-
公开(公告)号：CN118731886A
公开(公告)日：2024-10-01
申请号：CN202410920214.4
申请日：2024-07-10
申请人： 中国人民解放军海军航空大学
IPC分类号： G01S7/41
摘要： 本发明公开了一种异常数据自适应的筛选方法，属于雷达信号处理领域。本发明针对异常数据个数未知的检测环境，对异常数据进行最大似然估计，基于归一化广义内积将辅助数据排序，结合杂噪协方差矩阵加性特征，对未知协方差矩阵进行快速最大似然估计，对采样协方差矩阵进行特征值分解，重构特征值矩阵，将小于噪声功率的特征值加载到与噪声相同的水平，提高未知协方差矩阵估计精度，设计了基于归一化处理的异常数据自适应筛选方法，注重筛选效率和筛选准确的同时，提高了先验信息难获取情况下的异常数据筛选性能，具有推广应用价值。
-
公开(公告)号：CN118566870A
公开(公告)日：2024-08-30
申请号：CN202410735471.0
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技术领域，具体涉及一种非高斯小样本环境下目标结构化智能检测方法。充分利用杂波协方差矩阵具有的斜对称结构先验信息，提高了未知杂波斜对称协方差矩阵结构的估计精度，降低了对辅助数据量的需求，为实现非高斯小样本环境下目标结构化智能检测提供了有利支撑；采用两步检测器设计程序的Gradient检验准则构建了具有闭合形式的非高斯小样本环境下目标结构化智能检测器，其检测器无需求解Fisher信息矩阵，计算复杂度较低，检测统计量结构简单，便于工程实现；其检测性能优于现有非结构化距离扩展目标子空间检测器。
-
公开(公告)号：CN115017995A
公开(公告)日：2022-09-06
申请号：CN202210669815.3
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损失模糊校正的目标智能识别方法，属于雷达信号处理领域。构建了模糊截断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识别框架，在元训练任务的预训练阶段，针对基础学习器的卷积神经网络构建，设计了模糊截断余弦元训练损失函数；在元测试任务的微调阶段，针对微调卷积神经网络模型，设计了多类平衡余弦夹角约束损失函数；设计了元学习器参数的任务损失倒数加权更新方式，利用元训练任务损失值与任务训练效果的负相关性，避免了对低相关度经验的过度借鉴。本发明方法提高了小样本条件下模型迁移效率和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：CN111999717B
公开(公告)日：2022-04-01
申请号：CN202010911722.8
申请日：2020-09-02
申请人： 中国人民解放军海军航空大学
IPC分类号： G01S7/41
摘要： 本发明公开了一种基于协方差矩阵结构统计估计的自适应融合检测方法，属于雷达信号处理领域。针对实际异质杂波环境下杂波协方差矩阵结构非均匀特点，构建易于数学处理的合理先验分布，将杂波先验信息与辅助数据中所含异质杂波信息进行算术平均融合，构建简洁有效的协方差矩阵结构估计方法，在满足估计准确性的条件下降低算法复杂度；进而通过求和前去耦操作，设计简单易行的点目标幅度简化最大似然估计方法，构建了异质杂波下基于协方差矩阵结构统计估计的点目标自适应融合检测器，提高了传统窄带雷达对异质杂波环境的适应能力，改善了异质杂波下的目标检测性能，提升了复杂电磁环境下窄带雷达对弱小目标的探测能力，具有推广应用价值。
-
公开(公告)号：CN115508828B
公开(公告)日：2024-05-14
申请号：CN202211292343.0
申请日：2022-10-20
申请人： 中国人民解放军海军航空大学
摘要： 本发明属于宽带雷达信号处理技术领域，具体涉及一种子空间干扰下雷达目标智能融合检测方法。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、CFAR特性和检测性能的难题，基于Gradient检测准则构建具有闭合形式的子空间干扰下雷达目标智能融合检测方法，在保证CFAR特性的同时，兼顾距离扩展目标自适应检测算法的计算复杂度、智能抗干扰、失配鲁棒性和检测性能等多方面需求，提升复杂干扰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。
-
公开(公告)号：CN112966667B
公开(公告)日：2022-12-16
申请号：CN202110366635.3
申请日：2021-04-06
申请人： 中国人民解放军海军航空大学
摘要： 本发明公开了一种海面目标一维距离像降噪卷积神经网络识别方法，属于雷达信号处理领域。针对低信噪比条件，合理地对原始HRRP数据进行预处理，构建不同信噪比条件下的多类海面目标数据集，利用深度学习技术构建了一维降噪卷积神经网络，在保持高信噪比数据无波动的基础上，提升了低信噪比数据的信噪比，利用卷积神经网络的残差结构，减轻深层次神经网络的学习负担，进而构建了集降噪分类一体化的智能海面目标分类识别模型，提升了海面目标的识别正确率，改善了低信噪比条件下的海面目标识别性能，增强了对海雷达在复杂海面环境下的分类识别能力，具有推广应用价值。
-
公开(公告)号：CN114839616A
公开(公告)日：2022-08-02
申请号：CN202210669789.4
申请日：2022-06-14
申请人： 中国人民解放军海军航空大学
摘要： 本发明公开了一种雷达目标约束元学习器智能识别方法，属于雷达信号处理领域。通过归一化指数损失约束元学习器与多类平衡中心余弦损失基础学习器相结合，构建了小样本雷达目标高分辨距离像元学习识别框架；通过设计规则化的参数更新方式，在引入不同元训练任务差异性学习经验的同时，充分兼顾同一元测试任务集内不同任务损失的相互影响，保证参数更新过程对不同任务经验的有效融合，充分利用不同任务学习经验的差异性特征，实现对不同任务学习经验的规则化约束迁移借鉴，用于指导新识别任务进行有效的小样本识别，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：CN118731878A
公开(公告)日：2024-10-01
申请号：CN202410735477.8
申请日：2024-06-07
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纹理后验估计的目标智能融合检测方法，属于雷达信号处理领域。本发明构建了基于纹理后验估计的目标智能融合检测器，以应对杂波的非高斯统计特性和多通道宽带雷达距离扩展目标检测难以兼顾计算复杂度、失配鲁棒性以及检测性能所带来的挑战。其检测器具有闭合形式的表达式，在保证恒虚警率特性的同时检测性能优于现有距离扩展目标子空间检测器；本发明方法的检测统计量结构简单，便于工程实现，避免了秩一信号模型难以应对目标导向矢量失配的难题，提高了宽带雷达对目标导向矢量失配情况的鲁棒性，具有推广应用价值。
-
公开(公告)号：CN118584444A
公开(公告)日：2024-09-03
申请号：CN202410863276.6
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杂波结构化知识的目标智能融合检测方法，属于雷达信号处理领域。针对宽带雷达距离自适应检测面临的均匀辅助数据量极为有限的小样本检测环境，充分利用杂波协方差矩阵的斜对称结构化信息，在挖掘有目标假设下多个待检测距离单元的主数据中可用杂波信息的同时，避免目标散射点分量的污染，通过综合利用有目标假设下多个待检测距离单元主数据中目标解耦后的杂波分量、辅助数据和杂波协方差矩阵斜对称结构等三方面信息，构建了易于数学处理的目标解耦斜对称最大似然估计方法，设计了目标智能融合检测方法，在保证CFAR特性和小样本环境下优良检测性能的同时，兼顾失配鲁棒性需求，应用前景广泛。
-
-
-
-
-
-
-
-
-
搜索结果
22 条记录 (耗时 0.033 秒)
