-
公开(公告)号：CN109490840B
公开(公告)日：2022-05-31
申请号：CN201811401078.9
申请日：2018-11-22
申请人： 中国人民解放军海军航空大学
IPC分类号： G01S7/02
摘要： 本发明提出了一种基于改进稀疏自编码模型的雷达目标HRRP的降噪和重构方法。在非合作复杂电磁环境下，雷达目标一维距离像数据容易受到强噪声的污染，对雷达目标HRRP进行有效的降噪和重构可以极大的提高后续目标识别的正确率。该方法根据雷达目标HRRP的特点设计了模型的目标函数，利用过完备思想和本质维度估计的方法选取了自编码模型隐藏层的神经元个数和稀疏系数。最后，针对损失函数收敛于非零值这一问题，本文利用奇异值分解算法对模型的权值矩阵进行了微调，得到了最终的用于对雷达目标一维距离像数据进行降噪和重构的模型。该方法能够在抑制噪声的同时，很好的对雷达目标一维距离像数据进行重构。
-
公开(公告)号：CN109375186B
公开(公告)日：2022-05-31
申请号：CN201811405815.2
申请日：2018-11-22
申请人： 中国人民解放军海军航空大学
摘要： 本发明提出了一种基于深度残差多尺度一维卷积神经网络的雷达目标识别方法。雷达目标因具有平移敏感性和姿态角敏感性而识别难度较大，该方法可自动提取雷达目标HRRP的不变特征。该方法利用卷积核和下采样操作的特征设计了两种一维残差多尺度块和两种一维多尺度下采样层，并以二者为核心构建神经网络模型，在此基础上，提出了一种新的损失函数来提高特征的可分性。该方法可以有效提取目标的深度不变特征，识别正确率较高，具有较好的鲁棒性和泛化性能。
-
公开(公告)号：CN106353720B
公开(公告)日：2019-09-24
申请号：CN201610800756.3
申请日：2016-09-04
申请人： 中国人民解放军海军航空大学
摘要： 本发明属于多传感器无源定位技术，针对固定辐射源目标，提供一种基于TDOA/GROA的多站连续定位模型。考虑利用中间变量的传统定位模型对定位场景的局限，从TDOA和GROA的量测方程出发，得到了只与目标状态向量有关的定位模型，从而避免了引入中间变量。然后根据量测模型推导了定位模型的误差项，最后利用约束加权最小二乘算法计算目标状态估计。该定位模型适用于多运动站场景下的固定辐射源目标连续定位。
-
公开(公告)号：CN109375186A
公开(公告)日：2019-02-22
申请号：CN201811405815.2
申请日：2018-11-22
申请人： 中国人民解放军海军航空大学
摘要： 本发明提出了一种基于深度残差多尺度一维卷积神经网络的雷达目标识别方法。雷达目标因具有平移敏感性和姿态角敏感性而识别难度较大，该方法可自动提取雷达目标HRRP的不变特征。该方法利用卷积核和下采样操作的特征设计了两种一维残差多尺度块和两种一维多尺度下采样层，并以二者为核心构建神经网络模型，在此基础上，提出了一种新的损失函数来提高特征的可分性。该方法可以有效提取目标的深度不变特征，识别正确率较高，具有较好的鲁棒性和泛化性能。
-
公开(公告)号：CN109490840A
公开(公告)日：2019-03-19
申请号：CN201811401078.9
申请日：2018-11-22
申请人： 中国人民解放军海军航空大学
IPC分类号： G01S7/02
摘要： 本发明提出了一种基于改进稀疏自编码模型的雷达目标HRRP的降噪和重构方法。在非合作复杂电磁环境下，雷达目标一维距离像数据容易受到强噪声的污染，对雷达目标HRRP进行有效的降噪和重构可以极大的提高后续目标识别的正确率。该方法根据雷达目标HRRP的特点设计了模型的目标函数，利用过完备思想和本质维度估计的方法选取了自编码模型隐藏层的神经元个数和稀疏系数。最后，针对损失函数收敛于非零值这一问题，本文利用奇异值分解算法对模型的权值矩阵进行了微调，得到了最终的用于对雷达目标一维距离像数据进行降噪和重构的模型。该方法能够在抑制噪声的同时，很好的对雷达目标一维距离像数据进行重构。
-
-
-
-
搜索结果
5 条记录 (耗时 0.042 秒)
