-
公开(公告)号：CN115308739A
公开(公告)日：2022-11-08
申请号：CN202211037185.4
申请日：2022-08-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度网络的宽带雷达目标检测方法，主要解决现有技术由人为设定目标特性和检测窗长度带来检测模型失配导致检测概率低的问题。其方案是：利用仿真建立目标散射点模型获得目标回波一维距离像，建立其训练数据集；构建由多个隐藏层和一个输出解码层级联组成的卷积神经网络，并将二分类交叉熵损失函数设置为其代价函数；根据训练数据集和代价函数，使用小批量梯度下降法迭代训练卷积神经网络；将待检测目标的回波输入到训练好的卷积神经网络，得到目标检测结果。本发明将深度学习用于宽带目标检测，避免因人工设计检测窗长度或人为设定目标特性带来的检测模型失配，提高了不同信噪比目标的检测概率，可用于宽带雷达跟踪和预警。
-
公开(公告)号：CN115267773A
公开(公告)日：2022-11-01
申请号：CN202210629290.0
申请日：2022-06-01
Applicant: 西安电子科技大学
IPC: G01S13/90
Abstract: 本发明提出的一种基于ISAR像序列的飞机载荷三维姿态与尺寸估计方法，通过获取携带圆形载荷的飞机目标ISAR图像序列进行预处理；之后进行圆形载荷部件检测；估计检测到的圆形载荷的投影物理特征的椭圆参数；利用携带圆形载荷的飞机目标ISAR成像模型以及瞬时雷达视线信息，构建圆形载荷从三维结构映射到对应二维成像平面上的投影矩阵；根据所述椭圆参数估计结果以及所述投影矩阵集合，对圆形载荷三维姿态以及尺寸进行估计，得到圆形载荷三维姿态以及圆形载荷尺寸。本发明相比于现有技术通过检测飞机目标ISAR图像中的圆形载荷部件并提取其投影物理特征，能够实现对具有非线性结构的圆形载荷进行三维姿态与尺寸估计。
-
公开(公告)号：CN112526450B
公开(公告)日：2022-10-21
申请号：CN202011298435.0
申请日：2020-11-19
Applicant: 西安电子科技大学
IPC: G01S5/16
Abstract: 本发明提出了一种基于时钟偏差和站址误差的时差定位跟踪方法，用于解决现有技术中存在的跟踪精度较低的技术问题，实现步骤为：构建时差定位跟踪场景；初始化参数；信息采集模块采集时间戳差值信息和传感器位置的观测值信息；信息处理模块基于时钟偏差和站址误差获取目标T的位置信息；跟踪控制模块获取目标的时差定位跟踪结果；信息处理模块计算k时刻传感器移动的目的位置坐标；跟踪控制模块控制传感器移动。本发明同时考虑了时差定位跟踪中存在的时钟偏差和站址误差，有效提升了目标的跟踪精度。
-
公开(公告)号：CN115100457A
公开(公告)日：2022-09-23
申请号：CN202210620293.8
申请日：2022-06-02
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/20 , G06N3/04 , G06N3/08
Abstract: 本发明涉及雷达目标识别领域，具体涉及一种联合深度学习与CFAR的SAR图像目标检测方法。本发明使用将CNN网络、YOLO V5网络和CFAR算法联合的方式，显著提高了对SAR图像的目标检测率；使用很少的参数网络模型和快速CFAR检测算法，以及使用CNN网络过滤了不含目标的复杂场景切片，使其不加入到YOLO V5和CFAR中检测，检测过程用时少，提高了整个目标识别过程的检测效率；采用YOLO V5的神经网络结构，并对数据集做了归一化、数据增强和自适应计算的预处理，可以得到SAR图像的多层特征，相比于传统的识别方法和Fast RCNN等网络结构的目标识别的方法有较强的鲁棒性。
-
公开(公告)号：CN115061135A
公开(公告)日：2022-09-16
申请号：CN202210617357.9
申请日：2022-06-01
Applicant: 西安电子科技大学
IPC: G01S13/90
Abstract: 本发明提出一种空中目标三维姿态与尺寸联合估计方法，该方法包括：1)获取ISAR图像序列；2)对ISAR图像序列进行预处理；3)利用Harris检测方法对预处理后的图像序列进行角点检测；4)基于图像的角点对预处理后的图像序列中的目标进行凸包检测；5)基于凸包检测结果提取预处理后的图像序列中目标的投影物理线特征；6)对于ISAR序列中的每一帧图像，构造空中目标从三维结构映射到对应二维成像平面上的投影矩阵；7)基于目标的投影物理线特征，结合投影矩阵，实现目标三维姿态与尺寸的联合估计。本发明仅提取空中目标的五个轮廓特征点，减少特征点数目提取，并降低特征关联的复杂度，提高目标三维参数估计的效率。
-
Patent Agency Ranking
公开(公告)号：CN114994657A
公开(公告)日：2022-09-02
申请号：CN202210182301.5
申请日：2022-02-25
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于重频自适应网络的雷达重频变化稳健目标识别方法，包括：步骤1：获取待测回波信号，待测回波信号包含重频信息；步骤2：将待测回波信号和待测回波信号的重频信息输入至训练完成的重频自适应网络，得到分类结果。其中，重频自适应网络是基于训练数据集以及训练辅助数据集所训练获得的；重频自适应网络包括连接的自适应卷积核生成模块和卷积神经网络模块。本发明构建了重频自适应网络，利用回波信号及其重频信息对构建的网络进行训练，根据重频信息对网络结构进行自适应地调整，进而学习出在当前重频条件下可分性更好的特征，在雷达重频发生变化时仍具有较好的分类效果，具备较好的稳健性能。
-
公开(公告)号：CN114814765A
公开(公告)日：2022-07-29
申请号：CN202210296927.9
申请日：2022-03-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多片FT‑M6678芯片的雷达目标分类方法，包括：构建信号处理模块，所述信号处理模块包括互联的第一FT‑M6678芯片和第二FT‑M6678芯片；利用采集到的多组雷达回波数据构建训练数据集，利用训练数据集生成目标分类模板文件并储存至所述第一FT‑M6678芯片；利用第二FT‑M6678芯片对待分类原始雷达回波数据进行并行预处理并将预处理后的待分类数据传输至第一FT‑M6678芯片；利用第一FT‑M6678芯片中的内核通过多核轮询的方式对预处理后的待分类数据进行特征提取和目标分类识别，获得目标分类结果。本发明结合FT‑M6678的特点，通过多核并行与多核轮询相结合的处理方式，利用有限硬件资源满足目标识别实时处理的要求，解决现有雷达目标识别技术面临的实时性差的问题。
-
公开(公告)号：CN114722857A
公开(公告)日：2022-07-08
申请号：CN202210210760.X
申请日：2022-03-03
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种干扰条件下基于注意力机制的HRRP增强预处理方法，包括：生成第一数据集；将频谱信号中的若干位置的数据设置为0，得到第二数据集；根据第二数据集得到辅助数据集；对第二数据集进行预处理得到第三数据集；基于Transformer网络模型，根据第三数据集、掩码矩阵和位置矩阵得到插补值；利用损失函数计算插补值与真实值之间的损失值；基于损失值，利用反向传播算法迭代更新Transformer网络模型的参数，直到损失值收敛为止，得到训练好的Transformer网络模型；基于训练好的Transformer网络模型，根据目标频谱信号得到重构结果。本发明所提供的重构方法主要用于解决现有技术中循环神经网络对高分辨距离像频谱信号利用不充分，前序数据的信息存在缺失的问题。
-
公开(公告)号：CN108828504B
公开(公告)日：2022-06-10
申请号：CN201810299450.3
申请日：2018-03-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于部分相关波形的MIMO雷达目标方向的快速估计方法，属于雷达技术领域，其主要思路为：确定MIMO雷达，所述MIMO雷达包括发射阵列和接收阵列，且发射阵列和接收阵列收发分置；发射阵列发射部分相关波形，并得到目标回波信号矩阵；确定需要检测的目标空域范围，依次得到目标方向的粗估值和目标的多普勒频率，进而得到MIMO雷达多普勒滤波数据；确定目标方向搜索范围，然后在所述目标方向搜索范围内分别计算接收阵列最大似然算法的代价函数值和发射阵列最大似然函数算法的代价函数值；确定目标方向的最终估计值，所述目标方向的最终估计值为基于部分相关波形的MIMO雷达目标方向的快速估计结果。
-
公开(公告)号：CN108828586B
公开(公告)日：2022-05-24
申请号：CN201810677588.2
申请日：2018-06-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于波束域的双基地MIMO雷达测角优化方法，其思路为：确定双基地MIMO雷达，设定所述双基地MIMO雷达检测范围内存在K个目标，设定一个相干处理间隔的脉冲数为Q；确定每个脉冲包含K个目标的信号矩阵后进行匹配滤波，进而构建矩阵信号模型；利用凸优化的方法设计得到发射波束矩阵以接收波束矩阵以及优化信号模型；确定信号子空间，得到K个目标的波离角估计值和K个目标的波达角估计值；确定发射阵列感兴趣的角度区域Θe内I个采样点的映射角度值和接收阵列感兴趣的角度区域Θr内I个采样点的映射角度值；进而得到K个目标的波离角真实值和K个目标的波达角真实值后记为一种基于波束域的双基地MIMO雷达测角优化结果。
-
-
-
-
-
-
-
-
-
Search Results
951
records
(took 0.049 seconds)
