-
公开(公告)号：CN108764310B
公开(公告)日：2021-10-29
申请号：CN201810474203.2
申请日：2018-05-17
申请人： 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
摘要： 本发明公开了一种基于多尺度多特征深度森林的合成孔径雷达SAR目标识别方法，主要针对已有SAR目标识别方法不足，提出了多尺度多特征深度森林应用于SAR目标识别。其实现步骤是：(1)生成训练样本集和测试样本集；(2)提取每个样本的多尺度幅度特征；(3)提取每个样本的多尺度结构特征；(4)训练深度森林分类器；(5)识别目标型号。本发明通过多尺度特征的引入反映从局部到全局的样本图像特征，通过多特征的联合使用全面的反映样本图像特征，同时利用深度森林分类器进行目标型号识别，超参数数量少且稳健，减少了训练过程的时间，提高了SAR目标的识别精度。
-
公开(公告)号：CN109190673B
公开(公告)日：2021-09-03
申请号：CN201810874485.5
申请日：2018-08-03
申请人： 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
摘要： 本发明公开了一种基于随机森林和数据拒判的地面目标分类方法，其实现步骤是：(1)对训练样本集进行预处理；(2)提取训练特征矩阵；(3)训练随机森林分类器；(4)对测试样本进行预处理；(5)提取测试特征向量；(6)计算地面目标输出概率向量；(7)判断测试样本是否拒判；(8)若拒判，则将测试样本作为没有目标微动特性的回波信号；(9)若不拒判，输出概率向量中最大值对应类别作为该测试样本的地面目标分类结果。本发明拒判杂波、欺骗式干扰和无微动的目标信号，提高地面运动目标的分类识别率，同时采用具有并行处理能力的分类器，提高方法在实时性方面的性能。
-
公开(公告)号：CN108509989B
公开(公告)日：2020-04-21
申请号：CN201810254090.5
申请日：2018-03-26
申请人： 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于高斯选控玻尔兹曼机的HRRP识别方法，主要针对已有HRRP识别方法不足，提出了高斯选控玻尔兹曼机应用于HRRP的噪声稳健识别。其实现步骤是：(1)预处理数据；(2)构建高斯选控玻尔兹曼机网络；(3)初始化网络参数；(4)将预处理后的HRRP训练样本输入高斯选控玻尔兹曼机；(5)对隐藏层和选择因子进行迭代采样；(6)更新可见层；(7)更新网络参数；(8)训练线性SVM分类器，输出识别结果。本发明降低了对HRRP数据噪声先验的依赖性，同时能够有效提取原始数据的有用特征，具有良好的噪声稳健性，并提高了HRRP识别正确率。
-
公开(公告)号：CN106054155B
公开(公告)日：2018-08-10
申请号：CN201610393379.6
申请日：2016-06-03
申请人： 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
IPC分类号： G01S7/41
摘要： 本发明公开了一种基于卷积因子分析模型的雷达高分辨距离像目标识别方法，主要解决现有技术在小样本情况下目标识别性能较差的问题。其实现步骤为：1)分别对各类目标的雷达高分辨距离像按角域分帧并对各帧数据取模得到时域特征；2)对各帧数据进行预处理；3)分别对预处理后的各帧高分辨距离像构建卷积因子分析模型，并计算各模型参数的条件后验分布；4)对各参数初始化并进行I次迭代更新；5)对测试样本强度归一化，并与各帧平均像平移对齐；6)根据各帧卷积因子分析模型参数的后验均值计算该测试样本的帧概率密度函数值；7)找出最大概率密度函数值，判定测试样本的所属类别。本发明模型复杂度较小，可用于小样本情况下的雷达目标识别。
-
公开(公告)号：CN107977667A
公开(公告)日：2018-05-01
申请号：CN201610919536.2
申请日：2016-10-21
申请人： 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
CPC分类号： G06K9/6269 , G06K9/66
摘要： 本发明公开了一种基于半监督协同训练的SAR图像目标鉴别方法，主要解决现有鉴别方法需要大量人工标记样本且实时性较差的问题。其实现过程是：1)将恒虚警率CFAR检测切片作为训练样本，从中取少量的样本进行标记；2)提取训练样本的两个林肯特征组；3)用标记过样本的两个林肯特征组训练两个分类器；4)利用3)得到的分类器对无标记样本进行鉴别；5)两个分类器挑选各自置信度较高的少数样本加入到对方的有标记训练样本中；6)利用新的有标记样本重复4)-5)得到最终的分类器；7)用分类器对测试样本进行分类，得到分类结果。本发明仅需标记少量的样本就能达到与全监督方法相同的效果，可用于实现SAR图像目标的实时鉴别。
-
公开(公告)号：CN106228124A
公开(公告)日：2016-12-14
申请号：CN201610561587.2
申请日：2016-07-17
申请人： 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
CPC分类号： G06K9/0063 , G06K2209/23 , G06N3/0454 , G06N3/084
摘要： 本发明公开了一种基于卷积神经网络的SAR图像目标检测方法，主要解决现有SAR图像目标检测技术中检测速度慢和检测准确率低的问题。其实现步骤为：1、训练卷积神经网络分类模型M0，基于该模型M0设计两个待训练的卷积神经网络模型M1、M2；2、用扩充后的MiniSAR训练集做为待训练的卷积神经网络模型M1、M2的输入，训练得到最优切片提取模型M12和最优检测模型M22；3、使用最优切片提取模型M12和最优检测模型M22对MiniSAR测试集进行检测；4、将最优检测模型M22的输出概率值大于阈值的候选区域保留，得到检测结果。本发明具有检测速度快、检测正确率高的优点，可用于车辆目标检测。
-
公开(公告)号：CN109766899A
公开(公告)日：2019-05-17
申请号：CN201811617547.0
申请日：2018-12-28
申请人： 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
摘要： 本发明公开了一种物理特征提取和SVM的车辆目标识别方法，其实现步骤为：(1)输入雷达回波数据；(2)回波数据成像；(3)提取图像极大值区域；(4)构造位置集合和属性集合；(5)构建位置字典和属性字典；(6)构建散射中心参数的最优值集合；(7)估计散射中心的频率依赖因子；(8)获取融合频率依赖因子；(9)获取融合极化参数；(10)获取散射中心特征向量；(11)提取车辆目标特征向量；(12)预测测试样本类别。本发明能够反映车辆目标物理结构、具有明确物理意义、鲁棒的散射中心类型分布律特征，得到较高、较稳健的分类正确率，可用于雷达目标识别。
-
公开(公告)号：CN109190673A
公开(公告)日：2019-01-11
申请号：CN201810874485.5
申请日：2018-08-03
申请人： 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
摘要： 本发明公开了一种基于随机森林和数据拒判的地面目标分类方法，其实现步骤是：(1)对训练样本集进行预处理；(2)提取训练特征矩阵；(3)训练随机森林分类器；(4)对测试样本进行预处理；(5)提取测试特征向量；(6)计算地面目标输出概率向量；(7)判断测试样本是否拒判；(8)若拒判，则将测试样本作为没有目标微动特性的回波信号；(9)若不拒判，输出概率向量中最大值对应类别作为该测试样本的地面目标分类结果。本发明拒判杂波、欺骗式干扰和无微动的目标信号，提高地面运动目标的分类识别率，同时采用具有并行处理能力的分类器，提高方法在实时性方面的性能。
-
公开(公告)号：CN109766835B
公开(公告)日：2023-04-18
申请号：CN201910026176.7
申请日：2019-01-11
申请人： 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
IPC分类号： G06V20/10 , G06V10/774 , G06V10/778
摘要： 本发明公开了一种基于多参数优化生成对抗网络的的合成孔径雷达SAR目标识别方法，主要解决现有技术中分类器训练时识别率不高，且不能保证训练得到的分类器参数是最优解的问题。其实现方案为：生成初始训练样本集和测试样本集，并对初始训练样本进行扩充生成最终训练样本集；设置生成对抗网络的结构和参数组数；采用多组网络参数交叉训练的方法训练生成对抗网络，并同时利用训练集样本和生成器生成的伪样本训练生成对抗网络中的判别器；用训练好的多组生成对抗网络中的判别器对目标型号进行识别，对多组判别器得到的结果进行相加再取平均得到目标型号的识别结果。本发明提高了SAR目标识别的正确率，可用于对静止SAR目标的识别。
-
公开(公告)号：CN109345583A
公开(公告)日：2019-02-15
申请号：CN201811181427.0
申请日：2018-10-11
申请人： 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
CPC分类号： G06T7/60 , G06T3/60 , G06T5/002 , G06T2207/10044 , G06T2207/20056 , G06T2207/20068
摘要： 本发明公开了一种基于正交匹配追踪算法OMP的合成孔径雷达SAR目标图像几何尺寸估计方法，其实现步骤为：(1)选取图像切片矩阵；(2)获得目标的原子矩阵和散射中心幅度向量；(3)获得重构目标图像；(4)将重构目标图像投影到坐标系生成目标区域；(5)获取坐标向量；(6)对坐标向量进行旋转；(7)获得最小外接矩形；(8)将最小外接矩形的尺寸值作为目标几何尺寸的估计值。本发明对静止雷达观测目标普遍适用，同时本发明消除了由于噪声而引起的负面影响，具体良好的噪声稳健性，提高了合成孔径雷达SAR目标几何尺寸的估计精度。
-
-
-
-
-
-
-
-
-
搜索结果
210 条记录 (耗时 0.085 秒)
