-
公开(公告)号：CN117406176A
公开(公告)日：2024-01-16
申请号：CN202311271041.X
申请日：2023-09-28
申请人： 中国人民解放军海军航空大学
摘要： 本发明涉及一种基于LCMV准则的MIMO雷达空‑时‑距三维联合自适应检测方法。本发明先将接收到的MIMO雷达阵元‑脉冲‑距离三维回波数据，按照波形长度拆解为多个“空‑时‑波形”三维数据矩阵，然后将每个三维数据矩阵都转换为二维数据矩阵，作为联合自适应处理的输入；接着，基于LCMV准则构建联合自适应滤波器，并对二维数据矩阵进行联合自适应滤波处理；最后，用联合自适应滤波处理输出的结果作为检测统计量，实施过门限检测。与“匹配滤波+波束形成+多普勒域检测”的传统级联处理方法相比，本发明能够抑制强目标产生的旁瓣，避免了对邻近微弱目标的遮挡，能够抑制杂波，能够降低数据的需求量，具有较快的运算速度，因而具有便于工程实现的优点。
-
公开(公告)号：CN111880157B
公开(公告)日：2023-08-22
申请号：CN202010785327.X
申请日：2020-08-06
申请人： 中国人民解放军海军航空大学
IPC分类号： G01S7/41
摘要： 本发明涉及一种雷达图像中目标的检测方法及系统。该方法包括：获取雷达回波数据；将所述雷达回波数据转换为PPI视频流；所述PPI视频流包括多帧PPI图像；获取目标检测模型；所述目标检测模型包括杂波抑制网络和目标检测网络；所述杂波抑制网络用于在抑制杂波的基础上提取图像中的关键特征；所述目标检测网络为跨阶段局部残差网络，所述目标检测网络用于根据图像的关键特征提取待测目标；将所述PPI视频流输入所述目标检测模型，得到所述PPI视频流中的待测目标。本发明可以抑制杂波，提高目标检测的准确度。
-
公开(公告)号：CN111626961B
公开(公告)日：2022-10-28
申请号：CN202010472498.7
申请日：2020-05-29
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生成对抗网络的雷达图像杂波抑制方法及系统。该抑制方法包括：将雷达回波数据转换为雷达图像；所述雷达图像包括训练集和测试集；构建CSGAN生成对抗网络模型；所述CSGAN生成对抗网络模型包括残差注意力生成器和判决器；通过所述训练集对所述CSGAN生成对抗网络模型进行训练，得到优化后的对抗网络模型；通过所述测试集对所述优化后的对抗网络进行训练，得到杂波抑制模型；通过所述杂波抑制模型对实测雷达图像进行杂波抑制。本发明通过对生成对抗网络生成器的设计建立了CSGAN模型，实现对雷达图像中杂波的抑制，完整保留目标的图像。
-
公开(公告)号：CN110210463B
公开(公告)日：2023-07-11
申请号：CN201910596538.6
申请日：2019-07-03
申请人： 中国人民解放军海军航空大学
IPC分类号： G06F18/24 , G01S7/02 , G06N3/0464 , G06N3/08
摘要： 本发明涉及基于Precise ROI‑Faster R‑CNN的雷达目标图像检测方法，属于雷达信号处理技术领域。首先，雷达将回波数据信息转换为图像，构建训练数据集；然后，建立Precise ROI‑Faster R‑CNN目标检测模型，包括共享卷积神经网络、区域建议网络、分类和回归网络，并采用ELU激活函数、Precise ROI Pooling方法和软化非极大值抑制（Soft‑NMS）方法；输入训练数据集对模型进行迭代优化训练，得到模型的最优参数；最后，将实时雷达目标回波生成的图像，输入训练后的最优目标检测模型进行测试，完成目标的检测与分类一体化处理。本发明能智能学习和提取雷达回波图像特征，适用于复杂环境需下不同类型目标的检测和分类，降低处理时间和硬件成本。
-
公开(公告)号：CN111880157A
公开(公告)日：2020-11-03
申请号：CN202010785327.X
申请日：2020-08-06
申请人： 中国人民解放军海军航空大学
IPC分类号： G01S7/41
摘要： 本发明涉及一种雷达图像中目标的检测方法及系统。该方法包括：获取雷达回波数据；将所述雷达回波数据转换为PPI视频流；所述PPI视频流包括多帧PPI图像；获取目标检测模型；所述目标检测模型包括杂波抑制网络和目标检测网络；所述杂波抑制网络用于在抑制杂波的基础上提取图像中的关键特征；所述目标检测网络为跨阶段局部残差网络，所述目标检测网络用于根据图像的关键特征提取待测目标；将所述PPI视频流输入所述目标检测模型，得到所述PPI视频流中的待测目标。本发明可以抑制杂波，提高目标检测的准确度。
-
公开(公告)号：CN110210463A
公开(公告)日：2019-09-06
申请号：CN201910596538.6
申请日：2019-07-03
申请人： 中国人民解放军海军航空大学
摘要： 本发明涉及基于Precise ROI-Faster R-CNN的雷达目标图像检测方法，属于雷达信号处理技术领域。首先，雷达将回波数据信息转换为图像，构建训练数据集；然后，建立Precise ROI-Faster R-CNN目标检测模型，包括共享卷积神经网络、区域建议网络、分类和回归网络，并采用ELU激活函数、Precise ROI Pooling方法和软化非极大值抑制（Soft-NMS）方法；输入训练数据集对模型进行迭代优化训练，得到模型的最优参数；最后，将实时雷达目标回波生成的图像，输入训练后的最优目标检测模型进行测试，完成目标的检测与分类一体化处理。本发明能智能学习和提取雷达回波图像特征，适用于复杂环境需下不同类型目标的检测和分类，降低处理时间和硬件成本。
-
公开(公告)号：CN109407067A
公开(公告)日：2019-03-01
申请号：CN201811192545.1
申请日：2018-10-13
申请人： 中国人民解放军海军航空大学
IPC分类号： G01S7/41
摘要： 本发明涉及基于时频图卷积神经网络的雷达动目标检测与分类一体化方法，属于雷达信号处理技术领域。首先，对雷达回波距离向脉压，存储距离-脉冲二维回波数据；然后，通过时频变换，构建时频图训练数据集；建立改进的6层卷积神经网络，输入训练数据集对模型进行迭代优化训练，得到最优的网络参数；最后，将雷达待检测距离单元回波经时频变换输入经过训练的改进卷积神经网络中，判别该单元是否存在运动目标，并同时对运动类型进行分类，实现检测和分类一体化处理。本发明专利能智能学习和提取动目标雷达信号特征，适用于复杂环境和不同运动类型目标，可降低处理时间和硬件成本。
-
公开(公告)号：CN117406177A
公开(公告)日：2024-01-16
申请号：CN202311272094.3
申请日：2023-09-28
申请人： 中国人民解放军海军航空大学
摘要： 本发明涉及一种基于MSE准则的MIMO雷达空‑时‑距三维联合自适应聚焦与检测方法。本发明先将接收到MIMO雷达的阵元‑脉冲‑距离三维回波数据，按照波形长度拆解为多个“空‑时‑波形”三维数据矩阵，然后将每个三维数据矩阵都转换为一维向量数据；遍历所有的角度分辨单元和多普勒分辨单元，计算自适应迭代处理所需的初始滤波结果；对回波数据进行迭代自适应聚焦处理；最后，针对每个参数组，用迭代自适应聚焦处理的输出结果作为检测统计量，实施过门限检测。与“匹配滤波+波束形成+多普勒域检测”的传统级联处理方式相比，本发明能够抑制强目标产生的多维旁瓣，避免了对邻近微弱目标的遮挡，能够抑制杂波并改善多普勒频移引起的失配问题。
-
公开(公告)号：CN113534146B
公开(公告)日：2023-12-01
申请号：CN202110845414.4
申请日：2021-07-26
申请人： 中国人民解放军海军航空大学
IPC分类号： G01S13/89 , G01S13/90 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明涉及一种雷达视频图像目标自动检测方法和系统。该雷达视频图像目标自动检测方法在实时获取雷达回波数据之后，采用包括CSPDarknet53、SPP、PANet和幂函数非极大值抑制层的训练好的雷达视频图像目标检测网络模型，就可以实现雷达视频图像目标自动检测，进而能够提高雷达在复杂环境下自适应目标检测能力，在增加适用性的同时提高检测效率。并且，采用包括CSPDarknet53、SPP、PANet和幂函数非极大值抑制层的训练好的雷达视频图像目标检测网络模型，还能够解决现有技术中存在的在杂波背景下检测结果虚警率偏高、泛化能力不强，难以正确区分杂波和目标回波点等问题。
-
公开(公告)号：CN109407067B
公开(公告)日：2023-06-27
申请号：CN201811192545.1
申请日：2018-10-13
申请人： 中国人民解放军海军航空大学
IPC分类号： G01S7/41
摘要： 本发明涉及基于时频图卷积神经网络的雷达动目标检测与分类一体化方法，属于雷达信号处理技术领域。首先，对雷达回波距离向脉压，存储距离‑脉冲二维回波数据；然后，通过时频变换，构建时频图训练数据集；建立改进的6层卷积神经网络，输入训练数据集对模型进行迭代优化训练，得到最优的网络参数；最后，将雷达待检测距离单元回波经时频变换输入经过训练的改进卷积神经网络中，判别该单元是否存在运动目标，并同时对运动类型进行分类，实现检测和分类一体化处理。本发明专利能智能学习和提取动目标雷达信号特征，适用于复杂环境和不同运动类型目标，可降低处理时间和硬件成本。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.035 秒)
