一种基于聚合能量蒸馏的遥感图像增量学习方法及装置

    公开(公告)号:CN118247610A

    公开(公告)日:2024-06-25

    申请号:CN202410493182.4

    申请日:2024-04-23

    摘要: 本发明提供基于聚合能量蒸馏的遥感图像增量学习方法及装置,涉及机器学习和人工智能技术领域。此方法包括:将预设遥感图像依次输入卷积神经网络模型、空间通道联合表示模块和卷积神经网络模型中,提取多个特征向量,来选择和保留区分原型特征,以在新任务学习时减少旧任务知识的遗忘。在将多个最终原型特征和记忆库的多个目标原型特征、预设原型特征输入到分类器中,输出特征的分类的增量学习中,实现新旧任务间有效的知识转移,使模型在新任务上的学习效率较高。采用自适应特征蒸馏损失函数使在新任务学习过程中,模型能稳定地传递旧任务的知识和适应新任务,提高模型在新任务上的泛化能力。在特征向量中筛选原型特征以存储,可减少存储成本。

    用于多维域编码雷达的解速度模糊方法及装置

    公开(公告)号:CN118330568B

    公开(公告)日:2024-09-13

    申请号:CN202410778658.9

    申请日:2024-06-17

    摘要: 本发明涉及一种用于多维域编码雷达的解速度模糊方法及装置,该方法包括:对接收阵元接收到的目标处的回波信号进行下变频处理,得到下变频后的回波信号;根据下变频后的回波信号对多维域编码雷达的发射阵元的慢时间发射编码进行补偿得到补偿信号;当补偿信号移动至零频时,对补偿信号进行处理得到分离信号向量;根据分离信号向量和预先构建的虚拟误差补偿矢量得到多普勒模糊数;根据多普勒模糊数和目标的模糊多普勒频率得到真实多普勒频率。通过上述技术方案,引入了虚拟误差矢量,可以提高多维域编码雷达的解速度模糊能力,并且可以应用于非理想条件下的多维域编码雷达解速度模糊,能够保持较高的稳定性。

    基于有源电感实现的半有源片上电感

    公开(公告)号:CN103475357B

    公开(公告)日:2016-07-06

    申请号:CN201310392076.9

    申请日:2013-08-31

    IPC分类号: H03K19/094 H01L23/64

    摘要: 本发明公开一种可应用于射频集成电路的基于有源电感实现的片上半有源电感,包括一个片上无源电感、一个负阻结构单元和一个有源电感单元三个部分。其中,片上无源电感的一端为输入端,另一端接地;负阻结构单元是一个二端口电路,其中端口1接输入端,端口2接有源电感单元的输入端;有源电感单元是一个单端输入有源电感,其输入端与负阻结构单元的端口2相连接。本发明采用负阻结构单元补偿了无源片上电感的损耗,将有源电感连接负阻结构单元的负载,占用芯片面积小,提高了片上无源电感在高频下的Q值。

    一种基于多维域编码的阵列雷达抗主瓣干扰方法及系统

    公开(公告)号:CN117741582A

    公开(公告)日:2024-03-22

    申请号:CN202410192567.7

    申请日:2024-02-21

    IPC分类号: G01S7/02 G01S7/36

    摘要: 本发明公开了一种基于多维域编码的阵列雷达抗主瓣干扰方法及系统,包括获取接收信号,并对所述接收信号进行混频,得到混频后的信号;依次对所述混频后的信号进行慢时间相位补偿、离散傅里叶变换、信号分离和脉冲压缩处理,得到脉冲压缩后的信号;根据脉冲压缩后的信号、干扰信号和噪声得到接收总信号;根据所述接收总信号得到干扰抑制结果。本发明采用多维域编码的雷达新体制,相较EPC‑MIMO雷达体制,使用多普勒调制实现雷达发射波形分离,克服了在干扰功率很高时EPC‑MIMO雷达正交性无法满足要求的缺点,提高了MIMO雷达的抗干扰能力。

    基于阵元-脉冲-脉内三重编码的MIMO雷达抗干扰方法

    公开(公告)号:CN116774164A

    公开(公告)日:2023-09-19

    申请号:CN202311023538.X

    申请日:2023-08-15

    IPC分类号: G01S7/36 G01S7/41

    摘要: 本发明公开了一种基于阵元‑脉冲‑脉内三重编码的MIMO雷达抗干扰方法,应用于MIMO雷达系统,包括:计算第#imgabs0#个发射阵元发射的第#imgabs1#个脉冲的第#imgabs2#个子脉冲的编码,并确定第#imgabs3#个脉冲的第#imgabs4#个子脉冲的编码矢量#imgabs5#;对接收到的回波信号进行混频,得到混频后的回波信号;基于#imgabs6#对混频后的回波信号进行试解码,得到点目标脉冲前沿的快时间,并结合#imgabs7#对混频后的回波信号进行正式解码,通过对正式解码后的回波信号进行匹配滤波,得到分离的回波信号,进一步结合干扰信号模型,确定包含点目标与干扰信号的接收回波,并通过构建非自适应波束形成器对其进行干扰抑制。本发明不仅能抑制不同距离模糊区间的假目标,对同一距离模糊区间的假目标也有良好的抑制效果。

    基于渐进校准的类增量无监督域自适应图像识别方法

    公开(公告)号:CN116468991A

    公开(公告)日:2023-07-21

    申请号:CN202310166627.3

    申请日:2023-02-24

    摘要: 本发明公开了一种基于渐进校准的类增量无监督域自适应图像识别方法,包括:获取未标记的目标数据集和已标记的源数据集;利用源域预训练模型对目标数据集进行预测以生成目标类,并为目标数据集中的样本生成伪标签,将目标类和伪标签存入在内存库;将目标数据集划分为置信度高的样本和置信度低的样本,并联合源数据集训练目标模型;且训练过程中施加多种约束损失同时进行目标类类级校准和目标级校准;在每一次迭代训练之后对内存库数据进行更新,直至损失函数收敛;利用训练好的目标模型对待识别的图像进行处理,得到最终的识别结果。该方法合理利用了来自源领域的知识,平衡缓解了负迁移和灾难性遗忘之间的关系,实现了算法效率和准确度的提升。

    一种基于回溯DQN的雷达抗干扰智能决策方法

    公开(公告)号:CN116338598A

    公开(公告)日:2023-06-27

    申请号:CN202310627693.6

    申请日:2023-05-31

    IPC分类号: G01S7/36 G06F18/214 G06N3/092

    摘要: 本发明涉及一种基于回溯DQN的雷达抗干扰智能决策方法,包括:根据接收的回波信号的干扰类型,确定对应的干扰状态;根据干扰状态,利用训练完成的DQN算法神经网络,遍历抗干扰方法库中的抗干扰方法,实现雷达抗干扰智能决策;其中,利用基于回溯更新Q值的方法对DQN算法神经网络进行训练,得到训练完成的DQN算法神经网络。本发明方法结合雷达抗干扰技术与强化学习中的DQN算法,提出了一种回溯DQN算法,该算法在目标网络的更新公式中加入了回溯更新Q值,该回溯更新Q值的引入能降低优数据变化的影响,提高雷达智能决策系统的稳健性,增强雷达的抗干扰能力。

    一种基于多维域编码的阵列雷达抗主瓣干扰方法及系统

    公开(公告)号:CN117741582B

    公开(公告)日:2024-05-14

    申请号:CN202410192567.7

    申请日:2024-02-21

    IPC分类号: G01S7/02 G01S7/36

    摘要: 本发明公开了一种基于多维域编码的阵列雷达抗主瓣干扰方法及系统,包括获取接收信号,并对所述接收信号进行混频,得到混频后的信号;依次对所述混频后的信号进行慢时间相位补偿、离散傅里叶变换、信号分离和脉冲压缩处理,得到脉冲压缩后的信号;根据脉冲压缩后的信号、干扰信号和噪声得到接收总信号;根据所述接收总信号得到干扰抑制结果。本发明采用多维域编码的雷达新体制,相较EPC‑MIMO雷达体制,使用多普勒调制实现雷达发射波形分离,克服了在干扰功率很高时EPC‑MIMO雷达正交性无法满足要求的缺点,提高了MIMO雷达的抗干扰能力。