公开(公告)号：CN110850386B

公开(公告)日：2023-04-18

申请号：CN201911143456.2

申请日：2019-11-20

Applicant: 中北大学

Inventor： 庞存锁 ,  侯慧玲 ,  杨凌 ,  杨崇霖 ,  邓志远

IPC: G01S7/41 ,  G06F18/24

Abstract: 本发明涉及一种基于分数阶域特征的旋翼类无人机深度学习识别方法，属于雷达目标分类识别技术领域，解决目标分类识别概率差的技术问题。本发明利用短时分数阶傅里叶变换对旋翼类无人机目标回波信号进行初步特征提取，然后在此基础上，从u‑v域、u‑z域，v‑z域三个维度进行自编码深度识别学习，结果表明本发明的目标识别率可达到87%，远远高于将信号直接应用深度学习算法获得的识别率，同时，本发明数据处理量较小，将传统特征识别和深度学习识别两种方法进行了很好的融合应用。

公开(公告)号：CN110850386A

公开(公告)日：2020-02-28

申请号：CN201911143456.2

申请日：2019-11-20

Applicant: 中北大学

Inventor： 庞存锁 ,  侯慧玲 ,  杨凌 ,  杨崇霖 ,  邓志远

IPC: G01S7/41 ,  G06K9/00

Abstract: 本发明涉及一种基于分数阶域特征的旋翼类无人机深度学习识别方法，属于雷达目标分类识别技术领域，解决目标分类识别概率差的技术问题。本发明利用短时分数阶傅里叶变换对旋翼类无人机目标回波信号进行初步特征提取，然后在此基础上，从u-v域、u-z域，v-z域三个维度进行自编码深度识别学习，结果表明本发明的目标识别率可达到87%，远远高于将信号直接应用深度学习算法获得的识别率，同时，本发明数据处理量较小，将传统特征识别和深度学习识别两种方法进行了很好的融合应用。