-
公开(公告)号：CN117148285A
公开(公告)日：2023-12-01
申请号：CN202211702013.4
申请日：2022-12-29
Applicant: 北京理工大学 , 北京理工大学唐山研究院
IPC: G01S7/36 , G06F18/2431 , G06F18/24 , G06F18/10 , G06F18/214 , G06F18/2113 , G01S7/02
Abstract: 本发明属于雷达电子对抗、数据分类及信号识别技术领域，涉及一种基于多域特征与决策树的雷达有源干扰识别方法。包括：分别从时域、频域、小波域及双谱域获取每个干扰信号的高维特征向量；将高维特征向量作为一个数据样本，并对所有样本进行标签标注，得到有标签数据集；再对数据集进行标准化处理并划分为训练集和测试集；特征选择阶段通过RF算法对多域特征数据集进行特征选择得到训练集和测试集的最优特征子集；XGBoost训练阶段完成XGBoost分类器的构建与训练。所述方法能有效识别各类有源干扰；提高了识别准确率和泛化能力，降低了计算开销，提高了有源干扰识别的准确率和鲁棒性。
-
公开(公告)号：CN115267679B
公开(公告)日：2025-02-14
申请号：CN202210828811.5
申请日：2022-07-14
Applicant: 北京理工大学 , 北京理工大学唐山研究院
IPC: G01S7/02
Abstract: 本发明属于雷达信号分类技术领域，尤其涉及一种基于GCN与ResNet的多功能雷达信号分选方法。包括：构建多功能雷达PDW数据集、归一化处理、利用KNN算法将多功能雷达PDW数据转化为图结构数据、为图结构数据添加标签；构建三层GCN网络以及增添残差网络；使用带标签图结构数据训练“半监督”GCN‑ResNet网络；再将图结构数据输入到训练好的GCN‑ResNet网络中，输出无标签图结构数据的分类结果。所述方法利用KNN算法将多功能雷达PDW数据转化为图结构数据，依托“半监督”学习网络，提高了GCN在小样本条件下的泛化能力；有效解决了多功能雷达信号分选“增批”的问题，提升了分选准确度。
-
Patent Agency Ranking
公开(公告)号：CN115267679A
公开(公告)日：2022-11-01
申请号：CN202210828811.5
申请日：2022-07-14
Applicant: 北京理工大学 , 北京理工大学唐山研究院
IPC: G01S7/02
Abstract: 本发明属于雷达信号分类技术领域，尤其涉及一种基于GCN与ResNet的多功能雷达信号分选方法。包括：构建多功能雷达PDW数据集、归一化处理、利用KNN算法将多功能雷达PDW数据转化为图结构数据、为图结构数据添加标签；构建三层GCN网络以及增添残差网络；使用带标签图结构数据训练“半监督”GCN‑ResNet网络；再将图结构数据输入到训练好的GCN‑ResNet网络中，输出无标签图结构数据的分类结果。所述方法利用KNN算法将多功能雷达PDW数据转化为图结构数据，依托“半监督”学习网络，提高了GCN在小样本条件下的泛化能力；有效解决了多功能雷达信号分选“增批”的问题，提升了分选准确度。
-
公开(公告)号：CN113341378A
公开(公告)日：2021-09-03
申请号：CN202110410504.0
申请日：2021-04-13
Applicant: 北京理工大学
Abstract: 本发明涉及基于频谱差分熵检测的自适应信道化接收方法，属于雷达信号侦察以及信号检测技术领域。针对接收宽带Chirp信号、窄带Chirp信号和二相编码信号，使用基于奇型组与偶型多相滤波器组的信道化结构进行一级信道化接收，对接收信号的频谱能量进行平滑处理、剔除虚假信号、差分熵检测、判决宽窄信号以及参数估计，得到跨道数目和信号参数；根据跨道数目，进行信道匹配，选取跨道数目较少的信道化结构；根据信号参数，进行二级信道化接收，对宽带信号进行信道合并，对窄带信号进行自适应频带细分，并进行二级信道检测，提取出有效信号。所述方法具有全概率接收、实时性高、检测准确度高、可检测低信噪比复杂信号以及过滤噪声能力强的优势。
-
公开(公告)号：CN115049906B
公开(公告)日：2024-07-05
申请号：CN202210691688.7
申请日：2022-06-17
Applicant: 北京理工大学
IPC: G06V10/82 , G06V20/10 , G06V10/774 , G06V10/40
Abstract: 本发明属于目标识别及图像检测技术领域，尤其涉及一种基于轻量级主干的保精度SAR舰船检测方法。包括：S1、使用星载或机载SAR传感器获取SAR图像数据集；S2、对SAR图像数据集中的图像进行标注得到带标注的数据集，再对带标注的数据集进行划分，得到训练集、验证集和测试集；S3、构建基于轻量级主干的YOLO‑v4模型；S4、使用S2构建的训练集送入基于轻量级主干的YOLO‑v4模型中进行训练，得到训练好的算法模型；所述训练中使用验证集评估；S5、使用S2中构建的测试集送入S4中训练好的算法模型进行预测，得到最终检测结果并显示。所述方法实现了95％的精度性能，并将检测速度提升了40％。
-
公开(公告)号：CN115049906A
公开(公告)日：2022-09-13
申请号：CN202210691688.7
申请日：2022-06-17
Applicant: 北京理工大学
IPC: G06V10/82 , G06V20/10 , G06V10/774 , G06V10/40
Abstract: 本发明属于目标识别及图像检测技术领域，尤其涉及一种基于轻量级主干的保精度SAR舰船检测方法。包括：S1、使用星载或机载SAR传感器获取SAR图像数据集；S2、对SAR图像数据集中的图像进行标注得到带标注的数据集，再对带标注的数据集进行划分，得到训练集、验证集和测试集；S3、构建基于轻量级主干的YOLO‑v4模型；S4、使用S2构建的训练集送入基于轻量级主干的YOLO‑v4模型中进行训练，得到训练好的算法模型；所述训练中使用验证集评估；S5、使用S2中构建的测试集送入S4中训练好的算法模型进行预测，得到最终检测结果并显示。所述方法实现了95％的精度性能，并将检测速度提升了40％。
-
公开(公告)号：CN113341378B
公开(公告)日：2022-08-16
申请号：CN202110410504.0
申请日：2021-04-13
Applicant: 北京理工大学
Abstract: 本发明涉及基于频谱差分熵检测的自适应信道化接收方法，属于雷达信号侦察以及信号检测技术领域。针对接收宽带Chirp信号、窄带Chirp信号和二相编码信号，使用基于奇型组与偶型多相滤波器组的信道化结构进行一级信道化接收，对接收信号的频谱能量进行平滑处理、剔除虚假信号、差分熵检测、判决宽窄信号以及参数估计，得到跨道数目和信号参数；根据跨道数目，进行信道匹配，选取跨道数目较少的信道化结构；根据信号参数，进行二级信道化接收，对宽带信号进行信道合并，对窄带信号进行自适应频带细分，并进行二级信道检测，提取出有效信号。所述方法具有全概率接收、实时性高、检测准确度高、可检测低信噪比复杂信号以及过滤噪声能力强的优势。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
