公开(公告)号：CN103197284B

公开(公告)日：2015-02-25

申请号：CN201310092762.4

申请日：2013-03-21

Applicant: 北京理工大学

Inventor： 傅雄军 ,  王琳 ,  高梅国 ,  史陆敏 ,  王才 ,  赵会朋 ,  李婷 ,  杨伟杰

IPC: G01S7/02

Abstract: 本发明公开了一种自相关、正交和多普勒容限约束下的雷达波形设计方法，首先，设计出了综合考虑波形自相关性、互相关性以及多普勒容限三方面要求的性能稳定的代价函数。其次，利用Greedy随机搜索优化算法，经多次迭代，直到系统不再接受任何相位改变时即获得了满足雷达全极化测量需求的波形设计。

公开(公告)号：CN104198993A

公开(公告)日：2014-12-10

申请号：CN201410367813.4

申请日：2014-07-29

Applicant: 北京理工大学

Inventor： 傅雄军 ,  李婷 ,  高梅国 ,  王才 ,  赵会朋 ,  李文静

IPC: G01S7/02

CPC classification number: G01S7/02

Abstract: 本发明公开了一种适合参数估计的认知雷达最优波形设计方法，其利用更加符合实际情况的实际目标冲激响应构建信道模型，根据该信道模型，利用注水法得到所需波形的能量谱密度，可从回波中得到最大的目标信息量；以能量谱密度和时域复波形幅度恒定作为约束条件，利用迭代的加权最小二乘法得到恒幅的时域复波形，不会浪费发射机功率；雷达发射设计的时域复波形，得到目标回波，利用目标回波进行参数估计；一个参数估计积累时间达到后，利用当前的目标回波更新目标的冲激响应，并重新进行波形设计和发射，使当前发射的波形随目标和环境的变化而变化，始终保证当前得到的目标回波中包含最大的目标信息量，从而利于目标参数估计。

公开(公告)号：CN103197284A

公开(公告)日：2013-07-10

申请号：CN201310092762.4

申请日：2013-03-21

Applicant: 北京理工大学

Inventor： 傅雄军 ,  王琳 ,  高梅国 ,  史陆敏 ,  王才 ,  赵会朋 ,  李婷 ,  杨伟杰

IPC: G01S7/02

Abstract: 本发明公开了一种自相关、正交和多普勒容限约束下的雷达波形设计方法，首先，设计出了综合考虑波形自相关性、互相关性以及多普勒容限三方面要求的性能稳定的代价函数。其次，利用Greedy随机搜索优化算法，经多次迭代，直到系统不再接受任何相位改变时即获得了满足雷达全极化测量需求的波形设计。

公开(公告)号：CN104198993B

公开(公告)日：2017-01-04

申请号：CN201410367813.4

申请日：2014-07-29

Applicant: 北京理工大学

Inventor： 傅雄军 ,  袁大森 ,  彭水莲 ,  李婷 ,  高梅国 ,  王才 ,  赵会朋 ,  李文静

IPC: G01S7/02

Abstract: 本发明公开了一种适合参数估计的认知雷达最优波形设计方法，其利用更加符合实际情况的实际目标冲激响应构建信道模型，根据该信道模型，利用注水法得到所需波形的能量谱密度，可从回波中得到最大的目标信息量；以能量谱密度和时域复波形幅度恒定作为约束条件，利用迭代的加权最小二乘法得到恒幅的时域复波形，不会浪费发射机功率；雷达发射设计的时域复波形，得到目标回波，利用目标回波进行参数估计；一个参数估计积累时间达到后，利用当前的目标回波更新目标的冲激响应，并重新进行波形设计和发射，使当前发射的波形随目标和环境的变化而变化，始终保证当前得到的目标回波中包含最大的目标信息量，从而利于目标参数估计。

公开(公告)号：CN114966587A

公开(公告)日：2022-08-30

申请号：CN202210408941.3

申请日：2022-04-19

Applicant: 北京理工大学

Inventor： 王才 ,  汤涛 ,  高梅国

IPC: G01S7/41

Abstract: 本发明提供了基于卷积神经网络融合特征的雷达目标识别方法及系统，采用神经网络同时提取多普勒谱分布和时频谱分布的微多普勒特征，并利用特征构造融合特征，实现高性能的雷达目标识别。本发明采用深度卷积神经网络模型，分别提取多普勒谱空间的分布特征和时频谱空间的分布特征，同时利用不同空间上的深层抽象特征构成融合特征矢量，利用融合特征矢量实现两类特征的信息互补，以增强雷达目标的识别性能，提高识别准确率，得到特征对应的目标识别类型。