-
公开(公告)号：CN117235618A
公开(公告)日：2023-12-15
申请号：CN202310986649.4
申请日：2023-08-07
Applicant: 西安电子科技大学
IPC: G06F18/2415 , G01S7/02 , G06F18/214 , G06F18/10
Abstract: 本发明公开了一种基于深度特征拓展的多功能雷达工作模式增量识别方法，包括：将获取到的待测雷达的样本数据输入至增量识别模型，增量识别模型在混合损失函数的迭代下，根据由新样本数据和旧样本数据组成的扩展数据集进行训练，得到训练好的模型；再将样本数据输入至训练好的模型，得到识别结果。根据本发明提供的方法，通过将样本数据输入增量模型进行训练，得到训练完成的模型；再将样本数据输入到训练完成的模型，得到雷达工作模式类别的识别结果；由于模型中的扩展特征提取器是在混合损失函数的迭代下训练的，因此模型能够在学习新类型的同时保持对旧知识的记忆，从而能够增强动态环境下的增量识别效果、提高识别的准确率、扩大应用场景。
-
公开(公告)号：CN116953697A
公开(公告)日：2023-10-27
申请号：CN202210386791.0
申请日：2022-04-13
Applicant: 西安电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了一种序贯优化的ISAR多窄带干扰检测与抑制方法，涉及雷达信号处理技术领域，包括：获取回波信号，构建窄带干扰环境下的雷达距离成像模型；基于雷达距离成像模型，构建抗窄带干扰波形优化模型；将回波信号的频谱划分为等长的若干段子频段，将每段子频段的幅度调制系数设置为相同值，采用GA算法求解每段子频段的幅度调制系数，对窄带干扰所在的子频段进行粗估计；采用PSO算法对每段子频段在频谱中的占比进行求解，实现对窄带干扰所在的频段的精估计；基于窄带干扰所在的频段的估计结果构造频谱陷波器，经匹配滤波后实现干扰抑制。本申请在多窄带干扰环境下能够获得精确的优化波形功率谱估计结果。
-
公开(公告)号：CN116755046A
公开(公告)日：2023-09-15
申请号：CN202311029543.1
申请日：2023-08-16
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种不完美专家策略的多功能雷达干扰决策方法，包括步骤：获取雷达状态；当判断雷达状态与雷达目标状态不一致，利用专家干预判别函数模块判断雷达状态是否属于专家决策失误状态集；当判断雷达状态属于专家决策失误状态集，则利用干扰决策网络中的主决策网络选择干扰样式；当判断雷达状态不属于专家决策失误状态集，则根据雷达状态，利用专家干扰探索函数模块判断专家策略是否参与干扰决策；当判断专家策略参与干扰决策，则利用专家决策网络模块选择干扰样式；当判断专家策略不参与干扰决策，则利用干扰决策网络中的主决策网络选择干扰样式。该方法有效提升了干扰决策算法学习效率与决策精度，降低了对抗博弈试错成本。
-
公开(公告)号：CN116482618A
公开(公告)日：2023-07-25
申请号：CN202310741199.2
申请日：2023-06-21
Applicant: 西安电子科技大学
IPC: G01S7/02 , G01S7/36 , G01S7/41 , G06V10/764 , G06N3/0464 , G06V10/44 , G06V10/82
Abstract: 本发明涉及一种基于多损失特征自校准网络的雷达有源干扰识别方法，包括获取包括雷达有源干扰信号的待识别时频谱图数据；将待识别时频谱图数据输入训练好的多损失特征自校准网络进行干扰类型识别，得到识别分类结果；按照如下步骤进行干扰类型识别：对待识别时频谱图数据进行干扰特征自适应提取，并且自适应缩小同类别干扰特征在特征空间的距离，拉大不同类别干扰特征在特征空间的距离，得到不同类型干扰特征向量；对不同类型干扰特征向量降维映射后进行分类，得到识别分类结果。该方法对复杂混合干扰细微特征的捕捉与表征更为精准。
-
公开(公告)号：CN114529486A
公开(公告)日：2022-05-24
申请号：CN202210095100.1
申请日：2022-01-26
Applicant: 西安电子科技大学
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于多特征融合全卷积网络的多聚焦图像融合方法。本发明弥补了传统图像融合方法中均是手动设计特征提取方法和融合规则的不足，使多聚焦图像融合后细节信息得到充分保留；利用不同模糊函数预处理的图像数据训练网络，提高了网络的泛化性能和融合精度；构建的多特征融合全卷积网络，利用跨层连接实现了特征复用，既保留了图像的原始特征，同时增添了网络学习的特征，使得图像表征更加全面；且减少了网络参数量，提高了算法效率。
-
Patent Agency Ranking
公开(公告)号：CN110148165B
公开(公告)日：2022-01-25
申请号：CN201910412179.4
申请日：2019-05-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于粒子群优化的三维干涉ISAR图像配准方法，该方法基于InISAR干涉回波信号模型，推导出不同图像间的失配量与目标转动角速度的关系，将图像配准问题转化为目标角速度估计的无约束优化问题，以图像的相关度为目标函数，通过PSO算法搜索得到目标角速度最优估计值，构造相位补偿因子校正不同图像间的失配量，有效的解决图像失配问题。本发明通过PSO算法进行迭代搜索，收敛速度快，计算效率高，并具有一定的噪声鲁棒性；且不仅适用于InISAR正视场景下，同时适用于容易发生相位模糊的斜视场景下的图像配准，不受散射点干涉相位是否模糊的影响，适用范围较广。
-
公开(公告)号：CN113238193A
公开(公告)日：2021-08-10
申请号：CN202110443842.4
申请日：2021-04-23
Applicant: 西安电子科技大学
Abstract: 本发明属于雷达信号处理技术领域，公开了一种多分量联合重构的SAR回波宽带干扰抑制方法；本发明基于自适应窗宽的短时傅里叶变换进行二维时频图的构建，用来进行瞬时频率估计；此外，设计了基于Viterbi算法和提出的重检测方法的脊路径检测，进行瞬时频率估计；最后提出多分量联合重构的宽带干扰抑制方法用于合成孔径雷达的宽带干扰抑制，可有效抑制宽带干扰，为干扰环境下合成孔径雷达图像获取奠定了一定的基础。
-
公开(公告)号：CN112269168A
公开(公告)日：2021-01-26
申请号：CN202011095521.1
申请日：2020-10-14
Applicant: 西安电子科技大学
Abstract: 本发明属于微波遥感技术领域，公开了一种基于贝叶斯理论与低秩分解的SAR宽带干扰抑制方法，包括：建立宽带干扰条件下的SAR回波表征模型；结合时频等效噪声的Laplace分布先验假设与宽带干扰时频矩阵的低秩特性，构建最大似然意义下的SAR宽带干扰重构模型；利用贝叶斯推断对模型参数进行估计，实现SAR宽带干扰时频矩阵的重构，并在数据域进行相消处理，获得干扰抑制后的SAR回波数据。本发明能够对宽带干扰进行有效抑制，提高模型对含有异常值与重尾噪声SAR数据的鲁棒性。同时，将SAR宽带干扰抑制问题转化为贝叶斯框架下的优化求解问题，提高了模型参数估计精度。
-
公开(公告)号：CN110780271A
公开(公告)日：2020-02-11
申请号：CN201910991286.7
申请日：2019-10-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的空间目标多模式雷达分类方法，属于雷达信号处理技术领域；本发明建立了进动空间目标的微多普勒频率及雷达回波模型，进而基于一维距离像和时频谱图进行多模式数据库的构建；此外，设计了基于空域图像融合的卷积神经网络，用于融合空间目标的多模式雷达数据从而进行目标分类，可弥补现有方法目标特征库不完备、网络参数不共用以及不易扩展的不足，对于不同的多模式雷达数据，网络特征提取及融合的参数完全共用，降低了网络结构的复杂度和网络的计算量，为基于雷达数据的空间态势感知、多信源雷达数据融合以及空间目标分类奠定了一定的基础。
-
公开(公告)号：CN110334741A
公开(公告)日：2019-10-15
申请号：CN201910490975.X
申请日：2019-06-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于循环神经网络的雷达一维距离像识别方法，其步骤为：建立训练数据集和验证数据集；对训练数据集和验证数据集进行预处理；构建循环神经网络模型，并将其作为分类器；将预处理后的训练数据集作为输入数据，训练循环神经网络模型，并更新权重参数，得到训练后的循环神经网络对应的权重参数；构建雷达一维距离像目标识别模型，采用目标识别模型对目标数据进行识别，得到目标对应的类别。本发明利用循环神经网络作为雷达一维距离像目标识别的分类器，具有识别精度高，运算速度快的优点。同时，在低信噪比条件下仍然能保证较高的识别率，为雷达目标识别系统的准确性和稳健性提供良好的保障。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.034 seconds)
