-
公开(公告)号：CN113064133B
公开(公告)日：2022-06-28
申请号：CN202110332553.7
申请日：2021-03-29
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于时频域深度网络的海面小目标特征检测方法，获取待检测单元的观测向量，并建立三元假设检验问题；将观测向量转换到二维时频域中，获得二维时频图；对二维时频图进行归一化处理，获得归一化时频图；构建深度网络模型，提取属于三类假设的概率值作为特征值；构建一个2D特征向量，作为最终的检验统计量；在给定虚警率下，结合三次样条曲线算法，确定虚警可控的判决区域；计算检验统计量是否在判决区域内。本发明结合了神经网络和特征检测技术，具有自主学习特征提取和多维特征联合的优势，提升了雷达对处在低信杂比下的海面小目标的探测性能。
-
公开(公告)号：CN113064133A
公开(公告)日：2021-07-02
申请号：CN202110332553.7
申请日：2021-03-29
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于时频域深度网络的海面小目标特征检测方法，获取待检测单元的观测向量，并建立三元假设检验问题；将观测向量转换到二维时频域中，获得二维时频图；对二维时频图进行归一化处理，获得归一化时频图；构建深度网络模型，提取属于三类假设的概率值作为特征值；构建一个2D特征向量，作为最终的检验统计量；在给定虚警率下，结合三次样条曲线算法，确定虚警可控的判决区域；计算检验统计量是否在判决区域内。本发明结合了神经网络和特征检测技术，具有自主学习特征提取和多维特征联合的优势，提升了雷达对处在低信杂比下的海面小目标的探测性能。
-
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。
