-
公开(公告)号:CN105403873B
公开(公告)日:2018-03-06
申请号:CN201510920520.9
申请日:2015-12-11
申请人: 西安电子科技大学
IPC分类号: G01S7/41
摘要: 本发明公开了一种基于分数阶傅里叶变换理论的特征提取方法,主要解决现有技术在对三类飞机目标分类过程的特征提取中特征单一且分类效果不理想的问题。其技术方案是:1、对训练信号做分数阶傅里叶变换;2、对变换后的训练信号提取特征;3、对提取出的特征进行特征选择;4、用选出特征对分类器进行训练;5、对测试信号做分数阶傅里叶变换;6、对变换后测试信号提取步骤3中所选出特征;7、把从测试信号中提取的特征送入到训练好的分类器中,完成对三类飞机目标的分类。本发明将传统的时域和多普勒域特征扩展到分数域,能够更好地描述目标回波特性,提高分类正确率,可用于对直升机、螺旋桨飞机和喷气式飞机这三类目标的分类。
-
公开(公告)号:CN105044701B
公开(公告)日:2017-07-04
申请号:CN201510475477.X
申请日:2015-08-05
申请人: 西安电子科技大学
IPC分类号: G01S7/41
摘要: 本发明公开了一种基于稳健性时频特征的地面目标分类方法,主要解决在低信噪比条件下现有技术对车辆目标和人体目标分类时间长的问题。其实现过程是:1、对录取的高信噪比信号能量进行归一化,获得训练信号;2、从训练信号的时频谱中,提取3维时频特征并训练分类器;3、对录取的低信噪比信号能量进行归一化,获得测试信号;4、从测试信号的时频谱中,提取3维时频特征;5、将测试信号的3维时频特征送入到训练好的分类器中,获得分类结果。本发明能在低信噪比且无需对窄带雷达回波预先进行去噪处理的条件下,快速有效地实现车辆目标和人体目标分类,可用于雷达目标识别。
-
公开(公告)号:CN104239894B
公开(公告)日:2017-05-24
申请号:CN201410446519.2
申请日:2014-09-03
申请人: 西安电子科技大学
IPC分类号: G06K9/62
摘要: 本发明公开了一种基于时域相关性特征的飞机目标分类方法,涉及雷达技术领域,其步骤为:步骤1,计算训练样本峰值函数;步骤2,计算训练样本峰值函数的方差、熵以及大于训练第一峰值门限的峰个数和第一个大于训练第二峰值门限的峰对应的时域点;步骤3,计算训练样本幅值方差和幅值熵;步骤4,训练样本特征向量归一化,训练分类器;步骤5,计算测试样本峰值函数;步骤6,计算测试样本峰值函数的方差、熵以及大于测试第一峰值门限的峰个数和第一个大于测试第二峰值门限的峰对应的时域点;步骤7,计算测试样本幅值方差和幅值熵;步骤8,测试样本特征向量归一化,输入分类器判断类别。本发明在低重频下仍具有较好的优势,可用于三类飞机目标的分类。
-
公开(公告)号:CN104535982B
公开(公告)日:2017-02-22
申请号:CN201510030766.9
申请日:2015-01-21
申请人: 西安电子科技大学
IPC分类号: G01S7/41
摘要: 本发明属于飞机目标分类技术领域,特别涉及一种基于角域划分的飞机目标分类方法。其具体步骤为:仿真产生三类飞机在方位角α的角域范围[-90°,90°]内的旋翼雷达回波数据;将方位角α的[-90°,90°]区域划分为C个角域;在第c个角域下(c=1,...,C)仿真产生Dc个训练样本,每个训练样本表示任一类飞机在第c个角域下旋翼的一次雷达回波数据;根据仿真产生的训练样本,提取特征并进行归一化处理和特征选择,训练第c个角域下的分类器,得出训练后第c个角域下的分类器;通过接收飞机旋翼的雷达回波,获取测试样本;判断测试样本所属的角域,根据测试样本所属角域对测试样本进行特征选择,将特征选择后的归一化特征向量输入对应角域下训练后的分类器中,得出对应测试样本的飞机类别。
-
公开(公告)号:CN105044701A
公开(公告)日:2015-11-11
申请号:CN201510475477.X
申请日:2015-08-05
申请人: 西安电子科技大学
IPC分类号: G01S7/41
CPC分类号: G01S7/41
摘要: 本发明公开了一种基于稳健性时频特征的地面目标分类方法,主要解决在低信噪比条件下现有技术对车辆目标和人体目标分类时间长的问题。其实现过程是:1、对录取的高信噪比信号能量进行归一化,获得训练信号;2、从训练信号的时频谱中,提取3维时频特征并训练分类器;3、对录取的低信噪比信号能量进行归一化,获得测试信号;4、从测试信号的时频谱中,提取3维时频特征;5、将测试信号的3维时频特征送入到训练好的分类器中,获得分类结果。本发明能在低信噪比且无需对窄带雷达回波预先进行去噪处理的条件下,快速有效地实现车辆目标和人体目标分类,可用于雷达目标识别。
-
公开(公告)号:CN104535982A
公开(公告)日:2015-04-22
申请号:CN201510030766.9
申请日:2015-01-21
申请人: 西安电子科技大学
IPC分类号: G01S7/41
CPC分类号: G01S7/41
摘要: 本发明属于飞机目标分类技术领域,特别涉及一种基于角域划分的飞机目标分类方法。其具体步骤为:仿真产生三类飞机在方位角α的角域范围[-90°,90°]内的旋翼雷达回波数据;将方位角α的[-90°,90°]区域划分为C个角域;在第c个角域下(c=1,...,C)仿真产生Dc个训练样本,每个训练样本表示任一类飞机在第c个角域下旋翼的一次雷达回波数据;根据仿真产生的训练样本,提取特征并进行归一化处理和特征选择,训练第c个角域下的分类器,得出训练后第c个角域下的分类器;通过接收飞机旋翼的雷达回波,获取测试样本;判断测试样本所属的角域,根据测试样本所属角域对测试样本进行特征选择,将特征选择后的归一化特征向量输入对应角域下训练后的分类器中,得出对应测试样本的飞机类别。
-
公开(公告)号:CN104330784B
公开(公告)日:2017-01-18
申请号:CN201410662970.8
申请日:2014-11-19
申请人: 西安电子科技大学
IPC分类号: G01S7/41
摘要: 本发明公开了一种基于旋翼物理参数估计实现飞机目标分类的方法,主要解决现有基于微动调制特征的目标分类方法需要训练数据库作支撑条件下的问题。其实现过程是:从飞机雷达回波信号中分离旋翼回波信号,并从旋翼回波信号时频域中估计旋翼转速;在旋翼回波信号的时频域中对旋翼回波信号进行旋翼二维成像;对旋翼二维成像结果预处理;从预处理后的旋翼二维成像结果中估计旋翼长度和螺旋桨叶片数;将估计出的旋翼转速ω、旋翼长度L和螺旋桨叶片数N这些旋翼物理参数与飞机类型标准库中飞机旋翼物理参数比对,判断出飞机目标的类型。本发明无需训练数据库作为支撑条件下即能实现对飞机目标的分类,可提高分类速度。
-
公开(公告)号:CN105403873A
公开(公告)日:2016-03-16
申请号:CN201510920520.9
申请日:2015-12-11
申请人: 西安电子科技大学
IPC分类号: G01S7/41
CPC分类号: G01S7/41
摘要: 本发明公开了一种基于分数阶傅里叶变换理论的特征提取方法,主要解决现有技术在对三类飞机目标分类过程的特征提取中特征单一且分类效果不理想的问题。其技术方案是:1、对训练信号做分数阶傅里叶变换;2、对变换后的训练信号提取特征;3、对提取出的特征进行特征选择;4、用选出特征对分类器进行训练;5、对测试信号做分数阶傅里叶变换;6、对变换后测试信号提取步骤3中所选出特征;7、把从测试信号中提取的特征送入到训练好的分类器中,完成对三类飞机目标的分类。本发明将传统的时域和多普勒域特征扩展到分数域,能够更好地描述目标回波特性,提高分类正确率,可用于对直升机、螺旋桨飞机和喷气式飞机这三类目标的分类。
-
公开(公告)号:CN104330784A
公开(公告)日:2015-02-04
申请号:CN201410662970.8
申请日:2014-11-19
申请人: 西安电子科技大学
IPC分类号: G01S7/41
CPC分类号: G01S7/415
摘要: 本发明公开了一种基于旋翼物理参数估计实现飞机目标分类的方法,主要解决现有基于微动调制特征的目标分类方法需要训练数据库作支撑条件下的问题。其实现过程是:从飞机雷达回波信号中分离旋翼回波信号,并从旋翼回波信号时频域中估计旋翼转速;在旋翼回波信号的时频域中对旋翼回波信号进行旋翼二维成像;对旋翼二维成像结果预处理;从预处理后的旋翼二维成像结果中估计旋翼长度和螺旋桨叶片数;将估计出的旋翼转速ω、旋翼长度L和螺旋桨叶片数N这些旋翼物理参数与飞机类型标准库中飞机旋翼物理参数比对,判断出飞机目标的类型。本发明无需训练数据库作为支撑条件下即能实现对飞机目标的分类,可提高分类速度。
-
公开(公告)号:CN104239894A
公开(公告)日:2014-12-24
申请号:CN201410446519.2
申请日:2014-09-03
申请人: 西安电子科技大学
IPC分类号: G06K9/62
摘要: 本发明公开了一种基于时域相关性特征的飞机目标分类方法,涉及雷达技术领域,其步骤为:步骤1,计算训练样本峰值函数;步骤2,计算训练样本峰值函数的方差、熵以及大于训练第一峰值门限的峰个数和第一个大于训练第二峰值门限的峰对应的时域点;步骤3,计算训练样本幅值方差和幅值熵;步骤4,训练样本特征向量归一化,训练分类器;步骤5,计算测试样本峰值函数;步骤6,计算测试样本峰值函数的方差、熵以及大于测试第一峰值门限的峰个数和第一个大于测试第二峰值门限的峰对应的时域点;步骤7,计算测试样本幅值方差和幅值熵;步骤8,测试样本特征向量归一化,输入分类器判断类别。本发明在低重频下仍具有较好的优势,可用于三类飞机目标的分类。
-
-
-
-
-
-
-
-
-