-
公开(公告)号：CN108333583A
公开(公告)日：2018-07-27
申请号：CN201810057487.5
申请日：2018-01-22
Applicant: 西安电子科技大学
CPC classification number: G01S13/726 , G01S7/02
Abstract: 本发明公开了一种基于相控阵雷达搜索和跟踪双目标优化的资源分配方法，属于雷达技术领域，其主要思路为：设定第k次分配时相控阵雷达的搜索区域存在Qk个目标，并且第k次分配时相控阵雷达的搜索区域被分割为Nk个不重叠的搜索扇区；令k为第k次分配，1≤k≤K，k的初始值为1，K为大于0的偶数；分别得到第1次分配期间相控阵雷达分配给N1个不重叠搜索扇区的最优搜索时间资源至第K次分配期间相控阵雷达分配给NK个不重叠搜索扇区的最优搜索时间资源 以及第1次分配期间相控阵雷达分配给Q1个目标的跟踪时间资源列向量最优解 至第K次分配期间相控阵雷达分配给QK个目标的跟踪时间资源列向量最优解 并记为基于相控阵雷达搜索和跟踪双目标优化的资源分配结果。
-
公开(公告)号：CN108318877A
公开(公告)日：2018-07-24
申请号：CN201711200637.5
申请日：2017-11-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多基地雷达的杂波子空间下目标检测方法，主要解决现有技术计算量大，检测性能低下的问题。其实现步骤为：1、对回波数据进行采集；2、对采集的回波数据进行广义似然比检测，得到局部检验统计量；3、将局部检验统计量传输到融合中心，融合中心根据局部检验统计量计算全局检验统计量；4、计算检测门限；5、根据检测门限对全局检验统计量进行判别，若全局检验统计量大于检测门限，则判决目标存在，否则判决目标不存在。本发明提高了多基地雷达杂波子空间下目标的检测性能，且计算量小，适用性广泛，可用于多基地雷达目标检测系统。
-
公开(公告)号：CN108306840A
公开(公告)日：2018-07-20
申请号：CN201810094110.7
申请日：2018-01-31
Applicant: 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
CPC classification number: H04L27/2035 , G01S7/02 , G01S7/28 , G01S7/41
Abstract: 本发明公开了一种基于相位抖动的单载波雷达通信一体化信号实现装置，属于雷达通信技术领域，适用于解决一体化信号中雷达信号的距离旁瓣电平过高问题，并同时完成雷达探测和通信，包括雷达发射端、通信接收端和雷达接收端，其中雷达发射端用于获取Ns个通信序列的最优一体化信号矩阵 其思路为：获取通信数据流，将所述通信数据流切割为Ns个通信序列，计算Ns个通信序列的一体化信号；其中，Ns为大于1的正整数；根据Ns个通信序列的一体化信号，计算Ns个通信序列的一体化信号自相关旁瓣电平矢量；根据Ns个通信序列的一体化信号自相关旁瓣电平矢量，构造Ns个通信序列的目标优化函数；优化Ns个通信序列的目标优化函数，得到Ns个通信序列的最优一体化信号矩阵
-
公开(公告)号：CN107977667A
公开(公告)日：2018-05-01
申请号：CN201610919536.2
申请日：2016-10-21
Applicant: 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
CPC classification number: G06K9/6269 , G06K9/66
Abstract: 本发明公开了一种基于半监督协同训练的SAR图像目标鉴别方法，主要解决现有鉴别方法需要大量人工标记样本且实时性较差的问题。其实现过程是：1)将恒虚警率CFAR检测切片作为训练样本，从中取少量的样本进行标记；2)提取训练样本的两个林肯特征组；3)用标记过样本的两个林肯特征组训练两个分类器；4)利用3)得到的分类器对无标记样本进行鉴别；5)两个分类器挑选各自置信度较高的少数样本加入到对方的有标记训练样本中；6)利用新的有标记样本重复4)-5)得到最终的分类器；7)用分类器对测试样本进行分类，得到分类结果。本发明仅需标记少量的样本就能达到与全监督方法相同的效果，可用于实现SAR图像目标的实时鉴别。
-
公开(公告)号：CN107942323A
公开(公告)日：2018-04-20
申请号：CN201711144186.8
申请日：2017-11-17
Applicant: 西安电子科技大学
IPC: G01S13/52
CPC classification number: G01S13/52
Abstract: 本发明公开了一种基于频域熵的进动目标时频曲线提取方法，主要解决现有技术频谱关联计算量大效率低的问题。其方案是：1.对雷达回波信号包络进行快速傅里叶变换得到时频信号；2.利用恒虚警算法对每个时刻的时频信号做恒虚警，每个时刻得到一系列的频率点；3.对所每个时刻得到的一系列的频率点做凝集处理，每个时刻得到一个或两个时频点；4.利用频域熵对得到一个或两个时频点进行匹配，得到一条曲线，剩下的点自动组成另一条曲线。本发明减少了计算量，提高了关联效率，提高了匹配成功率，可用于目标识别。
-
Patent Agency Ranking
公开(公告)号：CN105699944B
公开(公告)日：2018-04-17
申请号：CN201610044900.5
申请日：2016-01-23
Applicant: 西安电子科技大学
IPC: G01S7/02
Abstract: 本发明公开了一种基于LFM基波束的MIMO雷达部分相关波形设计方法，主要解决现有技术所设计波形的发射方向图性能和多普勒容忍性不能兼顾的问题。其实现步骤是：设定波形参数和期望方向图，采用基波束算法得到各基波束和各线性调频信号组的时宽；根据各基波束及各线性调频信号组的时宽，构造各线性调频信号组；用各线性调频信号组合成发射波形。本发明构造发射方向图接近基波束的线性调频信号组，并用线性调频信号组合成发射波形，使波形的发射方向图能够更好地逼近期望方向图，并保证波形具有较强的多普勒容忍性，可用于对MIMO雷达发射波形的设计。
-
公开(公告)号：CN105353359B
公开(公告)日：2018-03-06
申请号：CN201510727580.9
申请日：2015-10-30
Applicant: 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
Abstract: 本发明公开了一种异步组网雷达系统误差校正的方法，主要解决异步观测条件下组网雷达的系统误差校正问题。其实现过程是：1、设定目标的运动模型；2、设定包含系统误差的观测模型；3、根据设定的目标运动模型和观测模型，建立系统误差校正目标函数；4、求解系统误差校正目标函数，得到校正后的系统误差。本发明充分考虑各类系统误差来源，建立了较完整的系统误差模型，直接利用各雷达的异步观测数据对组网雷达系统进行误差校正，具有准确的误差校正效果，可用于异步组网雷达系统的系统误差校正。
-
公开(公告)号：CN104778719B
公开(公告)日：2017-10-24
申请号：CN201510230170.3
申请日：2015-05-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于时变SAR图像二阶统计量扰动分析的变化检测方法，主要解决时变相干斑噪声影响SAR图像变化检测结果的问题。其实现过程是：(1)将已配准且进行辐射校正和几何校正的两幅待检测SAR图像做差，并取模产生差图像；(2)用两幅待检测图像和差图像构造二阶统计量向量；(3)结合扰动分析计算二阶统计量向量与不变区域二阶统计量的标准形式的相关系数，用相关系数构造差异图；(4)用模糊C均值聚类方法对差异图聚类，实现变化检测。本发明有效地减少了由于时变相干斑噪声造成的虚警，可用于对不同时段同一场景变化区域的检测。
-
公开(公告)号：CN107122753A
公开(公告)日：2017-09-01
申请号：CN201710316452.4
申请日：2017-05-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于集成学习的SAR目标鉴别方法，主要解决现有技术在训练数据类别分布不平衡时SAR目标鉴别性能低的问题。其方案是：1.对给定的训练切片和测试切片提取词包模型特征；2.对杂波类训练样本进行随机下采样，将得到的子集与目标类训练样本一起训练获得代价敏感的字典；3.对杂波类训练样本进行随机下采样，将得到的子集与目标类训练样本一起训练获得SVM分类器；4.利用代价敏感的字典和SVM分类器对测试样本进行分类，记录测试样本的分类决策值；5.利用最大投票方法对测试样本的分类决策值进行判定，确定测试样本最终的类别标号。本发明提升了鉴别的性能，可用于对复杂场景下的训练数据类别不平衡时的SAR目标鉴别。
-
公开(公告)号：CN104008373B
公开(公告)日：2017-09-01
申请号：CN201410243072.9
申请日：2014-06-03
Applicant: 西安电子科技大学
IPC: G06K9/00
Abstract: 本发明属于雷达自动目标识别技术领域，特别涉及基于多信息字典学习的SAR目标识别方法。该基于多信息字典学习的SAR目标识别方法包括以下步骤：根据每个训练用SAR目标图像，得出训练用图像域幅度信息初始化字典和训练用频域幅度信息初始化字典；根据训练用图像域幅度信息初始化字典和训练用频域幅度信息初始化字典得出学习后图像域幅度信息字典和学习后频域幅度信息字典；根据测试用SAR目标图像进行配准，得到测试用图像域幅度信息向量和测试用频域幅度信息向量；采用联合动态稀疏表示对测试用图像的两种信息进行稀疏求解，并对测试用SAR目标图像进行重构，并根据重构误差最小化原则得到最终的识别结果。
-
-
-
-
-
-
-
-
-
Search Results
950
records
(took 0.042 seconds)
