-
公开(公告)号：CN116883724A
公开(公告)日：2023-10-13
申请号：CN202310724703.8
申请日：2023-06-19
Applicant: 上海交通大学
IPC: G06V10/764 , G01S7/02 , G01S7/41 , G06V10/62 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/082
Abstract: 本发明公开了一种基于物理特征提取和SIFCDN模型的UWB引信目标识别方法，包括步骤：针对实测超宽带引信目标回波，提取一维序列特征和二维多普勒图像特征，融合两种特征构建引信目标物理特征；设计序列‑图像融合编码深度网络模型，包括多头注意力序列‑图像特征融合模块、多头注意力编码模块和线性分类模块；基于实测数据提取的引信目标物理特征，对序列‑图像融合编码深度网络模型进行训练和验证，并保存最佳模型；采用复杂场景条件下的实测引信目标回波，提取物理特征，对序列‑图像融合编码深度网络模型进行识别性能测试，验证物理特征提取和模型的有效性。
-
公开(公告)号：CN115481667A
公开(公告)日：2022-12-16
申请号：CN202211250833.4
申请日：2022-10-12
Applicant: 上海交通大学
Abstract: 本发明公开了一种基于多尺度UDA和特征学习的UWB引信目标识别方法，包括步骤：根据等效散射中心模型对目标进行建模，基于仿真模型生成多种目标的超宽带引信回波信号，构建存在分布差异的有标签源域数据集和无标签目标域数据集；设计基于多尺度无监督领域自适应网络的模型，包括多尺度CNN特征提取模块、MLP特征学习模块和DNN分类模块；在有标签的源域数据上使用有监督方法对模型进行训练与验证，保存最佳预训练模型及类别特征中心；固定MLP特征学习模块和DNN分类模块，将最佳模型迁移到无标签的目标域数据，使用无监督方法对模型进行训练微调，使用微调后的模型对目标域数据识别，获得引信目标识别结果。
-
公开(公告)号：CN113721215B
公开(公告)日：2024-01-30
申请号：CN202110980014.4
申请日：2021-08-25
Applicant: 上海交通大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于SMRA和BiGRU的雷达HRRP海杂波分类方法，包括步骤:对雷达海杂波HRRP信号进行切割、取模、对齐；对预处理后HRRP，采用SMRA方法提取海杂波的多维特征，具体包括：(1)估计HRRP序列的PWVD时频特征谱；指数ISE，得到原信号的时间‑奇异性指数分布图；(3)在奇异性指数维，估计每个时刻的奇异性功率谱；(4)遍历所有的时刻点，得到原HRRP信号的SMRA多维特征谱；采用BiGRU深度网络模型对基于SMRA分析的HRRP雷达海杂波进行分类。(2)对PWVD时频谱,在频率方向估计瞬时奇异性
-
-
公开(公告)号：CN113033486B
公开(公告)日：2022-11-11
申请号：CN202110431459.7
申请日：2021-04-21
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于广义分形理论的信号特征提取与调制类型识别方法，包括：对已调制信号进行基于多重分形谱的信号特征提取以及基于奇异性功率谱的信号特征提取；同时，提取信号的瞬时特征，并通过广义分形谱特征和瞬时特征融合融合，构造特征向量，并采用SVM分类器对信号调制类型进行识别。该方法在提取常见信号特征之外，还提取利用了信号的广义分形谱特征来融合分类的特征向量，再利用SVM分类器进行多分类任务，在低信噪比、非高斯和分形噪声环境下，可更好地提取信号特征，具有更优抗噪声性能和识别率。
-
Patent Agency Ranking
公开(公告)号：CN111708028B
公开(公告)日：2022-04-08
申请号：CN202010520691.3
申请日：2020-06-09
Applicant: 上海交通大学
Abstract: 基于多重分形谱的SAR图像二次成像方法，包括步骤：对SAR图像像元进行二维局部延迟自相关分析或伪魏格纳时频展开，获得四维数组，四维数组包括原始自变量和二维延迟分量(或二维频率分量)；保留原始自变量，对二维延迟分量(或二维频率分量)进行二维多重分形谱分析，获得SAR图像局部点的多重分形谱；遍历原始SAR图像各空间点，对多重分形谱进行处理，得到SAR图像的多重分形谱SAR二次成像结果。该方法可利用多重分形理论对自然场景描述的优势，通过二次成像得到的多重分形谱SAR图像，该图像同时包含空间图像信息和多重分形谱信息，可以为SAR图像特征提取提供更丰富的细节，为SAR图像解译提供一种新思路。
-
公开(公告)号：CN108896975B
公开(公告)日：2022-04-08
申请号：CN201810613835.2
申请日：2018-06-14
Applicant: 上海交通大学
IPC: G01S7/41
Abstract: 本发明提供了一种互相关奇异性功率谱分布计算方法，本发明提出了互奇异域功率谱密度(CSPS)的概念和定义；通过理论推导和定量分析，描述了多个序列在奇异域的互相关功率谱特征；基于奇异性功率谱(SPS)和互功率谱密度(CPSD)函数，给出了CSPS的算法，包括步骤：计算瞬时奇异性指数，构造奇异性子集/信号，计算奇异子集之间的互平均功率，计算互奇异功率谱密度；将CSPS应用于IPIX雷达目标检测之中，分析了不同海况和有无目标条件下雷达回波(纯海杂波和含目标海杂波)序列之间的互奇异功率谱相关特性，证明CSPS可实现对海杂波更有效的细分，采用奇异域的互功率谱方法能实现低信噪比复杂海洋背景下目标相关检测。
-
公开(公告)号：CN113723353A
公开(公告)日：2021-11-30
申请号：CN202111069733.7
申请日：2021-09-13
Applicant: 上海交通大学
Abstract: 本发明公开了一种随机多径干扰条件下基于CBD网络的调制信号识别方法，包括步骤：根据无线信号传输系统，基于多种噪声模型生成多径干扰下不同调制类型的通信信号，构成数据集；设计基于注意力机制的CNN‑BiLSTM‑DNN模型，包括CNN特征提取模块、双向长短时记忆网络模块和全连接层分类模块；使用固定多径参数生成的数据集对模型进行训练与验证，保存最佳模型；评估验证集的表现，与此同时，重新生成多径参数在训练集基础上随机波动的测试数据集，使用上述最佳模型测试对其识别效果，对比验证集与测试集表现，进行泛化性分析。
-
公开(公告)号：CN111681272A
公开(公告)日：2020-09-18
申请号：CN202010526888.8
申请日：2020-06-09
Applicant: 上海交通大学
Abstract: 一种基于奇异性功率谱的SAR图像处理方法，包括步骤：对SAR图像进行二维伪魏格纳时频分析，获得四维数组，四维数组包括原始自变量与二维频率分量；保留原始自变量，针对每个SAR图像像元，对二维频率分量做二维瞬时奇异性指数估计；根据奇异性指数，对每个SAR图像像元对应的二维频率图像划分奇异性子集，计算二维奇异性功率谱；遍历SAR图像所有像元，重复上述步骤，得到三维功率分布函数。该方法可利用分形理论对自然场景描述的优势，使得处理后的SAR图像既包含传统二维图像信息，又包含奇异性功率谱维度信息，可以为SAR图像分析和目标特征提取提供更丰富的细节，为SAR图像目标检测和分类识别提供一种新的技术途径。
-
公开(公告)号：CN115393693A
公开(公告)日：2022-11-25
申请号：CN202211140750.X
申请日：2022-09-19
Applicant: 上海交通大学
IPC: G06V10/82 , G06V10/776 , G06V10/774 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于ICRN的序贯UWB‑IR图像车辆目标识别方法，包括步骤S100：基于阵列成像方法的UWB‑IR车辆目标成像数据集构造；步骤S200：ICRN网络模型设计，包括掩码层、可迭代卷积层和RNN层三个子模块，该模型利用了单个图像深度特征与序列图像间深度关联特征，并具备对序贯图像数量的动态自适应性；步骤S300：基于UWB‑IR仿真车辆图像集的ICRN模型分类性能验证；步骤S400：ICRN模型的泛化性与动态序贯目标识别性能分析。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.025 seconds)
