-
公开(公告)号:CN113627356B
公开(公告)日:2024-02-23
申请号:CN202110930328.3
申请日:2021-08-13
Applicant: 上海无线电设备研究所
IPC: G06F30/27
Abstract: 一种海面舰船智能识别方法,包含以下步骤:S1、获取待识别舰船的多源图像样本并进行规范化预处理;S2、构建并训练多源图像舰船特征学习的DBN模型,并将其标记为DBNopt和DBNSAR;S3、训练多源图像舰船特征融合学习的GRBM模型,并将其标记为GRBMFus;S4、训练基于多源特征向量的ELM分类器,并将其标记为ELMFus;S5、利用训练好的DBNopt、DBNSAR、GRBMFus模型和ELMFus分类器,进行海面舰船智能识别测试。本发明采用深度学习方法,实现了具有全天时、全天候成像观测优势的SAR图像与具有分辨率较高、目标细节轮廓清晰、直观易于理解优势的可见光图像的多源异质图像信息融合与舰船目标分类识别,具有识别率高、自动化、识别模型轻量化且扩展应用灵活的优点。(56)对比文件Xingyue Zhou等.“ Deep Learning Basedon Striation Images for Underwater andSurface Target Classification”《.IEEESignal Processing Letters》.2019,第26卷(第9期),全文.黄冬梅;李明慧;宋巍;王建.卷积神经网络和深度置信网络在SAR影像冰水分类的性能评估.中国图象图形学报.2018,(11),全文.王伟.基于遥感图像的船舶目标检测方法综述.电讯技术.2020,(09),全文.
-
公开(公告)号:CN117347968A
公开(公告)日:2024-01-05
申请号:CN202311414950.4
申请日:2023-10-27
Applicant: 上海无线电设备研究所
Abstract: 本发明公开了一种海杂波瞬态特性表征方法,包括:获取海杂波回波数据,并根据所述海杂波回波数据,采用统计分析方法,计算海杂波瞬态幅度起伏特性的特征参数;根据所述海杂波回波数据,采用瞬时谱分析方法,计算海杂波瞬态频谱特性的特征参数;根据所述海杂波瞬态幅度起伏特性的特征参数和所述海杂波瞬态频谱特性的特征参数,构建海杂波瞬态特征表征模型,以实现海杂波瞬态表征。本发明提供的一种海杂波瞬态特性表征方法,解决了近距离、雷达观测时间极其有限情况下海杂波幅度、频谱特性精细化表征的问题,可应用于雷达与目标高速交会场景下海杂波与目标识别,提高雷达系统抗强海杂波干扰能力。
-
公开(公告)号:CN115638990A
公开(公告)日:2023-01-24
申请号:CN202211140952.4
申请日:2022-09-19
Applicant: 上海无线电设备研究所
IPC: G01M15/14 , G01M15/02 , G01N21/3504 , G06F18/23 , G06F18/214 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于尾焰特征光谱的发动机辨识方法,基于高温气体分子的振转动跃迁光谱机理与分析,优选出不同气体分子各自的特征光谱;将径向基神经网络应用于尾焰流场参数反演中,为发动机尾焰流场反演提供了新思路;依据质量守恒准则,实现从发动机喷口流场参数逆向推断发动机燃料和氧料配比,为从发动机外部尾焰辨识发动机性能参数提供新思路,弥补现有技术中采用发动机内部燃烧参数直接测量方法的不足。
-
公开(公告)号:CN113723011A
公开(公告)日:2021-11-30
申请号:CN202111059833.1
申请日:2021-09-10
Applicant: 上海无线电设备研究所
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G06F113/08 , G06F119/08
Abstract: 本发明提供一种高温混合气体红外辐射特性快速计算方法,包含步骤:S1、选取径向基神经网络的输入变量、输入变量空间及输出变量;S2、在输入变量空间内选取样本点,构建样本集A;S3、基于样本集A,构建训练集M;S4、基于训练集M,训练径向基神经网络,生成待评估的高温混合气体吸收系数快速计算模型;S5、对待评估的高温混合气体吸收系数快速计算模型进行精度和效率测试评估。本发明针对现有技术的不足,将径向基神经网络模型引入高温混合气体辐射特性计算领域,提供了一种新思路;同时,采用改进的自适应聚类方法,优化径向基函数宽度和中心,提高了算法的精度,并相对于传统逐线法,降低了计算复杂度,计算效率更高,具有较好的实用性。
-
公开(公告)号:CN111581884A
公开(公告)日:2020-08-25
申请号:CN202010393887.0
申请日:2020-05-11
Applicant: 上海无线电设备研究所
IPC: G06F30/27
Abstract: 本发明公开了一种星载多分辨率目标光学辐射图像仿真方法,包含:分析星载遥感图像影响因素,结合地物波谱数据库,经大气辐射传输模型计算地物背景和天空背景辐射特性,建立不同影响因素下地物物性参数数据库;获取某一状态下的卫星实测光学辐射数据;利用星载场景下目标与环境耦合辐射传输模型,仿真获取与卫星实测光学辐射数据同一场景下不同影响因素下的卫星图像;利用仿真数据及对应的输入参数和实测卫星图像对生成对抗深度学习网络进行训练,得到星载光学辐射图像成像影响因子数字化生成模型;将待仿真输入条件参数和对应场景的星载实测图像作为输入,经星载光学辐射图像成像影响因子数字化生成模型输出星载场景目标光学辐射仿真图像。
-
公开(公告)号:CN118731944A
公开(公告)日:2024-10-01
申请号:CN202410983302.9
申请日:2024-07-22
Applicant: 上海无线电设备研究所
Abstract: 本发明公开了一种目标关键部位的近场散射中心特征表征方法,包括:基于一定雷达视角下的近场雷达回波计算高分辨距离像;基于近场属性散射中心模型计算二维SAR图像的近场属性散射中心图,并提取近场属性散射中心参数特征;基于近场属性散射中心图计算近场时频图特征;基于目标的全姿态三维散射中心重构模型产生目标在多方位姿态下的电磁散射数据,并结合卷积神经网络提取多方位姿态深度特征;将所述高分辨距离像和所述近场属性散射中心参数特征融合生成目标整体与目标关键部位之间的相对空间位置特征;通过所述近场时频图特征获取目标相对于雷达探测方位角改变的时域变化特征;将所述相对空间位置特征和所述时域变化特征与所述多方位姿态深度特征匹配与融合,实现在全方位姿态下的近场散射中心特征表征及特征扩展,为关键部位识别提供特征空间支持。
-
公开(公告)号:CN110490907B
公开(公告)日:2023-05-16
申请号:CN201910776394.2
申请日:2019-08-21
Applicant: 上海无线电设备研究所
Abstract: 本发明公开了一种基于多目标特征和改进相关滤波器的运动目标跟踪方法,该方法包括以下步骤:输入跟踪视频序列和初始帧中被跟踪目标的位置信息;提取目标多通道特征对目标实现全面信息表征;构建像素可靠性图对相关滤波器进行约束优化,将相关滤波器限制在适合于跟踪的图像区域;利用线性降维算子减少模型中的参数数目,训练紧凑样本分类模型;通过高斯牛顿法和共轭梯度法对相关滤波器进行二次优化得到最优相关滤波器;将改进的相关滤波器与提取的目标搜索区域的目标特征进行响应,确定目标跟踪框的位置;对滤波器模型和像素可靠性图进行联合更新;输出跟踪结果图。本发明可以有效地跟踪大多数场景下的运动目标,具有较好的跟踪精度和实时性。
-
公开(公告)号:CN115565050A
公开(公告)日:2023-01-03
申请号:CN202211242550.5
申请日:2022-10-11
Applicant: 上海无线电设备研究所 , 中国人民解放军96901部队
IPC: G06V10/82 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多模态特性融合的智能目标识别方法,在构建典型空中目标高分辨率距离像、红外图像样本库的基础上,分别采用注意力双向门控循环单元模型从高分辨率距离像时间序列样本,采用轻量化的卷积神经网络模型从红外图像样本中学习提取空中目标多模态深度特征表示;采用高斯分布受限玻尔兹曼机实现空中目标多模态特征抽象融合,去除冗余,形成更具辨识力、代表性的多模态特征联合表示;利用小样本条件下泛化能力强、训练速度快、分类精度高的核超限学习机作为分类器,实现空中目标类型识别。本发明采用异构深度学习模型抽象提取并融合高分辨率距离像、红外图像中的空中目标特征信息用于目标识别,提高识别精度。
-
公开(公告)号:CN114219020A
公开(公告)日:2022-03-22
申请号:CN202111497587.8
申请日:2021-12-09
Applicant: 上海无线电设备研究所
IPC: G06K9/62 , G06N3/08 , G06F30/27 , G06V10/74 , G06V10/762 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于多角度序列图像的空间目标参数反演方法,包含:基于面元法建立任意形状空间目标红外辐射特性模型;根据目标运动模型和多平台探测模型仿真生成多视角空间目标辐射图像序列;基于多视角下的空间目标时间序列图像与目标姿态、形状、尺寸、运动等参数的内在关联性,通过高精度仿真模型生成大数据样本,建立深度学习网络模型进行训练,建立空间目标参数的逆向反演模型。
-
公开(公告)号:CN118068361A
公开(公告)日:2024-05-24
申请号:CN202311573959.X
申请日:2023-11-23
Applicant: 上海无线电设备研究所
IPC: G01S17/89
Abstract: 一种单频MIMO弧形阵列雷达的目标三维散射中心重构方法,采用单频MIMO弧形阵列雷达获取目标的回波数据,基于单频MIMO弧形阵列雷达,构建目标三维散射中心的信号模型,采用基于3D‑MUSIC的方法,估计目标的三维散射中心参数,将散射中心参数估计值代入至目标三维散射中心的信号模型,获取目标的三维散射中心重构结果。本发明减少了目标的回波数据量,提高了目标三维散射中心的重构效率,实现了目标三维散射中心的精确重构。
-
-
-
-
-
-
-
-
-