基于深度学习的雷达辅助相机标定方法

    公开(公告)号:CN113808219A

    公开(公告)日:2021-12-17

    申请号:CN202111117899.1

    申请日:2021-09-17

    Abstract: 本发明公开了一种基于深度学习的雷达辅助相机标定方法,解决了从雷达点迹到图像目标框转换的技术问题。实现步骤:数据采集形成雷达点迹和图像目标框数据;采集时间对齐;雷达点迹数据形成训练输入数据集;转换后的图像目标框数据形成训练输出数据集;构建并训练深度神经网络模型;获得相机标定函数。本发明利用含有跨层链接的深度神经网络模型将雷达点迹数据转换为图像目标框数据构成标定函数,减小了人为误差和标定过程的额外工作,提高了相机标定的灵活性和效率;计算量小,标定准确率高。用于多传感器融合目标检测,更具体地用在雷达和相机摄像头同时进行目标检测的情况下的相机标定。

    用于对抗深度学习的无线电信号伪造方法

    公开(公告)号:CN112865915A

    公开(公告)日:2021-05-28

    申请号:CN202110005855.3

    申请日:2021-01-05

    Abstract: 本发明提供了一种用于对抗深度学习的无线电信号伪造方法,解决了人工智能与电子对抗技术领域,基于深度学习的信号分类器难以对抗的技术问题。实现包括:对调制后的无线电信号随机生成候选对抗信号,将候选对抗信号作为初始父代种群,通过基于视觉限制的差分进化方法生成信号干扰方案集;采用基于深度学习的无线电信号分类器评估获得干扰信号和对抗信号,完成对抗信号伪造。本发明伪造的信号和原无线电信号具有极高的相似性,有效对抗基于深度学习的信号分类器,降低无线电信号调制类型分类精度。本发明伪造的信号在干扰信号未知的情况下,基本不影响无线电信号内容理解。用于军事领域电子对抗,防止无线电信号调制类型被识别。

    基于稀疏估计的MIMO雷达成像方法

    公开(公告)号:CN111812644A

    公开(公告)日:2020-10-23

    申请号:CN202010890454.6

    申请日:2020-08-29

    Abstract: 本发明公开了一种基于稀疏估计的MIMO雷达成像方法,解决了稀疏度未知时,影响成像精度的问题,以及解决了现有技术运算量大的问题。实现包括:建立MIMO雷达成像模型,获取MIMO雷达回波数据;对测量矩阵Φ进行预处理,将测量矩阵均匀分为多个子通道,对每个子通道预判,获得预处理后的测量矩阵;结合稀疏度恢复算法SAMP或SBL算法,完成基于稀疏估计的MIMO雷达成像。本发明对测量矩阵进行预处理,将不含信号的子通道测量矩阵置零,减小噪声影响。本发明将测量矩阵预处理与SAMP或SBL算法相结合,提高稀疏恢复的准确度,降低了成像误差,使在稀疏恢复过程中运算复杂度降低,提高运算速度。仿真和实验证明了本发明成像精度高,运行量低。用于MIMO雷达成像。

    非正交多脉冲调制的非相干多用户检测方法及装置

    公开(公告)号:CN106788882B

    公开(公告)日:2020-01-31

    申请号:CN201611032864.7

    申请日:2016-11-16

    Abstract: 本发明公开一种非正交多脉冲调制的非相干多用户检测方法及装置,该方法包括:接收经过非正交多脉冲调制的多用户叠加信号;建立接收信号的伪线性模型;将接收信号通过一组匹配滤波器得到信道相关矩阵;对相关矩阵作QR分解,将相关矩阵转换为上三角矩阵结构;各用户间通过依次反馈已判决用户信息以消除用户间多址干扰;各用户内通过解相关求逆运算消除用户内各信号的相关性;对检测后的信号择大判决,从M种可能结果中选择最大值作为判决输出。本发明通过反馈功率较大用户的判决信号,极大提高功率较弱用户的检测性能,并且各用户通过判决反馈有效消除了多址干扰,即使干扰用户较多时仍然具有很好稳定性,用于无线通信技术领域。

    基于兴趣区域重检测的宽幅光学遥感目标检测方法

    公开(公告)号:CN110009010A

    公开(公告)日:2019-07-12

    申请号:CN201910211183.4

    申请日:2019-03-20

    Abstract: 本发明公开了一种基于兴趣区域重检测的宽幅光学遥感目标检测方法,主要解决宽幅光学遥感目标检测中对小尺度目标检测精度低及重叠滑窗检测时效性慢的问题。具体步骤有:制作多尺度训练样本;设计检测网络模型结构;对混合重检测网络模型进行训练;宽幅影像候选兴趣区域提取与重检测。本发明设计的检测网络模型,能拟合不同尺度目标的检测;基于兴趣区域检测不需重叠检测,降低了宽幅遥感图像候选区域提取的时间,采用对候选区域基于目标的尺度先验性进行重检测,改善了小目标的检测效果,检测精度更高。可应用于任何宽幅像素分辨率大小的光学遥感图像的检测。

    一种基于分块分段AIC模型的雷达目标检测方法

    公开(公告)号:CN106093908A

    公开(公告)日:2016-11-09

    申请号:CN201610648401.7

    申请日:2016-08-09

    Inventor: 王敏 王茂森

    CPC classification number: G01S7/41

    Abstract: 本发明属于雷达目标检测技术领域,公开了一种基于分块分段AIC模型的雷达目标检测方法,包括:构建分块分段AIC模型并获取雷达目标回波信号,对雷达目标回波信号进行压缩观测,得到雷达目标回波信号的观测值和等效测量矩阵;构造稀疏基矩阵,根据稀疏基矩阵和等效测量矩阵组成压缩传感矩阵,对观测值进行稀疏重构;对稀疏系数估计值进行相干积累和恒虚警检测,得到雷达目标回波信号的距离‑多普勒信息;根据雷达目标回波信号的距离‑多普勒信息对雷达目标进行检测,以解决针对雷达分辨率由带宽决定,高分辨率会带来采样频率过高、硬件实现困难的问题,以及大数据量的采样、传输、处理和存储问题,并降低了硬件成本。

    多通道随机谐波调制采样雷达接收机及其方法

    公开(公告)号:CN103389492B

    公开(公告)日:2015-09-02

    申请号:CN201310316753.9

    申请日:2013-07-25

    Abstract: 本发明公开了一种多通道随机谐波调制采样雷达接收机及其方法,包括一个混频器、M个模拟乘法器、M个积分器、M个低速AD转换器和一个目标信息重构处理模块,所述的混频器与M个模拟乘法器相连,每个模拟乘法器与一个积分器相连,每个积分器与一个低速AD转换器相连,AD转换器采样得到的数据输入到目标信息重构处理模块,目标信息重构处理模块通过构造观测矩阵、构造雷达稀疏表示基矩阵和重构雷达目标信息三个步骤完成雷达目标信息估计的目的。解决了宽带以超宽带雷达系统数字化采样难题;在保证了信号重构效果的同时,有效地降低了调制信号硬件实现的难度与代价。

    基于微分算子的超宽带波束形成器及实现方法

    公开(公告)号:CN102680946B

    公开(公告)日:2014-06-18

    申请号:CN201210184751.4

    申请日:2012-06-06

    Abstract: 本发明公开一种基于微分算子的超宽带波束形成器及其实现方法。超宽带波束形成器包括一个波束求和模块和多个阵元通道,每个阵元通道包括权系数和时延量存储模块、窄带相位补偿模块、精确时延补偿模块。本发明超宽带波束形成器实现方法的步骤:1.存储权系数和时延量;2.窄带相位补偿;3.精确时延补偿;4.波束求和。本发明采用微分算子时延补偿器进行时延补偿,减少了乘法次数,降低了运算量和乘法器资源开销,该时延补偿器为全通滤波器,可以实现全带宽内精确时延补偿,基于该微分算子时延补偿器的波束形成器可以实现大角度连续波束扫描,采用可编程逻辑器件FPGA进行实现,具有较高的移相/延时精度。

    基于空域压缩投影和随机时钟采样的雷达波束形成器

    公开(公告)号:CN103364771A

    公开(公告)日:2013-10-23

    申请号:CN201310296166.8

    申请日:2013-07-14

    Abstract: 本发明基于空域压缩投影和随机时钟采样的雷达波束形成器,主要解决现有技术成本高,采样要求高,数据存储量大的问题。其包括:空域压缩投影模块(1)、随机时钟采样模块(2)和波束形成模块(3);空域压缩投影模块(1)对雷达回波信号Z进行空域压缩投影,得到空域压缩投影结果D;随机时钟采样模块(2)对空域压缩投影结果D进行降速率采样,并将每个通道的采样数据和选择的时钟通路传输给波束形成模块(3);波束形成模块(3)根据每个通道的采样数据和选择的时钟通路,通过矩阵填充算法和稀疏重构算法,得到角度域的稀疏向量sq,再将其累加得到波束形成向量y。本发明降低了成本,降低了采样要求,缩小了数据存储空间,可用于雷达波束形成。

    任意阵列流形的单基地MIMO雷达波达方向估计方法

    公开(公告)号:CN103364762A

    公开(公告)日:2013-10-23

    申请号:CN201310296467.0

    申请日:2013-07-13

    Abstract: 本发明公开了一种基于任意阵列流形的单基地MIMO雷达波达方向估计方法。主要解决现有技术只适用于线性阵列和计算量大的问题。其实现步骤是:1)根据阵列流形写出单基地MIMO雷达的导向矢量;2)对MIMO雷达的导向矢量流形展开,获得范得蒙导向矢量,采用空间平滑思想进行导向矢量变换,求出从MIMO导向矢量到变换后导向矢量的转换矩阵;3)利用接收阵列与发射波形进行匹配滤波,形成自相关矩阵;4)对自相关矩阵进行特征分解,得到特征值和特征向量,选取特征向量形成噪声子空间;5)利用噪声子空间形成空间零谱函数,采用多项式求根方法得到方位角。本发明可实现对任意阵列流形的单基地MIMO雷达波达方向快速估计,且运算量小,可用于目标定位和雷达追踪。

Patent Agency Ranking