-
公开(公告)号：CN114241263A
公开(公告)日：2022-03-25
申请号：CN202111551230.3
申请日：2021-12-17
Applicant: 电子科技大学
IPC: G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于生成对抗网络的雷达干扰半监督开集识别系统，包括生成对抗网络GAN形成的生成器和自适应伪标签‑卷积神经网络形成的判别器两部分：生成器用于从随机噪声中生成伪样本；判别器用于判别输入样本的真假情况。训练过程中，生成器将生成的伪样本和K类少量有标记样本输入到判别器中进行训练，将生成器生成的伪样本判定为第K+1类，将真实样本判定为前K类；完成训练后，将待识别雷达干扰数据输入已完成训练的判别器，判别器输出干扰识别结果。本发明引入生成对抗网络，在迭代过程中通过生成器与判别器的博弈对抗增强模型的识别能力和对未知类的判别能力，实现少量标记样本下的雷达干扰半监督开集识别。
-
公开(公告)号：CN111580106B
公开(公告)日：2022-02-01
申请号：CN202010499371.4
申请日：2020-06-04
Applicant: 电子科技大学
Abstract: 本发明公开了一种高低轨视频SAR动目标跟踪方法，通过用局部最小熵方法选取速度导致图像的熵在可选速度范围内使得熵达到最小的时候，得到聚焦效果好且混乱度小的图像，从而明确动目标的方位向速度，规避在高低轨异构的双基模式下导致成像发生距离徙动和散焦；通过匹配滤波函数和方位向偏移对聚焦成像结果进行重定位，解决频域成像中运动目标的速度导致目标的成像位置和实际的位置有出入的问题；同时，本发明考虑到了慢速目标可能淹没于静止杂波的频谱中，利用双通道DPCA可以保留这些淹没于杂波区的运动目标并同时抑制杂波，实现检测与跟踪。
-
公开(公告)号：CN109459732B
公开(公告)日：2020-05-05
申请号：CN201811573957.X
申请日：2018-12-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种宽带雷达干扰信号的识别分类方法，包括以下步骤：S1、获取雷达干扰信号，并对其进行处理，得到数字视频信号；S2、将数字视频信号经过短时傅里叶变换，得到时频矩阵；S3、通过排序统计恒虚警方法对时频矩阵进行处理，得到恒虚警检测矩阵；S4、计算恒虚警检测矩阵中各干扰信号的参数，并将各干扰信号的参数集成到一个信号参数矩阵中，得到干扰信号检测结果；S5、根据干扰信号检测结果，计算干扰信号的特征；S6、根据干扰信号的特征，对干扰信号进行识别并分类。本发明基于干扰的时频信号特征对九种宽带雷达干扰进行识别分类，且具有同时多干扰(频率上不重叠)分别识别的能力。
-
公开(公告)号：CN109960703A
公开(公告)日：2019-07-02
申请号：CN201910233570.8
申请日：2019-03-26
Applicant: 电子科技大学
IPC: G06F16/2458 , G06F17/50 , G06K9/62
Abstract: 本发明公开了提供的用于大数据挖掘聚类的自适应PSO‑PFCM聚类方法将模块密度计算及其自适应聚类数目用于大数据聚类过程中，使原本需要人为设定聚类数据的大数据聚类方法可以自动的确定最佳聚类数目，使得大数据处理过程中的PSO‑PFCM算法在保留了器优良性能的同时，适应不同的原始数据集的聚类，减少了大量人为工作。
-
公开(公告)号：CN106326633A
公开(公告)日：2017-01-11
申请号：CN201610631054.7
申请日：2016-08-02
Applicant: 电子科技大学
IPC: G06F19/00
CPC classification number: G16Z99/00
Abstract: 本发明公开了一种乘积性非线性变换多分量三阶相位信号参数估计方法，能够有效抑制多分量信号参数估计过程中的交错项、噪声等干扰，从而实现多分量的三阶相位信号参数估计。该方法实现流程为：首先通过对多分量信号进行乘积性四阶非线性变换获取最高阶相位调制参数；然后通过降阶公式得到线性调频信号，对线性调频信号做乘积性二阶非线性变换估计次高阶相位调制参数；继续降阶得到正弦信号，依次估计载频、初相等参数从而重构出单分量的三阶相位信号；对于多分量信号的分离，则采用逐次滤除重构信号的方法，有效抑制强信号对弱信号参数估计的影响。
-
Patent Agency Ranking
公开(公告)号：CN102830390B
公开(公告)日：2014-03-05
申请号：CN201210303795.4
申请日：2012-08-24
Applicant: 电子科技大学
IPC: G01S7/40
Abstract: 本发明公开了一种双基地SAR回波模拟方法，首先对输入的图像数据沿方位向作快速傅立叶变换，将其变换到方位频域；然后与方位向参考函数相乘；接着沿距离向作快速傅立叶变换，将图像数据变换到二维频域；在变换到二维频域后与距离徙动函数相乘，引入距离徙动；然后对引入距离徙动后的数据与距离向参考函数相乘；最后利用二维快速傅立叶反变换得到模拟的双基地SAR回波数据。本发明的回波模拟方法通过距离向和方位向的逆匹配处理产生SAR回波，运算速度只与距离向和方位向的处理粒度有关，而与模拟的目标个数无关，与距离时域叠加法和基于一维FFT法相比，这种方法的运算效率明显提高，且可以适用于移变模式。
-
公开(公告)号：CN113406575B
公开(公告)日：2022-11-01
申请号：CN202110674717.4
申请日：2021-06-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，包括以下步骤：S1：对雷达的回波信号进行脉冲压缩，确定群目标雷达信号段；S2：对群目标雷达信号段进行频率去斜处理，得到单频信号；S3：利用稀疏贝叶斯学习算法对单频信号进行超分辨处理，得到群目标雷达信号的频点位置；S4：根据群目标雷达信号的频点位置确定雷达距离。与传统的脉冲压缩处理算法相比，基于稀疏贝叶斯学习算法的雷达距离超分辨算法分辨的效果可以提高1倍以上。
-
公开(公告)号：CN110927706B
公开(公告)日：2022-05-24
申请号：CN201911259145.2
申请日：2019-12-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的雷达干扰检测识别方法，其包括对雷达信号预处理；采用短时傅里叶变换对预处理后信号进行时域变换；对时频图像a依次执行恒虚警检测和干扰测量，得到干扰信号的时间参数和频率参数；根据时间参数，提取雷达信号中的干扰信号；根据频率参数，采用带通滤波器对提取的干扰信号进行滤波处理；将滤波后的信号采用短时傅里叶变换进行时域变换得到时频图像b，并进行归一化处理；采用维纳滤波算法对归一化处理后的时频图像b进行平滑处理，之后对平滑处理结果进行自适应裁剪；采用双三次插值算法对自适应裁剪后的图像进行缩放得到识别数据；将识别数据输入预训练CNN模型进行识别，得到干扰信号的类型。
-
公开(公告)号：CN113406575A
公开(公告)日：2021-09-17
申请号：CN202110674717.4
申请日：2021-06-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，包括以下步骤：S1：对雷达的回波信号进行脉冲压缩，确定群目标雷达信号段；S2：对群目标雷达信号段进行频率去斜处理，得到单频信号；S3：利用稀疏贝叶斯学习算法对单频信号进行超分辨处理，得到群目标雷达信号的频点位置；S4：根据群目标雷达信号的频点位置确定雷达距离。与传统的脉冲压缩处理算法相比，基于稀疏贝叶斯学习算法的雷达距离超分辨算法分辨的效果可以提高1倍以上。
-
公开(公告)号：CN110334382A
公开(公告)日：2019-10-15
申请号：CN201910384131.7
申请日：2019-05-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于循环神经网络的汽车车窗起雾状况预测方法，其包括以下步骤：S1、获取原始数据集；S2、为原始数据集添加能见度标签后进行标准化；S3、预设循环神经网络模型的参数得到初始循环神经网络模型；S4、采用带有能见度标签的标准化数据集根据梯度下降法对初始循环神经网络模型进行更新训练，得到训练好的循环神经网络模型；S5、将当前汽车车窗内、外两侧的温度和空气湿度，以及车内成员数量和空调系统工作状态信息作为训练好的循环神经网络模型的输入数据，将训练好的循环神经网络模型的输出数据作为汽车车窗起雾状况的预测数据。本发明可对汽车车窗的起雾状况进行有效预测，便于提前除雾，减少起雾影响。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.027 seconds)
