基于特征提取的加权投票多分类器地面雷达目标自动识别方法

    公开(公告)号:CN113988121A

    公开(公告)日:2022-01-28

    申请号:CN202111212450.3

    申请日:2021-10-19

    Abstract: 本发明公开了一种基于特征提取的加权投票多分类器地面雷达目标自动识别方法,包括对时域回波信号进行时域特征提取,对下变频处理后的基带回波时域信号进行FFT变换,进行频域特征提取;对提取后的特征进行5折交叉验证的朴素贝叶斯分类器、决策树分类器、LDA分类器、K邻近分类器和支持向量机分类器训练,并通过贝叶斯优化对支持向量机和K邻近分类器的超参数进行优化,得到最终的五个子分类器;根据混淆矩阵计算五个子分类器的精度权值,通过加权投票的方式得到最终的集成分类器;将待测回波数据进行时域、频域特征提取,输入到子分类器并通过加权投票得到最终分类结果。本发明能够在低分辨地面雷达的目标分类识别的应用中展现优异的识别准确性。

    基于HoWVD的相位多项式系数的参数估计方法

    公开(公告)号:CN114509735A

    公开(公告)日:2022-05-17

    申请号:CN202210049115.4

    申请日:2022-01-17

    Abstract: 本发明公开了一种基于HoWVD的相位多项式系数的参数估计方法,用于高速目标相参积累中的多普勒扩展补偿,属于雷达信号处理技术领域,涉及到雷达回波的相参积累,包括以下步骤:根据经过脉冲压缩后的雷达回波构建HoWVD矩阵;通过FFT算法将数据矩阵转化到时频域进行分析;对时频域中的信号进行叠加积累;通过峰值检测得到相位参数信息;最后根据相位参数估计值对雷达回波补偿。本发明具有算法复杂度低,参数估计准确,具有一定的抗噪声和抗交叉项干扰的能力,在低信噪比下仍具有一定的参数估计能力。

    一种绝对中位差结合最小描述长度的CFAR检测方法

    公开(公告)号:CN114167375A

    公开(公告)日:2022-03-11

    申请号:CN202111212467.9

    申请日:2021-10-19

    Abstract: 本发明公开了一种绝对中位差结合最小描述长度的CFAR检测方法,属于雷达目标检测技术领域,涉及恒虚警检测算法,包括以下步骤:通过最小描述长度法来进行杂波边缘位置的判定;根据杂波边缘位置选定区间内的样本数据w作为背景杂波功率估计值;样本数据选取后,采用绝对中位差检验对样本集合进行干扰的剔除;最后利用筛选后的样本求平均得到背景杂波功率估计值。本发明提出的绝对中位差结合最小描述长度的CFAR检测方法,有效地减小参考单元中干扰的影响,使得背景杂波估计更准确,在多目标环境、杂波边缘环境下均具有良好的检测效果,算法环境适应性强。

    基于HoWVD的相位多项式系数的参数估计方法

    公开(公告)号:CN114509735B

    公开(公告)日:2025-05-09

    申请号:CN202210049115.4

    申请日:2022-01-17

    Abstract: 本发明公开了一种基于HoWVD的相位多项式系数的参数估计方法,用于高速目标相参积累中的多普勒扩展补偿,属于雷达信号处理技术领域,涉及到雷达回波的相参积累,包括以下步骤:根据经过脉冲压缩后的雷达回波构建HoWVD矩阵;通过FFT算法将数据矩阵转化到时频域进行分析;对时频域中的信号进行叠加积累;通过峰值检测得到相位参数信息;最后根据相位参数估计值对雷达回波补偿。本发明具有算法复杂度低,参数估计准确,具有一定的抗噪声和抗交叉项干扰的能力,在低信噪比下仍具有一定的参数估计能力。

Patent Agency Ranking