-
公开(公告)号：CN107506794B
公开(公告)日：2020-08-14
申请号：CN201710727147.4
申请日：2017-08-23
Applicant: 西安电子工程研究所
IPC: G06K9/62
Abstract: 本发明涉及一种基于决策树的地面运动目标分类算法，该算法用于战场环境地面战场侦察雷达对轮式车辆、履带式车辆、单人和小分队的准确分类识别。首先进行杂波抑制和特征提取，基于每个特征利用贝叶斯分类器对训练样本进行训练，确定分类器门限，然后计算熵不纯度，以熵不纯度减少量最大为准则，寻找最优特征，进行分层分类。解决了四类目标分层分类过程中的特征最优选择问题：算法中基于熵不纯度减小量最大准则来选择特征作为根节点和层节点。相比基于经验的特征选择算法，基于决策树的特征选择能够实现分层过程中的特征择优，保证分层分类算法的性能。
-
公开(公告)号：CN107976654A
公开(公告)日：2018-05-01
申请号：CN201711111108.8
申请日：2017-11-13
Applicant: 西安电子工程研究所
IPC: G01S7/36
Abstract: 本发明涉及一种基于环境认知的极化检测方法，对两个通道进行预处理后得到两个通道的动目标检测结果，同极化通道与不同权重系数乘积，再与交叉极化通道求和即可得到不同极化下的杂波功率，杂波功率除以系统的噪声功率就可以得到不同极化下的杂噪比，比较不同极化下的杂噪比，选择杂噪比最大值以及其对应的权系数、杂噪比最小值及其对应的权系数。如果杂噪比最大值都不大于阈值3dB，那么就判定环境为噪声背景，否则判定为杂波背景。若为噪声背景，则将最终的权重系数设置为1，若为杂波背景，则将最终的权重系数设置为杂噪比最小值对应的权系数。最后再进行恒虚警检测。
-
公开(公告)号：CN104535970A
公开(公告)日：2015-04-22
申请号：CN201410818304.9
申请日：2014-12-25
Applicant: 西安电子工程研究所
IPC: G01S7/292
CPC classification number: G01S7/2923 , G01S2007/2883
Abstract: 本发明涉及一种基于最大值的频率步进雷达信号目标抽取方法，用于去除频率步进信号IFFT距离细化后所表示的距离范围与当前回波采样值所表示的距离范围之间的距离失配冗余，以及过采样冗余。解决了在经典算法舍弃法和选大法中都需要对第“0”个采样点进行标定，否则很有可能无法采样到目标点的问题。该方法的核心思想是根据搜索范围内的最大值来确定“P0””，可以保证既能抽取出同距离幅度较大的点，又解决了经典算法中需要对第“0”个采样点进行标定的问题。
-
公开(公告)号：CN109597045B
公开(公告)日：2023-02-10
申请号：CN201811424825.0
申请日：2018-11-27
Applicant: 西安电子工程研究所
Abstract: 本发明涉及一种基于两次杂波抑制的静目标稳健识别方法。本发明首先根据“径向距离‑角误差”平面得到“径向距离‑方位向距离”二维平面，然后在新的二维平面进行二次杂波剔除，第一次采用物理空间划分法聚类剔除远区小簇杂波，第二次采用局部异常因子(LOF)法剔除近区点杂波。通过两次处理，有效地减少了远区小簇杂波和近区点杂波对对静目标高分辨距离像的影响，使得基于高分辨距离像的特征提取更加稳健，提升了杂波背景下静目标的识别率。且由于第一次空间隔离法剔除了部分杂波，有效地减少了LOF的输入样本量，从而降低了整体运算量，可以满足工程使用需求。
-
公开(公告)号：CN109298402B
公开(公告)日：2022-12-06
申请号：CN201811071171.8
申请日：2018-09-14
Applicant: 西安电子工程研究所 , 西安长远电子工程有限责任公司
IPC: G01S7/41
Abstract: 本发明公开基于通道融合的极化特征提取方法，该方法用于雷达极化特征提取。本发明解决了传统极化特征提取方法中极化散射矩阵的不准确会造成提取极化特征不准确，从而影响极化分类识别的问题。本快速实现方法的处理流程为通道融合+特征提取，该方法不需要估计极化散射矩阵，避免了极化散射矩阵的准确性对极化特征提取的影响，且不需要矩阵运算，运算量也大大降低，适用于工程实现。
-
Patent Agency Ranking
公开(公告)号：CN110221265A
公开(公告)日：2019-09-10
申请号：CN201910476624.3
申请日：2019-06-03
Applicant: 西安电子工程研究所
Abstract: 针对传统扩展目标检测器在目标散射点信息未知时检测性能不稳健的问题，本发明提出了一种基于强散射点自适应估计的距离扩展目标检测方法，该方法采用了双门限思想，首先利用kmeans聚类算法自适应估计强散射点数量以及第一门限，然后根据虚警率、第一门限以及散射点数量确定第二门限，最后通过两次门限判决完成目标检测。本发明提出的算法相对于传统算法有更高的稳健性，且算法不需要先验任何信息。
-
-
公开(公告)号：CN107506794A
公开(公告)日：2017-12-22
申请号：CN201710727147.4
申请日：2017-08-23
Applicant: 西安电子工程研究所
IPC: G06K9/62
Abstract: 本发明涉及一种基于决策树的地面运动目标分类算法，该算法用于战场环境地面战场侦察雷达对轮式车辆、履带式车辆、单人和小分队的准确分类识别。首先进行杂波抑制和特征提取，基于每个特征利用贝叶斯分类器对训练样本进行训练，确定分类器门限，然后计算熵不纯度，以熵不纯度减少量最大为准则，寻找最优特征，进行分层分类。解决了四类目标分层分类过程中的特征最优选择问题：算法中基于熵不纯度减小量最大准则来选择特征作为根节点和层节点。相比基于经验的特征选择算法，基于决策树的特征选择能够实现分层过程中的特征择优，保证分层分类算法的性能。
-
公开(公告)号：CN105954740A
公开(公告)日：2016-09-21
申请号：CN201610255917.5
申请日：2016-04-22
Applicant: 西安电子工程研究所
Abstract: 本发明公开基于局部白化的极化检测快速实现方法，该方法用于雷达极化检测处理的快速实现。本发明既解决了极化白化滤波对杂波平稳性的要求，又大大降低了滑窗白化滤波运算量太大的问题：本快速实现方法的处理流程为一次检测+最大值聚类+极化白化滤波+二次检测，该快速实现方法解决了极化白化滤波需要杂波在长距离窗内的分布平稳性的要求，又通过最大值聚类后进行极化白化滤波的处理流程大大降低了滑窗极化白化所带来的巨大运算量，极其适用于工程设计实现。
-
公开(公告)号：CN114089302B
公开(公告)日：2024-06-11
申请号：CN202111311043.8
申请日：2021-11-07
Applicant: 西安电子工程研究所
IPC: G01S7/41 , G01S13/88 , G06V10/764 , G06V10/46
Abstract: 本发明涉及一种基于支撑向量数据描述的地面目标识别方法，属于雷达目标识别技术领域。本发明解决了传统目标识别模型在迭代过程中目标类别增加对模型参数的颠覆性问题，方法中采用一类分类器支撑向量数据描述对样本库中的每类目标特征分别单独训练支撑向量数据描述模型，保证了库内目标模型之间的独立性。因此对于新增目标类型，仅需对新目标数据进行训练即可，该过程对已有目标模型参数无影响。提出方法在保证目标识别精度的同时具有一定的拒判能力，且便于高效实现了模型的增量学习，便于后续模型的迭代与模型库的构建。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.025 seconds)
