-
公开(公告)号：CN114021603B
公开(公告)日：2024-05-31
申请号：CN202111241408.4
申请日：2021-10-25
申请人： 哈尔滨工程大学
IPC分类号： G06F18/24 , G06N3/0464 , G06N3/084
摘要： 本发明属于雷达信号调制方式识别技术领域，具体涉及一种基于模型重参数化的雷达信号调制方式识别方法。本发明可以将训练过程中的多分支结构等价转换为推理时的单路结构从而提高模型的推理效率，并降低计算成本，同时不影响训练模型的识别精度，适用于计算资源受限的移动或嵌入式平台。本发明采用的多分支结构在训练时可以达到更好的分类效果，可以在提高对雷达信号的识别性能的同时，提高算法的推理效率，便于在嵌入式设备或专用芯片中部署。
-
公开(公告)号：CN112287784B
公开(公告)日：2022-05-31
申请号：CN202011121979.X
申请日：2020-10-20
申请人： 哈尔滨工程大学
摘要： 本发明涉及一种基于深度卷积神经网络与特征融合的雷达信号分类方法，将雷达信号转换为时频图像；采用图像处理方法对时频图像进行预处理，并分别制作为数据集1和数据集2；利用两个改进的EfficientNet模型分别提取为数据集1和数据集2更有效的特征；设计一种多特征融合模型，充分利用不同特征之间的关系，对提取数据集1和数据集2的特征进行融合；采用Adam算法对网络参数进行优化；利用SoftMax分类器获取分类结果。本发明能更充分提取雷达信号特征，从而提高雷达信号在低信噪比环境下的识别性能，可用于复杂电磁环境下的雷达信号识别等电子对抗中。
-
公开(公告)号：CN113376586A
公开(公告)日：2021-09-10
申请号：CN202110618941.1
申请日：2021-06-03
申请人： 哈尔滨工程大学
摘要： 本发明提供一种双分量雷达信号分类模型构建方法，先采用改进的平滑伪Wigner‑Ville分布(SPWVD)将双分量雷达信号转换为时频图像，制作数据集，包括训练集、验证集和测试集；构建一种基于深度卷积神经网络的双分量雷达信号学习框架，用于提取八类双分量雷达信号特征；设计超参数防止过拟合并对网络模型进行优化；构建一种多类别分类器，用于分类八类随机交叠的双分量雷达信号类别。本发明提出利用深度卷积神经网络提取更有效的双分量雷达信号特征，采用多类别分类器准确和快速的识别双分量雷达信号，可用于复杂电磁环境下的双分量雷达信号识别。
-
公开(公告)号：CN112287784A
公开(公告)日：2021-01-29
申请号：CN202011121979.X
申请日：2020-10-20
申请人： 哈尔滨工程大学
摘要： 本发明涉及一种基于深度卷积神经网络与特征融合的雷达信号分类方法，将雷达信号转换为时频图像；采用图像处理方法对时频图像进行预处理，并分别制作为数据集1和数据集2；利用两个改进的EfficientNet模型分别提取为数据集1和数据集2更有效的特征；设计一种多特征融合模型，充分利用不同特征之间的关系，对提取数据集1和数据集2的特征进行融合；采用Adam算法对网络参数进行优化；利用SoftMax分类器获取分类结果。本发明能更充分提取雷达信号特征，从而提高雷达信号在低信噪比环境下的识别性能，可用于复杂电磁环境下的雷达信号识别等电子对抗中。
-
公开(公告)号：CN114019467A
公开(公告)日：2022-02-08
申请号：CN202111241399.9
申请日：2021-10-25
申请人： 哈尔滨工程大学
IPC分类号： G01S7/41
摘要： 本发明属于雷达信号调制方式识别技术领域，具体涉及一种基于MobileNet模型迁移学习的雷达信号识别与定位方法。本发明基于MobileNet模型迁移学习和梯度加权类激活映射，使用深度可分离卷积搭建网络模型，可以有效降低模型参数，提高模型的计算效率；训练过程中通过加载预训练模型进行迁移学习训练，可以提高模型的收敛速度和泛化性能；同时采用梯度加权类别激活映射的方法对网络模型的预测结果进行可视化，提高了深度学习模型的可解释性和透明性。
-
公开(公告)号：CN114019467B
公开(公告)日：2024-07-09
申请号：CN202111241399.9
申请日：2021-10-25
申请人： 哈尔滨工程大学
IPC分类号： G01S7/41
摘要： 本发明属于雷达信号调制方式识别技术领域，具体涉及一种基于MobileNet模型迁移学习的雷达信号识别与定位方法。本发明基于MobileNet模型迁移学习和梯度加权类激活映射，使用深度可分离卷积搭建网络模型，可以有效降低模型参数，提高模型的计算效率；训练过程中通过加载预训练模型进行迁移学习训练，可以提高模型的收敛速度和泛化性能；同时采用梯度加权类别激活映射的方法对网络模型的预测结果进行可视化，提高了深度学习模型的可解释性和透明性。
-
公开(公告)号：CN114021603A
公开(公告)日：2022-02-08
申请号：CN202111241408.4
申请日：2021-10-25
申请人： 哈尔滨工程大学
摘要： 本发明属于雷达信号调制方式识别技术领域，具体涉及一种基于模型重参数化的雷达信号调制方式识别方法。本发明可以将训练过程中的多分支结构等价转换为推理时的单路结构从而提高模型的推理效率，并降低计算成本，同时不影响训练模型的识别精度，适用于计算资源受限的移动或嵌入式平台。本发明采用的多分支结构在训练时可以达到更好的分类效果，可以在提高对雷达信号的识别性能的同时，提高算法的推理效率，便于在嵌入式设备或专用芯片中部署。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.04 秒)