-
公开(公告)号：CN115511077A
公开(公告)日：2022-12-23
申请号：CN202211200662.4
申请日：2022-09-29
Applicant: 上海无线电设备研究所
Abstract: 本发明公开了一种面向强化学习的深度神经网络生成方法，包含以下步骤：采用循环神经网络产生子网络拓扑模型，设计需求驱动的直接奖励，对待识别的样本进行充分训练后计算该子网络拓扑模型的奖励，并反向传播至循环神经网络；采用策略梯度下降计算法则，结合交叉熵梯度模型，更新循环神经网络参数；产生新的卷积神经子网络拓扑模型，进行下一次更新直至收敛；对收敛时输出的子网络拓扑模型采样，选择最大概率项和其对应的状态空间元素，合并生成最优的子网络拓扑模型。本发明可以自适应优化出更加优异的深度神经网络，并且可以降低训练难度和收敛时间。
-
公开(公告)号：CN111931593B
公开(公告)日：2024-04-26
申请号：CN202010686610.7
申请日：2020-07-16
Applicant: 上海无线电设备研究所
IPC: G06V10/25 , G06V10/44 , G06V10/82 , G06N3/044 , G06N3/0464
Abstract: 本发明公开了一种基于深度神经网络和时频图像序列的弱目标检测方法，包括：获取待检测时频图像序列；利用深度卷积神经网络模型对所述待检测时频图像序列进行卷积特征序列提取，得到卷积特征图序列；利用循环神经网络对所述的卷积特征图序列进行时序特征提取，得到单帧时频特征图；调用区域建议网络对时频特征图进行逐点目标和背景判别，以及目标边框调整。
-
公开(公告)号：CN119511213A
公开(公告)日：2025-02-25
申请号：CN202411517850.9
申请日：2024-10-29
Applicant: 哈尔滨工程大学 , 上海无线电设备研究所
IPC: G01S7/36 , G06F18/10 , G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/045
Abstract: 基于卷积注意力机制和排斥损失的Yolov8网络的雷达有源复合干扰信号识别与参数测量方法，本发明为了解决现有的干扰信号识别方法工作模式单一、鲁棒性差的问题，将干扰识别问题转换目标检测问题，并应用目标检测框架来检测、识别和测量干扰信号的参数，并引入了CBAM注意力机制，增强网络对图像的特征提取能力，提高识别率。此外，还引入了排斥损失函数，在干扰信号时频图像重叠较多时也能保持良好的回归预测效果。本文网络在低干噪比下对大多数信号有良好的检测识别性能。本发明属于雷达干扰信号检测与识别技术领域。
-
Patent Agency Ranking
公开(公告)号：CN113702974B
公开(公告)日：2023-09-19
申请号：CN202111019935.0
申请日：2021-09-01
Applicant: 上海无线电设备研究所
Abstract: 本发明涉及一种机载/弹载合成孔径雷达图像快速优化方法，包含步骤：S1、将全景SAR回波数据进行距离向和方位向交叠分块，生成多个回波子阵；S2、基于各回波子阵，进行运动补偿及成像处理，生成对应的散焦子图像；S3、基于各散焦子图像，消除RD域残余孔径误差，生成对应的重聚焦子图像；S4、基于各重聚焦子图像，拼接SAR全景图。本发明实现了高精度残余空变运动误差补偿，并且原理简单，计算量少，运行速度快，具有较高的准确性和较强的鲁棒性，适用于实际处理，实用性较强。
-
公开(公告)号：CN113702974A
公开(公告)日：2021-11-26
申请号：CN202111019935.0
申请日：2021-09-01
Applicant: 上海无线电设备研究所
Abstract: 本发明涉及一种机载/弹载合成孔径雷达图像快速优化方法，包含步骤：S1、将全景SAR回波数据进行距离向和方位向交叠分块，生成多个回波子阵；S2、基于各回波子阵，进行运动补偿及成像处理，生成对应的散焦子图像；S3、基于各散焦子图像，消除RD域残余孔径误差，生成对应的重聚焦子图像；S4、基于各重聚焦子图像，拼接SAR全景图。本发明实现了高精度残余空变运动误差补偿，并且原理简单，计算量少，运行速度快，具有较高的准确性和较强的鲁棒性，适用于实际处理，实用性较强。
-
公开(公告)号：CN117218585A
公开(公告)日：2023-12-12
申请号：CN202311134198.8
申请日：2023-09-04
Applicant: 上海无线电设备研究所
IPC: G06V20/50 , G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/44 , G06N3/048 , G06N3/094 , G06N3/045
Abstract: 本发明公开一种合成孔径雷达图像目标识别方法，包括：采用浅层卷积神经网络对第一合成孔径雷达图像进行特征提取，以得到第一合成孔径雷达图像的混合特征；采用基于注意力的特征分解方法对混合特征进行特征解耦，以得到第一合成孔径雷达图像的方位角特征和类别特征；获取方位角特征和类别特征之间的互信息的下界；根据方位角特征、类别特征和互信息的下界估计构建初始的目标识别模型；采用基于互信息约束的对抗学习算法对初始的目标识别模型进行优化，以得到优化后的目标识别模型，从而识别第二合成孔径雷达图像中目标的方位角和类别。本发明利用特征解耦的方式来提取图像中类别特征，可以去除方位角对类别识别精度的影响，从而缓解O.O.D分类问题。
-
公开(公告)号：CN116794612A
公开(公告)日：2023-09-22
申请号：CN202310642383.1
申请日：2023-06-01
Applicant: 上海无线电设备研究所
Abstract: 本发明提供一种基于线性变标的合成孔径雷达距离‑孔径空变运动补偿方法，采用“两步运动补偿”中的第一步一致补偿全景回波的主要距离非空变运动误差分量，得到距离脉压后目标徙动曲线图像数据，再利用图像最小散焦准则计算子孔径带宽参数，并对残余的距离‑孔径空变误差一阶泰勒展开，进一步在二维时域引入线性变标进行常数分量和线性分量补偿，同步完成残余方位相位误差补偿，最后通过子孔径数据时域相加拼接成无运动误差的理想回波数据，通过传统成像处理输出最终全景图像。本发明实现了高精度残余距离‑孔径空变运动误差补偿，并且原理简单，适用复杂轨迹的机载和弹载平台，具有较高的准确性和较强的鲁棒性，实用性较强。
-
公开(公告)号：CN111931593A
公开(公告)日：2020-11-13
申请号：CN202010686610.7
申请日：2020-07-16
Applicant: 上海无线电设备研究所
Abstract: 本发明公开了一种基于深度神经网络和时频图像序列的弱目标检测方法，包括：获取待检测时频图像序列；利用深度卷积神经网络模型对所述待检测时频图像序列进行卷积特征序列提取，得到卷积特征图序列；利用循环神经网络对所述的卷积特征图序列进行时序特征提取，得到单帧时频特征图；调用区域建议网络对时频特征图进行逐点目标和背景判别，以及目标边框调整。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.027 seconds)
