-
公开(公告)号：CN115601689A
公开(公告)日：2023-01-13
申请号：CN202211296951.9
申请日：2022-10-21
Applicant: 哈尔滨工业大学(CN)
Abstract: 本发明提出一种SAR图像目标识别方法,包括：获取SAR图像训练集，通过对SAR图像训练集进行映射变换，获取映射后的数据集；将映射后的数据集输入到预训练好的VGG模型中进行微调，将每个样本所代表目标类别的特征映射到特征空间中作为质心，通过比较样本特征与已有类别到质心的距离，得到SAR图像的置信度分数，获取SAR图像目标识别模型；获取SAR图像测试集，通过SAR图像目标识别模型对SAR图像测试集中的样本进行特征提取，获取样本特征，得到测试样本的类别及置信度分数。本发明提出了一种高准确性和强确定性的基于深度学习的SAR图像目标识别方法，并利用一种新的评价指标‑预期校准误差衡量预测的不确定性，为每一个预测的SAR图像中的目标提供了置信度分数，提升了模型的实际应用效果。
-
公开(公告)号：CN115372956A
公开(公告)日：2022-11-22
申请号：CN202211072785.4
申请日：2022-09-02
Applicant: 哈尔滨工业大学
Abstract: 一种基于正逆逻辑Hough变换的混合体制雷达航迹起始方法，涉及雷达数据处理领域中的多目标跟踪技术领域，解决了天发地收混合体制高频雷达的多目标跟踪中的航迹起始存在计算量大、需要长积累时间的问题。本发明以发射机位置作为原点，建立直角坐标系，确定雷达接收机在直角坐标系内的坐标与航迹起始周期A内所有目标点的坐标；以此确定每个运动目标在射距‑多普勒空间目标量测量，对所述目标量测量规格化，将规格化后的目标量测量通过Hough变换转换为Hough参数空间的点迹，进而获取粗关联航迹，再利用正逆序逻辑法获取航迹起始。本发明适用于多目标跟踪航迹起始。
-
公开(公告)号：CN113156392B
公开(公告)日：2022-04-08
申请号：CN202110577164.0
申请日：2021-05-26
Applicant: 哈尔滨工业大学
Abstract: 一种基于俯仰域自适应处理的杂波抑制方法，属于雷达杂波抑制技术领域。本发明是为了解决在对三坐标雷达的信号进行杂波处理时，没有基于空域自适应处理的方法，而导致雷达对目标的探测准确率不高的问题。本发明所述的方法包括：获取杂波信号；计算导向矢量；获取杂波样本，根据杂波样本估计出杂噪协方差矩阵；根据杂噪协方差矩阵和导向矢量得到最优空域导向矢量；根据最优空域加权矢量和导向矢量计算得到滤波后目标所在空域处的输出结果，即经过杂波抑制处理后的信号。本发明用于雷达杂波信号的处理。
-
公开(公告)号：CN113671482A
公开(公告)日：2021-11-19
申请号：CN202111098110.2
申请日：2021-09-18
Applicant: 哈尔滨工业大学
Abstract: 一种基于多维筛选并行Hough变换的航迹起始方法，属于雷达数据处理技术领域。本发明针对现有基于并行Hough变换的航迹起始方法对测量误差敏感，易生成大量虚假航迹的问题。包括：对雷达N0个扫描周期的量测点迹集进行多维筛选获得可能关联的二次保留量测点迹集：首先通过计算多普勒速度变化率得到可能关联的初次保留量测点迹集；再通过归一化距离平方的计算得到可能关联的二次保留量测点迹集；再基于可能关联的二次保留量测点迹集进行航迹筛选，确定起始目标航迹。本发明提升了航迹起始成功率。
-
公开(公告)号：CN111783796A
公开(公告)日：2020-10-16
申请号：CN202010568493.4
申请日：2020-06-19
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度特征融合的PET/CT影像识别系统，涉及图像处理技术领域，针对现有技术中PET/CT影像识别精度低的问题，所述系统执行以下步骤：一、获取PET/CT影像原始数据，并对PET/CT影像原始数据进行读取及预处理；二、对PET/CT影像进行样本划分，然后利用卷积神经网络分别对划分后的样本进行深度特征提取；三、将提取的特征分别进行PCA处理，并分别进行归一化，之后将处理后的PET影像特征与CT影像特征进行特征融合；四、利用融合后的特征训练识别网络；五、使用训练好的识别网络对待识别样本进行识别，提取出可分性较好的影像学特征。
-
Patent Agency Ranking
公开(公告)号：CN107144834B
公开(公告)日：2019-10-22
申请号：CN201710368949.0
申请日：2017-05-23
Applicant: 哈尔滨工业大学
IPC: G01S13/26
Abstract: 一种高重频脉冲雷达扩展测距范围的波形设计方法，本发明涉及高重频脉冲雷达扩展测距范围的波形设计方法。本发明为了解决高重频脉冲雷达由脉冲周期重复引起的距离模糊，以及避免在无模糊测距范围增大的同时占空比和平均功率下降的问题。本发明包括：一：确定脉间调相因子α以及速度范围与目标真实速度和距离折叠次数的对应关系；二：对线性调频脉冲信号进行脉间相位调制，得到脉内线性调频脉间相位调制脉冲信号；三：雷达发射脉内线性调频脉间相位调制脉冲信号，对接收到的目标反射的回波进行距离处理，得到目标的视在距离；四：进行脉间多普勒处理，并根据速度结果解距离模糊得到目标真实距离。本发明属于雷达信号设计与处理领域。
-
公开(公告)号：CN109061597A
公开(公告)日：2018-12-21
申请号：CN201810969137.6
申请日：2018-08-23
Applicant: 哈尔滨工业大学
IPC: G01S7/41
CPC classification number: G01S7/41
Abstract: 本发明提供基于盲源分离与时频脊波域滤波的电离层杂波抑制方法，属于雷达信号处理技术领域。本发明首先通过盲源分离方法对雷达阵列天线接收的信号进行源信号分离，并对分离成分按信杂噪比从小到大进行排列；然后分别对雷达阵列天线接收的信号以及重新排序后的分离成分在杂波与目标所在波束方向进行波束形成，用接收信号波束形成结果逐个对消分离成分波束形成结果，选出其中信杂噪比最大的对消结果；最后对对消后的结果进行时频‑脊波域滤波处理，进一步提高信号的信杂噪比。本发明解决了现有电离层杂波抑制技术在信杂噪比较低情况下，杂波抑制效果差的问题，相对现有技术杂波抑制性能更优。本发明可用于高频雷达的超视距探测面对的强杂波问题。
-
公开(公告)号：CN104992000B
公开(公告)日：2018-03-16
申请号：CN201510341877.1
申请日：2015-06-18
Applicant: 哈尔滨工业大学
Abstract: 一种基于L型阵列天线的波束形成及波束图优化方法，涉及天线的波束形成以及波束图优化领域。为了解决传统的L型阵列由于阵元数较少形成的波束图测角分辨率和测角精度不高的问题，本发明首先针对L型阵利用二维空间波束形成方法建立天线的波束图F，对L型阵列的阵列结构进行编码，然后对编码进行调整并构建适应度函数，以波束图性能为优化目标，利用遗传算法对L型阵列进行布阵进行优化，得到一个优化后非均匀L型阵列阵元排布；在此基础上，进一步建立适应度函数，利用遗传算法，针对L型阵列每个阵元计算最优的加权值w；将优化后非均匀L型阵列阵元排布和加权值w带入波束图F，完成波束图优化。本发明适用于L型阵列天线的波束形成及波束图的优化。
-
公开(公告)号：CN107688170A
公开(公告)日：2018-02-13
申请号：CN201710718821.2
申请日：2017-08-21
Applicant: 哈尔滨工业大学
CPC classification number: G01S7/415 , G01S13/72 , G06K9/6282
Abstract: 一种基于随机森林的雷达目标航迹起始方法，本发明涉及雷达目标航迹起始方法。本发明的目的是为了解决现有直观法、逻辑法规则粗糙、精度差、需人工设定门限、对强杂波环境的适应能力差；以及修正的Hough变换法等计算量较大、需要多批次量测数据、起始耗时较长、且对非直线运动的目标起始概率低的问题。具体过程为：一：对雷达历史观测数据的点迹组合进行特征提取，形成样本集D；对D进行采样，形成n个训练样本采样集；二：第t个训练样本采样集训练第t个决策树，然后构成随机森林组合分类器；三：在测试阶段，雷达观测区域点迹经过数据预选和特征提取，通过分类器，得到航迹起始结果。本发明用于雷达目标航迹起始领域。
-
公开(公告)号：CN103047982A
公开(公告)日：2013-04-17
申请号：CN201310004930.X
申请日：2013-01-07
Applicant: 哈尔滨工业大学
Abstract: 基于角度信息的目标自适应跟踪方法，属于侦察系统中慢速运动目标跟踪技术领域。它解决了现有侦察系统中采用被动传感器探测远端目标，跟踪精度低，进而无法分辨目标为固定目标或是运动目标的问题。它采用电子支援系统实时采集目标的角度值，再对目标进行交叉定位，得到目标初始定位位置，再通过求重心的方法确定目标的初始位置估计值；根据目标的初始位置估计值及实时角度估计值采用迭代滤波的方法对目标进行跟踪，获得目标的平均速度和加速度，将目标的平均速度和加速度与预设定的目标平均速度阈值和加速度阈值分别对比，然后确定目标类型，再根据目标类型实现对目标的自适应跟踪。本发明适用于侦察系统中对目标的跟踪。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.032 seconds)
