-
-
公开(公告)号：CN114670851A
公开(公告)日：2022-06-28
申请号：CN202210415589.6
申请日：2022-04-20
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: B60W40/10 , B60W40/105 , G01S13/931
Abstract: 本发明提供一种基于寻优跟踪算法的辅助驾驶系统、方法、终端及介质，通过将局部寻优后被使用的所有点迹分类且不参与后续目标聚类、拟合等过程，能有效使每个目标在每一帧数据中都能得到最优估计的状态信息。因上一帧所有航迹经局部寻优处理后都预先在关联模块进行对应目标点迹寻优关联处理，使当前帧只有新出现的目标点迹数据进入聚类模块，可明显降低多目标跟踪方法所需要处理的数据量，降低数据处理所需要实际算力，实现算力低负载条件下，也能满足实际需要，同时也降低了车载雷达本身的算力成本。
-
公开(公告)号：CN115685086A
公开(公告)日：2023-02-03
申请号：CN202211255900.1
申请日：2022-10-13
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明属于雷达信号处理技术领域，涉及一种雷达编码波形旁瓣快速相消抑制方法。该方法通过将多普勒旁瓣对消问题转化为信号复原优化问题，基于对消后目标信号能量最小化准则构建优化模型，采用梯度下降算法实现目标多维参数(速度、角度、幅相信息)的联合寻优估计，最终可实现高精度目标参数估计及稳健的多普勒旁瓣对消性能，通过本发明可有效地实现目标多维参数高精度估计，并实现多普勒高旁瓣对消，从而提高对弱目标的检测能力，降低漏检率。
-
公开(公告)号：CN114670851B
公开(公告)日：2025-02-11
申请号：CN202210415589.6
申请日：2022-04-20
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: B60W40/10 , B60W40/105 , G01S13/931
Abstract: 本发明提供一种基于寻优跟踪算法的辅助驾驶系统、方法、终端及介质，通过将局部寻优后被使用的所有点迹分类且不参与后续目标聚类、拟合等过程，能有效使每个目标在每一帧数据中都能得到最优估计的状态信息。因上一帧所有航迹经局部寻优处理后都预先在关联模块进行对应目标点迹寻优关联处理，使当前帧只有新出现的目标点迹数据进入聚类模块，可明显降低多目标跟踪方法所需要处理的数据量，降低数据处理所需要实际算力，实现算力低负载条件下，也能满足实际需要，同时也降低了车载雷达本身的算力成本。
-
公开(公告)号：CN111767803B
公开(公告)日：2022-02-08
申请号：CN202010512089.5
申请日：2020-06-08
Applicant: 北京理工大学
Abstract: 本发明公开了合成极窄脉冲雷达抗目标姿态敏感的鉴别方法，可以有效提高分类鉴别效果，可以解决存在的合成极窄脉冲雷达图像姿态敏感问题。包括如下步骤：获取带有目标的训练样本图像和测试样本图像并做预处理和特征提取，获得训练和测试样本特征向量集合；利用孪生支持向量机对所选取的两训练样本类别获取一个分类超平面；利用先验样本类别信息和分类超平面构建权重矩阵；构建目标函数，并求解得到投影矩阵；对训练和测试样本特征向量集合利用投影矩阵获得投影后的训练样本集合和测试样本集合，利用孪生支持向量机进行分类，实现当前两训练样本类别的二分类。重新选取两训练样本类别实现二分类，直至所有训练样本类别实现两两之间的二分类。
-
Patent Agency Ranking
公开(公告)号：CN112198488B
公开(公告)日：2021-07-20
申请号：CN202010934824.1
申请日：2020-09-08
Applicant: 北京理工大学
Abstract: 本发明公开了一种极窄脉冲雷达角度关联目标回波空间聚合方法，首先，得到每个极窄脉冲的角误差信息，对全部结果进行直方图统计，得到角度分布规律；其次，对统计结果进行平滑处理，完成角度的聚合；然后，对平滑聚合后的结果进行峰合并，并给出各峰与目标散射点间的映射关系；最后根据角误差信息与峰值的映射关系，完成目标回波聚合，并得到目标的角度信息；本发明能够准确地将属于同一目标的极窄脉冲聚合起来，并给出相应的角度信息。
-
公开(公告)号：CN109581370A
公开(公告)日：2019-04-05
申请号：CN201811201897.9
申请日：2018-10-16
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于多向量ANM的多极化HRRP散射中心提取方法。使用本发明能够实现鲁棒的、高精度的散射中心提取。本发明利用多极化高分辨距离像各通道散射中心位置相同、但极大值峰值不同的特性，利用多向量原子范数最小化模型进行散射中心进行估计，在准确获取位置信息的同时得到散射点的极化散射矩阵，为目标识别提供更全面的信息。本发明充分利用了多极化各个通道之间的共同信息，有效改善了估计精度；与传统的P-MUSIC、P-ESPIRIT方法相比，可以适应信噪比不佳的情况，对噪声的鲁棒性更佳。
-
公开(公告)号：CN116578912A
公开(公告)日：2023-08-11
申请号：CN202310059993.9
申请日：2023-01-19
Applicant: 北京理工大学
IPC: G06F18/241 , G06F18/25 , G06F18/214 , G06F18/21 , G06F18/213 , G06N3/0464 , G06N3/082 , G06N3/0895
Abstract: 本发明公开了一种极窄脉冲雷达目标姿态不敏感特征提取与跨姿态识别方法，该方法首先基于深度网络自动提取目标的类别特征和姿态特征；然后依次将所得特征输入进分类与解耦两个模块，分类模块用于约束上述两类特征各自对应语义的正确性；解耦模块用于约束上述两类特征语义互不相关，且在去相关过程中不发生信息损失；最后，基于类别特征完成目标识别，本发明方法能够对于训练集中未出现过姿态下的极窄脉冲回波样本，具有良好的识别性能。
-
公开(公告)号：CN114611569B
公开(公告)日：2022-11-29
申请号：CN202210059146.8
申请日：2022-01-19
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于知识辅助的雷达目标深度学习分类方法、系统，将目标的时序信息连续的多帧RD谱作为数据样本，根据RD谱提取图像知识和目标知识作为深度学习网络的输入，从而提供了时间维度的目标信息，获得更多有利于目标分类的目标信息，提高了深度学习网络的学习效率和分类性能。训练得深度学习分类模型，包括知识辅助模块、知识融合模块和分类模块。在训练深度学习分类模型时，在知识辅助模块利用图像知识引导深度学习网络关注到数据样本中包含更多目标信息的样本区域，然后将知识辅助模块输出的空间特征输入知识融合模块得到深度特征并与目标知识融合，对网络学习过程中进行信息补充，获得更利于分类的信息。
-
公开(公告)号：CN114611569A
公开(公告)日：2022-06-10
申请号：CN202210059146.8
申请日：2022-01-19
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于知识辅助的雷达目标深度学习分类方法、系统，将目标的时序信息连续的多帧RD谱作为数据样本，根据RD谱提取图像知识和目标知识作为深度学习网络的输入，从而提供了时间维度的目标信息，获得更多有利于目标分类的目标信息，提高了深度学习网络的学习效率和分类性能。训练得深度学习分类模型，包括知识辅助模块、知识融合模块和分类模块。在训练深度学习分类模型时，在知识辅助模块利用图像知识引导深度学习网络关注到数据样本中包含更多目标信息的样本区域，然后将知识辅助模块输出的空间特征输入知识融合模块得到深度特征并与目标知识融合，对网络学习过程中进行信息补充，获得更利于分类的信息。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.06 seconds)
