-
公开(公告)号：CN108629371B
公开(公告)日：2020-06-16
申请号：CN201810408401.9
申请日：2018-05-02
申请人： 电子科技大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种对二维时频数据的数据降维方法，应用于二维数据的降维和压缩。该方法主要流程：首先，对样本数据中心化；然后将中心化的数据映射到高维空间，并在高维空间使用核函数构建映射数据的协方差；最后利用双边二维主成分分析算法对协方差进行降维，得到特征投影变换矩阵。该算法不仅充分利用了原始数据中的非线性特征，而且所得特征投影矩阵系数量较少，这样既提高了识别率、数据压缩率，又减少了计算量。
-
公开(公告)号：CN108734115B
公开(公告)日：2020-03-27
申请号：CN201810414265.4
申请日：2018-05-03
申请人： 电子科技大学
摘要： 本发明公开了一种基于标签一致字典学习的雷达目标识别方法，属于雷达领域,特别是通过构建稀疏信号的具有鉴别能力的完备字典和稀疏编码，实现了信号的稀疏表征。该方法主要流程：首先，构建高分辨距离像的LC‑KSVD字典学习模型；然后再初始化模型中的相关参数；再使用K‑SVD算法求解LC‑KSVD字典学习模型的最优解；接下来，再对字典D和线性分类器矩阵W进行归一化；最后，更具D、W来确定测试样本所属类别。本发明方法可以使得学习到的完备字典具备鉴别能力，不仅能够更好地实现对信号的稀疏表征，而且可以用于分类。
-
公开(公告)号：CN108490414B
公开(公告)日：2021-07-06
申请号：CN201810429367.3
申请日：2018-05-08
申请人： 电子科技大学
IPC分类号： G01S7/41
摘要： 本发明公开了一种基于时频分布瞬时频率边缘特征的雷达目标识别方法，属于雷达目标识别技术领域，涉及雷达高分辨距离像时频分布特性、瞬时频率边缘特性的技术。该方法首先，对雷达距离像进行预处理，消除其平移敏感性、幅度敏感性；然后，求出距离像的Wigner‑Ville分布，再通过时频重排技术抑制Wigner‑Ville分布中的交叉干扰项；接下来，求取时频重排后的时频分布的瞬时频率边缘特征，并用和主成分分析算法得到瞬时频率边缘特征的特征矩阵；最后，使用K近邻分类器对测试样本进行分类。这样该方法既同时利用了距离像的时间和频率变化的信息，又避免了直接以时频分布为识别特征所带来的信息冗余、计算量较大的难题，提高了目标识别率。
-
公开(公告)号：CN110334715A
公开(公告)日：2019-10-15
申请号：CN201910599277.3
申请日：2019-07-04
申请人： 电子科技大学
摘要： 本发明属于合成孔径雷达(Synthetic Aperture Radar,SAR)自动目标识别领域，涉及一种基于浅层神经网络的SAR图像特征提取方法，具体为一种基于残差注意网络的SAR目标识别方法。本发明将原始SAR图像先做归一化预处理，经过普通卷积层，最大卷积层和残差卷积单元形成进入并行的主干分支和掩码分支，通过采样结构掩码分支中特征图(Feature Map)大小与主干分支中特征图一致，最终将并行的两路特征图元素积，得到经过主干网络提取的特征与注意力机制生成的权值特征图对应元素相乘的结果，实现目标增加，抑制噪声的特征图，最后经过平铺层和多分类函数，完成目标识别。
-
公开(公告)号：CN110321847A
公开(公告)日：2019-10-11
申请号：CN201910599694.8
申请日：2019-07-04
申请人： 电子科技大学
摘要： 本发明应用于合成孔径雷达(Synthetic Aperture Radar,SAR)自动目标识别领域，特别涉及一种SAR目标识别的分类器设计，具体为一种基于极端决策树的SAR图像目标识别方法。本发明首先对SAR图像经过归一化及向量化预处理，然后使用全局特征提取算法主成分分析(PCA)实现维数约简，将维数约减后的SAR数据经过极端决策树的极端随机方法，提取SAR图像的表征特征，形成极端决策森林，最终完成SAR目标识别。本发明通过极端决策树构成的极端决策森林，有效解决了传统算法的多步骤匹配问题，能够利用随机特性提取版别性较强的特征，利用交叉验证的方法确认最优参数，保证对于不同数据集均能实现较高的识别水平。
-
公开(公告)号：CN110309793A
公开(公告)日：2019-10-08
申请号：CN201910599701.4
申请日：2019-07-04
申请人： 电子科技大学
摘要： 本发明属于合成孔径雷达(Synthetic Aperture Radar，SAR)图像解译、目标识别领域，具体为一种基于图像比特分层解译的SAR目标识别方法。本发明中原始SAR图像经过比特分层处理能够抑制SAR图像散斑，并能保持SAR图像局部特征信息，然后通过特征提取方法从分层解译后的SAR图像中提取出鉴别特征，能够有效地改善识别精度；特别适用于高俯仰角SAR图像识别。本发明通过使用比特分层解译完成原始SAR图像的预处理，提高类间差，能够有效的解决SAR图像俯仰角增大后，图像的相干斑噪声较大的情况，因此本发明对于高俯仰角SAR图像数据集能够实现较高准确率的SAR图像目标识别。
-
公开(公告)号：CN110135280A
公开(公告)日：2019-08-16
申请号：CN201910331990.X
申请日：2019-04-24
申请人： 电子科技大学
摘要： 本发明公开了一种基于稀疏表征分类的多视图SAR自动目标识别方法,属于雷达信号处理领域，特别涉及一种基于稀疏表征分类的多视图SAR目标识别方法，用以实现合成孔径雷达自动目标识别。本发明的目的是针对上述SAR目标识别方面存在的问题，提出一种基于稀疏表征分类的多视图SAR目标识别方法，通过充分利用训练样本的标签信息联合学习一个稀疏模式和分类器，增强字典表征能力和分类器泛化能力，从而改善目标分类精度，在测试阶段通过挖掘同一物理目标多个视图间的内在关联和互补信息，减弱SAR图像对目标俯仰角敏感性对识别的影响，进一步提高识别性能。
-
公开(公告)号：CN108037663A
公开(公告)日：2018-05-15
申请号：CN201711284472.4
申请日：2017-12-07
申请人： 电子科技大学
摘要： 该发明公开了一种基于变维滤波算法的机动目标跟踪方法，属于信号处理技术，具体涉及变维滤波算法。本发明与变维滤波算法相比，当k时刻检测到机动，认为非机动模型下k‑s时刻的状态估计是合理的，并利用k‑s时刻的状态估计以及k时刻的量测值计算k‑s时刻的加速度，从而提高了加速度估计的准确性，减小了模型切换时的误差。本发明与变维滤波算法相比，利用k‑s时刻加速度估计对机动模型的状态协方差矩阵中相关项进行调整，减小了加速度方差，从而使滤波器能够快速准确地调整滤波状态，加快了滤波收敛的速度。
-
公开(公告)号：CN110135280B
公开(公告)日：2020-11-17
申请号：CN201910331990.X
申请日：2019-04-24
申请人： 电子科技大学
摘要： 本发明公开了一种基于稀疏表征分类的多视图SAR自动目标识别方法,属于雷达信号处理领域，特别涉及一种基于稀疏表征分类的多视图SAR目标识别方法，用以实现合成孔径雷达自动目标识别。本发明的目的是针对上述SAR目标识别方面存在的问题，提出一种基于稀疏表征分类的多视图SAR目标识别方法，通过充分利用训练样本的标签信息联合学习一个稀疏模式和分类器，增强字典表征能力和分类器泛化能力，从而改善目标分类精度，在测试阶段通过挖掘同一物理目标多个视图间的内在关联和互补信息，减弱SAR图像对目标俯仰角敏感性对识别的影响，进一步提高识别性能。
-
公开(公告)号：CN110503015A
公开(公告)日：2019-11-26
申请号：CN201910734668.1
申请日：2019-08-09
申请人： 电子科技大学
摘要： 该发明公开了一种基于局部结构保持类子字典学习的目标识别方法，属于合成孔径雷达(SAR)图像解译领域，特别涉及一种基于局部结构保持的类字典学习方法，实现SAR自动目标识别。与传统的基于稀疏模式预设稀疏表征方法不同，本发明可以为每类目标学习一个鉴别能力强的类字典。在字典学习过程中，利用Tikhonov正则化准则对稀疏表征向量施加局部加权，从而可得到更优的稀疏特征。此外，考虑到SAR图像对目标姿态变化非常敏感，在测试阶段，样本可通过在每类类字典上进行重构，并将目标分配给重构误差最小的类字典对应的类标签。
-
-
-
-
-
-
-
-
-
搜索结果
20 条记录 (耗时 0.026 秒)