-
公开(公告)号：CN114594463B
公开(公告)日：2024-11-15
申请号：CN202210301533.8
申请日：2022-03-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于组合凸包的海面小目标特征检测方法，包括以下步骤：获取观测向量；对观测向量计算多普勒幅度谱，进行白化预处理；在时域中和频域中提取三个特征；构建三维检验统计量；设计非凸判决区域；判决检测结果。本发明提出了三个新的特征，充分利用了时域、频域中杂波和目标的差异性。同时，避免了时频域的大量计算代价，并能获得匹配于时频域特征的性能；提出了一种组合凸包算法，实现了3D非凸决策区域。相对于原始凸包判决区域，非凸判决区域的体积更小，因而可以获得更高的检测性能；通过此发明提高了低信杂比条件下海面小目标的检测概率，提供了非凸判决器设计的新思路。
-
公开(公告)号：CN110412536B
公开(公告)日：2022-06-24
申请号：CN201910752810.5
申请日：2019-08-15
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明公开一种基于变尺度中值比率的目标检测方法，包括如下具体步骤：获取雷达回波数据；计算非相干脉冲累积；设定小尺度参数集合和大尺度参数集合；计算中值能量特征；计算检测统计量；在线感知杂波参数；查表获门限；比较检验统计量和判决门限的大小，判断出目标是否存在；本发明由于采用了变尺度下的特征提取，实现大范围内杂波功率提取和小范围内目标能量提取，从而解决高分辨率下参考单元为目标自身的问题。本发明由于使用了变尺度下的中值比率，检测统计量具有抗异常值的能力，能有效解决目标幅度强起伏的问题。
-
公开(公告)号：CN114594463A
公开(公告)日：2022-06-07
申请号：CN202210301533.8
申请日：2022-03-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于组合凸包的海面小目标特征检测方法，包括以下步骤：获取观测向量；对观测向量计算多普勒幅度谱，进行白化预处理；在时域中和频域中提取三个特征；构建三维检验统计量；设计非凸判决区域；判决检测结果。本发明提出了三个新的特征，充分利用了时域、频域中杂波和目标的差异性。同时，避免了时频域的大量计算代价，并能获得匹配于时频域特征的性能；提出了一种组合凸包算法，实现了3D非凸决策区域。相对于原始凸包判决区域，非凸判决区域的体积更小，因而可以获得更高的检测性能；通过此发明提高了低信杂比条件下海面小目标的检测概率，提供了非凸判决器设计的新思路。
-
公开(公告)号：CN114755649B
公开(公告)日：2024-11-22
申请号：CN202210300265.8
申请日：2022-03-25
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于相对样本熵的海面小目标特征检测方法，包括以下步骤：获取CUT观测向量；计算多普勒谱；获得白化频谱；提取样本熵；获得相对样本熵；检测判决，判断出CUT中是否存在目标。本发明在频域定义白化频谱，增大海杂波和含目标回波之间在频谱上的差异性；改进样本熵算法，提取相对样本熵作为一种高效的单特征，融合了频谱在能量和几何方面的多元信息；通过此发明可以解决性能提升和计算量降低的矛盾问题，提高了低信杂比条件下海面小目标的检测概率。
-
公开(公告)号：CN115510395A
公开(公告)日：2022-12-23
申请号：CN202211189259.6
申请日：2022-09-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于GBDT模型的K分布杂波参数估计方法，包括以下步骤：(1)获取海杂波序列；(2)提取特征；(3)构建特征向量；(4)估计形状参数；(5)估计尺度参数；(6)计算KSD值。本发明通过GBDT模型进行自主学习估计形状参数且利用依赖于形状参数的特定分位点估计尺度参数，集成了矩估计的估计精度高和分位点估计的抗异常样本的优势，从而实现了参数估计的准确性以及在复杂杂波环境下的稳健性。
-
Patent Agency Ranking
公开(公告)号：CN111580064B
公开(公告)日：2022-07-12
申请号：CN202010596437.1
申请日：2020-06-28
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于多域多维特征融合的海面小目标检测方法，将HH、HV、VH、VV这四种极化下的回波数据进行联合处理，提取时域、频域、时频域和极化域的多维特征信息；通过极化域和特征域的线性融合，将多维特征压缩到3D特征空间中，保证高维度信息量的同时降低计算代价；在3D特征空间中，采用快速凸包算法获得虚警可控的判决区域，实现目标检测。本发明的检测方法在不同海洋环境下具有稳健性能，提升雷达对海面小目标的探测性能，为海面小目标检测提供新思路。
-
公开(公告)号：CN111505643B
公开(公告)日：2022-07-05
申请号：CN202010322451.2
申请日：2020-04-22
Applicant: 南京信息工程大学
Abstract: 本发明针对含目标回波样本是稀疏的、不完备的，并且人工提取的特征往往是经验的、定性的问题，提供一种基于时频图深度学习的检测方法。本发明通过半仿真方法获取含目标回波大量数据，解决两类数据非均衡问题。通过白化预处理和迁移学习分类器，能够自主学习时频图的特性，深入挖掘两类数据的差异。本发明将分类器输出的两类概率作为统计量，解决了虚警控制的问题，这种恒虚警特性在实际雷达检测中具有重要意义。
-
公开(公告)号：CN115097408B
公开(公告)日：2025-01-07
申请号：CN202210530218.2
申请日：2022-05-16
Applicant: 南京信息工程大学
Abstract: 本发明提出了一种基于改进1D‑Lenet网络的海面小目标检测方法。第一，从时域、频域、时频域、极化域中提取了多维特征，充分挖掘了海杂波和含目标回波在不同域上的能量、几何等差异性。第二，设计了一种改进的1D‑Lenet网络，实现了高维特征空间中的虚警可控分类设计。深度网络通常使用了大量的卷积核并拥有较深的结构，在提升性能的同时也导致了网络训练过程中计算量过大，训练耗时较长的问题。然而改进的1D‑Lenet网络具有较少的参数，并使得网络具有实现快速检测的潜力。
-
公开(公告)号：CN115097408A
公开(公告)日：2022-09-23
申请号：CN202210530218.2
申请日：2022-05-16
Applicant: 南京信息工程大学
Abstract: 本发明提出了一种基于改进1D‑Lenet网络的海面小目标检测方法。第一，从时域、频域、时频域、极化域中提取了多维特征，充分挖掘了海杂波和含目标回波在不同域上的能量、几何等差异性。第二，设计了一种改进的1D‑Lenet网络，实现了高维特征空间中的虚警可控分类设计。深度网络通常使用了大量的卷积核并拥有较深的结构，在提升性能的同时也导致了网络训练过程中计算量过大，训练耗时较长的问题。然而改进的1D‑Lenet网络具有较少的参数，并使得网络具有实现快速检测的潜力。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.028 seconds)
