-
公开(公告)号：CN118566871A
公开(公告)日：2024-08-30
申请号：CN202410735475.9
申请日：2024-06-07
申请人： 中国人民解放军海军航空大学
IPC分类号： G01S7/41
摘要： 本发明属于雷达信号处理领域，具体涉及一种纹理先验辅助的多秩目标智能检测方法。在多通道宽带雷达距离扩展目标检测背景下，面对实际环境中杂波的非高斯统计特性，将杂波建模为纹理分量与散斑分量乘积的形式，采用两步检测器设计程序的Wald检验准则，在具有线性无关的子空间目标坐标向量模型下构建具有闭合形式的距离扩展目标智能检测器，在确保检测器CFAR特性的同时，合理兼顾算法计算复杂度、失配鲁棒性和检测性能间的有效平衡。
-
公开(公告)号：CN112230195B
公开(公告)日：2024-07-30
申请号：CN202010911596.6
申请日：2020-09-02
申请人： 清华大学 , 中国人民解放军海军航空大学
摘要： 本申请公开了一种基于非线性最优平滑层策略的平滑变结构滤波方法及系统，方法包括：基于非线性切换函数在最小均方误差准则下实时计算非线性最优平滑层参数；将该非线性最优平滑参数与预设的平滑层参数对比，以判断当前模型不确定度的大小；根据不确定度大小采用一种自适应切换策略计算增益项，并利用增益项在一个先验预测‑后验更新的框架中计算目标状态估计值；上述过程序贯迭代以实现对目标状态的持续跟踪。该方法采用基于非线性最优平滑层参数的自适应切换策略计算增益项，能够实现跟踪算法及系统在低模型不确定度下的最优性，同时保证高不确定度下的鲁棒性和优良的抖振抑制特性，从而获得更好的目标状态跟踪精度，具有较高的工程应用价值。
-
公开(公告)号：CN115575946B
公开(公告)日：2024-06-04
申请号：CN202211287029.3
申请日：2022-10-20
申请人： 中国人民解放军海军航空大学
摘要： 本发明属于雷达信号处理技术领域，具体涉及一种雷达目标斜对称子空间智能融合检测方法。在宽带雷达探测场景下，针对子空间雷达目标检测性能退化问题，充分利用杂波斜对称结构信息，降低对训练样本的实际需求，提高未知杂波协方差矩阵估计精度，在具有线性无关的子空间目标坐标向量模型下构建具有闭合形式的距离扩展目标智能检测器，在确保检测器CFAR特性的同时，降低对训练样本的需求，进一步提高宽带雷达对目标类型的适应能力，改善雷达目标斜对称子空间智能融合检测性能。
-
公开(公告)号：CN113192078B
公开(公告)日：2022-12-02
申请号：CN202110420778.8
申请日：2021-04-19
申请人： 清华大学 , 中国人民解放军海军航空大学
摘要： 本发明提出一种基于密度的快速海面SAR图像超像素分割方法，属于合成孔径雷达图像处理领域。该方法在训练阶段，获取大小相同的纯净杂波子图像和纯净含海面目标的子图像，计算每张子图像的密度向量并建立加权稀疏优化问题并求解，得到最优权重向量和最优偏差；在测试阶段，获取一张海面SAR图像并划分为多张子图像，利用最优权重向量和最优偏差计算每张子图像对应标签，判定该子图像是否可能含有目标；对所有可能含有目标的子图像进行超像素分割，得到该海面SAR图像的最终超像素分割结果。本发明通过在SAR图像超像素分割前先行快速删除大量的海杂波区域，再对剩余区域进行精细分割，显著提升了现有超像素分割方法的计算速度和存储效率。
-
公开(公告)号：CN114879185A
公开(公告)日：2022-08-09
申请号：CN202210668475.2
申请日：2022-06-14
申请人： 中国人民解放军海军航空大学
摘要： 本发明公开了一种基于任务经验迁移的雷达目标智能识别方法，属于雷达信号处理领域。构建了多类平衡中心余弦损失基础学习器结合任务损失倒数加权更新元学习器的元学习识别框架，设计了基础学习器中卷积神经网络的多类平衡余弦中心损失函数，通过引入Focal损失，避免了不同类别样本数不均衡所导致的样本数较少类别目标的识别率下降问题。基于平滑平均绝对误差损失函数，设计了元学习器参数的任务损失倒数加权更新方式，提升了对高相关度经验的借鉴程度，通过取小运算避免了元训练任务损失值过小而导致参数更新过程不收敛的问题。本发明方法提高了小样本条件下雷达目标高分辨距离像多类别识别正确率，具有推广应用价值。
-
公开(公告)号：CN111505639B
公开(公告)日：2021-10-22
申请号：CN202010373474.6
申请日：2020-05-06
申请人： 清华大学 , 中国人民解放军海军航空大学
摘要： 本发明公开了一种基于变重频采样模式的合成孔径雷达宽幅稀疏成像方法，包括：通过雷达发射天线以变重频采样模式发射信号脉冲，接收目标反射回波信号，初始化参数及变量；执行非均匀线频调变标过程得到成像场景的场景散射强度矩阵；利用软阈值操作更新场景散射强度矩阵，得到第i次迭代的结果；执行非均匀逆线频调变标过程得到模拟的回波数据；计算模型误差变化率，判断模型误差变化率或迭代次数是否满足迭代终止条件，满足迭代终止条件，则输出当前迭代得到的场景散射强度矩阵作为合成孔径雷达成像结果，不满足迭代终止条件，则迭代次数i加1继续迭代。该方法可以实现对稀疏场景的高分辨率、宽测绘带成像，降低了硬件成本，提高了运行效率。
-
公开(公告)号：CN112991257B
公开(公告)日：2021-10-15
申请号：CN202011496434.7
申请日：2020-12-17
申请人： 清华大学 , 中国人民解放军海军航空大学
摘要： 本发明公开了一种基于半监督孪生网络的异质遥感图像变化快速检测方法，包括如下步骤：获取变化前后的两幅异质遥感图像并进行配准；以在ImageNet中预训练的两个相同结构的VGG子网络为基础构造半监督孪生网络；在两幅异质遥感图像的相同位置，分别提取少量以图像小块为单位的非变化区域，作为训练样本；构造损失函数，通过最小化损失函数，训练半监督孪生网络中的高层级特征以适应两幅异质遥感图像，获得两幅异质遥感图像的同质特征；以两幅异质遥感图像作为半监督孪生网络输入，提取变化差异图；利用Otsu算法对变化差异图二值化，得到最终的变化检测图。本发明能够准确检测异质遥感图像变化区且检测效率高。
-
公开(公告)号：CN112991257A
公开(公告)日：2021-06-18
申请号：CN202011496434.7
申请日：2020-12-17
申请人： 清华大学 , 中国人民解放军海军航空大学
摘要： 本发明公开了一种基于半监督孪生网络的异质遥感图像变化快速检测方法，包括如下步骤：获取变化前后的两幅异质遥感图像并进行配准；以在ImageNet中预训练的两个相同结构的VGG子网络为基础构造半监督孪生神经网络；在两幅异质遥感图像的相同位置，分别提取少量以图像小块为单位的非变化区域，作为训练样本；构造损失函数，通过最小化损失函数，训练半监督孪生神经网络中的高层级特征以适应两幅异质遥感图像，获得两幅异质遥感图像的同质特征；以两幅异质遥感图像作为半监督孪生神经网络输入，提取变化差异图；利用Otsu算法对变化差异图二值化，得到最终的变化检测图。本发明能够准确检测异质遥感图像变化区且检测效率高。
-
公开(公告)号：CN118584445A
公开(公告)日：2024-09-03
申请号：CN202410863283.6
申请日：2024-06-29
申请人： 中国人民解放军海军航空大学
摘要： 本发明公开了一种基于全数据两步估计的自适应融合目标智能检测方法，属于雷达信号处理领域。针对现有宽带雷达距离扩展目标自适应检测器难以兼顾算法计算复杂度、恒虚警率特性、检测性能和失配鲁棒性的难题，通过挖掘无目标假设下多个待检测距离单元的主数据中可用的杂波信息，并充分结合辅助数据，构建了易于数学处理的杂波协方差矩阵的一步联合最大似然估计方法，提高了未知杂波协方差矩阵估计精度，降低了对辅助数据量的需求；进而设计了基于全数据两步估计的自适应融合目标智能检测方法，具有闭合形式的表达式，无需迭代运算，提升了复杂环境下多通道宽带雷达对弱小目标和失配目标的自适应检测性能。
-
公开(公告)号：CN113759356B
公开(公告)日：2023-10-20
申请号：CN202111028084.6
申请日：2021-09-02
申请人： 中国人民解放军海军航空大学
IPC分类号： G01S13/06
摘要： 本发明公开了一种基于角域特征优化的雷达目标HRRP识别方法，属于雷达信号处理领域。针对特征空间中各类目标特征混叠严重和HRRP的角度特征利用率低，合理地引入HRRP的角度信息优化特征空间，增加特征空间的整体可分性；再利用自适应分帧算法对特征空间进行角域划分，增加特征空间的局部可分性，并利用粒子群优化算法确定特征空间角域划分时最优的单帧最小样本数目，增强方法的鲁棒性与适用性。通过特征空间优化和区域划分的相结合，有效的提升了多类目标的分类识别性能，增强了雷达在复杂环境下的分类识别能力，具有推广应用价值。
-
-
-
-
-
-
-
-
-
搜索结果
55 条记录 (耗时 0.047 秒)
