据的准确度。
2、本发明通过对脉冲描述字(PDW)进行时间排序、建立索引，能支撑分析人员快速查询脉冲数据，进行可视化人工审核。
3、本发明通过并行处理方式，提高了全脉冲数据处理速度。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为全脉冲数据并行处理架构示意图。
图2为全脉冲数据解析流程图。
图3为全脉冲数据自动处理流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提出一种全脉冲数据的处理方法，对全脉冲数据采用以“逆向滤除，正向提取；微观时序，宏观规律；前后关联，反复迭代”为原则的自动处理方式，对全脉冲数据进行分类、识别和处理，形成目标信号表结果。同时对信号处理结果和关联脉冲进行存储管理，为后续分析人员确认信号提供可视化人工分析的数据支持。
进一步详细说明，本发明公开的全脉冲数据的处理方法，包括如下步骤：
步骤1：导入电子侦察设备记录的原始全脉冲数据。
步骤2：原始全脉冲数据进行解析，进行逆向滤除，即排除通信、导航等脉冲数据。同时按照时间窗划分，形成脉冲描述字(PDW)和航姿数据、北京时间数据对。
步骤3：对步骤2的数据对处理到达时间(TOA)翻转及因侦收脉冲存在大脉宽较小脉宽先进后出现象导致的到达时间(TOA)乱序问题，对脉冲TOA进行校正，根据TOA进行排序，写入文件形成标准格式脉冲数据和索引文件，如图2所示。
步骤4：对步骤3所产生的标准格式脉冲数据和索引文件，依据波段或者时间进行任务分割，将分析任务分割成多个任务并行，如图1所示。一个任务中，根据已有的先验目标库(该目标库可以逐渐累积而成，也可是其他途径得到的目标样式信息)，进行正向提取，将先验目标关联的脉冲数据和索引提出，同时形成先验目标信号表。
步骤5：对步骤4所产生的先验目标信号表，结合北京时间、载频(RF)、脉冲宽度(PW)、重复间隔(PRI)、脉冲到达角(AOA)、脉冲幅度(PA)、脉冲到达时间(TOA)等多维信息，进行先验目标的新样式查找，形成可能的新样式目标信号表，同时将关联的脉冲数据和索引提出。新样式信号表是根据先验目标信号表中目标出现的时、空信息进行推断的得来，如一种新样式和先验样式在时、空上高度重合，排定其为新样式信号。
步骤6：对步骤4和步骤5的未关联的剩余脉冲数据进行自动分选处理，形成未知目标信号表，同时将关联的脉冲数据和索引提出；自动分选流程遵循微观时序，宏观规律原则，在一个相干处理间隔(Coherent Processing Interval,CPI)内进行微观时序的预分选处理，根据载频、脉冲宽度、脉冲幅度、重复间隔、脉冲到达时间和脉冲到达角等参数进行聚类预分选，给出预分选目标信号表，同时对可定位目标进行定位给出位置信息；对预分选目标信号表，采用宏观规律关联，先进行照射级(多个CPI时长)的分选合批，再将整个处理时长(多个照射级)中出现的同一目标进行统一合批，完成自动分选处理形成目标信号表，同时生成支持环境构建的数据信息。一个CPI的时长通常在us或ms级别，而处理数据时间间隔是us级别，单个CPI内处理称为按微观时序进行处理。照射级的同一目标数据进行同一合并归类称为宏观规律关联。
步骤7：将步骤4、步骤5、步骤6的目标信号表进行合并，形成最终的目标信号表。情报分析人员通过可视化脉冲数据人工分析及步骤6提供的环境重构信息，人工审核确认目标后录入先验目标库，形成区别于步骤4中的新先验目标库。该步中预分选可以并行处理已加快处理速度。
步骤8：根据步骤7产生的新先验目标库，可重复进入步骤4开始后续循环，直至全脉冲数据处理迭代完全，此次全脉冲数据处理任务完成。实现全脉冲数据处理的前后关联，反复迭代。
进一步举例说明：
对某一批全脉冲数据进行处理时，先按约定记录格式对PDW进行解析同时滤除通信信号、导航信号(按通用频段滤除)并按到TOA进行时间上排序；排序完成后，根据已有的先验库参数信息，从排序后的全脉冲数据中提取出先验库中已有的参数样式形成先验目标信号表并记录其关联脉冲，同时根据时、空重合等信息判定出参数新样式形成新样式目标信号表；然后，对剩余脉冲数据进行未知信号自动分选处理出，自动分选处理时按50ms的时间窗口对数据进行微观时序并行处理，然后按1s的间隔将多个50ms处理结果融合，最后多个1s的数据进行同一合并形成未知目标信号表，达到宏观关联处理；最后将先验目标信号表、新样式目标信号表、未知目标信号表合并并进行人工确认入库，形成下一批全脉冲数据处理的先验库。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种全脉冲数据处理方法，其特征在于，包括如下步骤：
步骤S1：导入电子侦察设备记录的原始全脉冲数据；
步骤S2：对原始全脉冲数据进行解析滤除，形成数据对；
步骤S3：对所述数据对的TOA处理翻转和排序，写入文件形成标准格式脉冲数据和索引文件；
步骤S4：对所述标准格式脉冲数据和索引文件进行任务分割，并基于已有的先验目标数据库正向提取，形成先验目标信号表；
步骤S5：对所述先验目标信号表进行先验目标新样式查找，形成新样式信号表；
步骤S6：对剩余脉冲数据进行自动分选处理，形成未知目标数据库；
步骤S7：将先验目标信号表、新样式信号表以及未知目标信号表进行合并，形成最终的目标信号表，人工审核后录入先验目标库，形成新的先验目标库；
步骤S8：根据步骤S7产生的新的先验目标库，重复进入步骤4开始后续循环，直至全脉冲数据处理迭代完全。
2.根据权利要求1所述的全脉冲数据处理方法，其特征在于，步骤S2中，通过排除设定类型的脉冲数据进行逆向滤除。
3.根据权利要求1所述的全脉冲数据处理方法，其特征在于，所述数据对包括PDW和航姿数据、北京时间数据对。
4.根据权利要求1所述的全脉冲数据处理方法，其特征在于，所述步骤S4中，对标准格式脉冲数据和索引文件，依据波段或者时间进行任务分割，将分析任务分割成多个任务并行。
5.根据权利要求1所述的全脉冲数据处理方法，其特征在于，先验目标库为逐渐累积而成的目标库，或者是其他途径得到的目标样式信息。
6.根据权利要求1所述的全脉冲数据处理方法，其特征在于，形成先验目标信号表、新样式信号表以及未知目标信号时，同时提取相应的脉冲数据和索引。
7.根据权利要求1所述的全脉冲数据处理方法，其特征在于，所述步骤S5中，对步骤4所产生的先验目标信号表，结合北京时间、载频(RF)、脉冲宽度(PW)、重复间隔(PRI)、脉冲到达角(AOA)、脉冲幅度(PA)、脉冲到达时间(TOA)多维信息，进行先验目标的新样式查找。
8.根据权利要求1所述的全脉冲数据处理方法，其特征在于，所述步骤S6中，行自动分选处理包括：
在一个CPI内进行微观时序的预分选处理，根据载频、脉冲宽度、脉冲幅度、重复间隔、脉冲到达时间和脉冲到达角参数进行聚类预分选，给出预分选目标信号表，同时对可定位目标进行定位给出位置信息；
对预分选目标信号表，采用宏观规律关联，先进行多个CPI时长的分选合批，再将整个处理时长中出现的同一目标进行统一合批，完成自动分选处理形成目标信号表，同时生成支持环境构建的数据信息。
9.根据权利要求8所述的全脉冲数据处理方法，其特征在于，步骤S7中，情报人员通过可视化脉冲数据人工分析及步骤S6提供的支持环境构建的数据信息，人工审核确认目标后录入先验目标库。
10.根据权利要求8所述的全脉冲数据处理方法，其特征在于，聚类预分选能够并行处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310821844.1A CN116821097B (zh) | 2023-07-05 | 2023-07-05 | 全脉冲数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310821844.1A CN116821097B (zh) | 2023-07-05 | 2023-07-05 | 全脉冲数据处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116821097A true CN116821097A (zh) | 2023-09-29 |
| CN116821097B CN116821097B (zh) | 2024-01-26 |
Family
ID=88139117
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310821844.1A Active CN116821097B (zh) | 2023-07-05 | 2023-07-05 | 全脉冲数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116821097B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007049022A1 (en) * | 2005-10-24 | 2007-05-03 | Mitsubishi Electric Information Technology Centre Europe B.V. | Analysis of trains of pulses |
| US20120313804A1 (en) * | 2011-06-12 | 2012-12-13 | John Martin Belcea | Method for detecting radar signals affected by interference |
| CN102879765A (zh) * | 2012-09-27 | 2013-01-16 | 哈尔滨工程大学 | 基于聚类统计分析的快速信号分选方法 |
| KR101300649B1 (ko) * | 2013-02-28 | 2013-08-27 | 국방과학연구소 | 적응형 히스토그램을 이용한 레이더신호 지터pri 펄스열 추출방법 및 이를 이용한 레이더신호 지터pri 펄스열 추출장치 |
| CN105824817A (zh) * | 2015-01-05 | 2016-08-03 | 苏州瑞派宁科技有限公司 | 一种闪烁脉冲的数字化方法 |
| KR20190087007A (ko) * | 2018-01-15 | 2019-07-24 | 국방과학연구소 | 레이더 신호분석 전처리용 히스토그램 기반 적응형 그룹핑 방법 |
| CN111929649A (zh) * | 2020-07-01 | 2020-11-13 | 中国人民解放军海军航空大学青岛校区 | 雷达信号侦察与干扰信号生成标校方法及设备 |
| CN112990082A (zh) * | 2021-04-06 | 2021-06-18 | 舟山精卫智能科技有限公司 | 一种水声脉冲信号的检测识别方法 |
| CN113075637A (zh) * | 2021-04-29 | 2021-07-06 | 中国船舶重工集团公司第七二三研究所 | 基于脉冲描述字数据压缩的机载pd雷达信号分选方法 |
| CN113484837A (zh) * | 2021-06-29 | 2021-10-08 | 中国人民解放军63892部队 | 一种面向电磁大数据的未知雷达辐射源智能识别方法 |
| CN114254141A (zh) * | 2021-12-20 | 2022-03-29 | 哈尔滨工程大学 | 一种基于深度分割的端到端雷达信号分选方法 |
| KR102407835B1 (ko) * | 2021-12-22 | 2022-06-10 | 한화시스템(주) | 기계학습 기반의 펄스 레이더 신호 속성 분류 방법 및 장치 |
| US20220196793A1 (en) * | 2020-12-21 | 2022-06-23 | Bae Systems Information And Electronic Systems Integration Inc. | Joint denoising and delay estimation for the extraction of pulse-width of signals in rf interference |
| CN115643426A (zh) * | 2022-10-17 | 2023-01-24 | 中国科学院空间应用工程与技术中心 | 一种面向空间应用领域的通用视频播放方法和系统 |
-
2023
- 2023-07-05 CN CN202310821844.1A patent/CN116821097B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007049022A1 (en) * | 2005-10-24 | 2007-05-03 | Mitsubishi Electric Information Technology Centre Europe B.V. | Analysis of trains of pulses |
| US20120313804A1 (en) * | 2011-06-12 | 2012-12-13 | John Martin Belcea | Method for detecting radar signals affected by interference |
| CN102879765A (zh) * | 2012-09-27 | 2013-01-16 | 哈尔滨工程大学 | 基于聚类统计分析的快速信号分选方法 |
| KR101300649B1 (ko) * | 2013-02-28 | 2013-08-27 | 국방과학연구소 | 적응형 히스토그램을 이용한 레이더신호 지터pri 펄스열 추출방법 및 이를 이용한 레이더신호 지터pri 펄스열 추출장치 |
| CN105824817A (zh) * | 2015-01-05 | 2016-08-03 | 苏州瑞派宁科技有限公司 | 一种闪烁脉冲的数字化方法 |
| KR20190087007A (ko) * | 2018-01-15 | 2019-07-24 | 국방과학연구소 | 레이더 신호분석 전처리용 히스토그램 기반 적응형 그룹핑 방법 |
| CN111929649A (zh) * | 2020-07-01 | 2020-11-13 | 中国人民解放军海军航空大学青岛校区 | 雷达信号侦察与干扰信号生成标校方法及设备 |
| US20220196793A1 (en) * | 2020-12-21 | 2022-06-23 | Bae Systems Information And Electronic Systems Integration Inc. | Joint denoising and delay estimation for the extraction of pulse-width of signals in rf interference |
| CN112990082A (zh) * | 2021-04-06 | 2021-06-18 | 舟山精卫智能科技有限公司 | 一种水声脉冲信号的检测识别方法 |
| CN113075637A (zh) * | 2021-04-29 | 2021-07-06 | 中国船舶重工集团公司第七二三研究所 | 基于脉冲描述字数据压缩的机载pd雷达信号分选方法 |
| CN113484837A (zh) * | 2021-06-29 | 2021-10-08 | 中国人民解放军63892部队 | 一种面向电磁大数据的未知雷达辐射源智能识别方法 |
| CN114254141A (zh) * | 2021-12-20 | 2022-03-29 | 哈尔滨工程大学 | 一种基于深度分割的端到端雷达信号分选方法 |
| KR102407835B1 (ko) * | 2021-12-22 | 2022-06-10 | 한화시스템(주) | 기계학습 기반의 펄스 레이더 신호 속성 분류 방법 및 장치 |
| CN115643426A (zh) * | 2022-10-17 | 2023-01-24 | 中国科学院空间应用工程与技术中心 | 一种面向空间应用领域的通用视频播放方法和系统 |
Non-Patent Citations (4)
| Title |
|---|
| MENG XIANGHAO 等: "Extraction method of wide-band phased array radar signals based on pulse amplitude characteristic", THE JOURNAL OF ENGINEERING, pages 7174 - 7178 * |
| 吴阳勇;李文海;吴忠德;王树友;: "一种高精度的雷达信号PRI调制类型识别的方法", 电子测量技术, no. 13, pages 48 - 56 * |
| 樊甫华;: "基于迭代自适应稀疏分解的雷达信号去噪", 现代雷达, no. 06, pages 34 - 37 * |
| 谢春禾;蒋雯;刘翔;郑翰清;: "开放世界下的雷达辐射源融合识别算法研究", 上海航天, no. 03, pages 8 - 15 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116821097B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6826350B1 (en) | High-speed signal search method device and recording medium for the same | |
| CN111159249A (zh) | 基于知识图谱的目标识别方法、装置、系统、存储介质 | |
| CN112734691A (zh) | 一种工业制品缺陷检测方法、装置、终端设备及存储介质 | |
| CN113157800A (zh) | 实时发现空中动态目标识别方法 | |
| CN111091101B (zh) | 基于一步法的高精度行人检测方法、系统、装置 | |
| US20220196864A1 (en) | Diffracted Wave Imaging Method, Device and Electronic Apparatus | |
| CN112528774B (zh) | 一种复杂电磁环境下未知雷达信号智能分选系统及方法 | |
| CN115343676B (zh) | 密封电子设备内部多余物定位技术的特征优化方法 | |
| WO2016113648A1 (en) | Database statistical histogram forecasting | |
| CN114155200A (zh) | 基于卷积神经网络的遥感影像变化检测方法 | |
| Wicaksono et al. | Semantic segmentation on lidar point cloud in urban area using deep learning | |
| CN116626631A (zh) | 一种联合脉内与脉间特征的雷达型号自动识别方法及系统 | |
| CN116821097B (zh) | 全脉冲数据处理方法 | |
| Mokhtari et al. | RF-based drone detection and classification system using convolutional neural network | |
| CN118171121A (zh) | 一种基于数据驱动的ai中台模型管理方法及管理系统 | |
| CN112182140B (zh) | 结合rpa和ai的信息录入方法、装置、计算机设备和介质 | |
| CN106326437A (zh) | 一种财经数据分析方法和装置 | |
| CN105975577A (zh) | 大数据处理中的数据优化方法和装置 | |
| CN115980689A (zh) | 基于点云检测的辐射源信号分选方法、装置、设备及介质 | |
| Wang et al. | Multi-threshold fuzzy clustering sorting algorithm | |
| Sherstyukov et al. | Deep learning for ionogram parameters scaling at polar region ionosphere | |
| Vega et al. | Overview of intelligent data retrieval methods for waveforms and images in massive fusion databases | |
| CN113986908A (zh) | 一种工业设备数据的处理方法、装置及设备 | |
| CN109472766B (zh) | 桥梁螺栓区域定位方法及终端设备 | |
| CN112733860A (zh) | 一种提升二分类分割网准确率和召回率的方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |