-
公开(公告)号：CN110412536A
公开(公告)日：2019-11-05
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：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：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：CN112147601B
公开(公告)日：2023-05-26
申请号：CN202010915183.5
申请日：2020-09-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于随机森林的海面小目标检测方法，包括以下步骤：获取待检测距离单元回波向量，以及周围参考距离单元的回波向量；在时域、频域以及时频域中提取多维特征；构建高维特征向量；对特征向量做归一化处理；根据仿真含目标回波数据和海杂波数据，提取归一化特征向量，构建两类均衡的训练样本；将两类训练样本作为随机森林的输入，建立分裂因子和虚警率之间的数学函数表达式，获得虚警可控的随机森林两分类器；将归一化特征向量为带入随机森林两分类器中，获得输出分类标签，判断回波向量是否存在目标。通过此发明可以提升在低SCR条件下雷达的探测性能，解决高维特征域中虚警可控两分类器设计的难点，为海面小目标检测提供新思路。
-
Patent Agency Ranking
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：CN112147601A
公开(公告)日：2020-12-29
申请号：CN202010915183.5
申请日：2020-09-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于随机森林的海面小目标检测方法，包括以下步骤：获取待检测距离单元回波向量，以及周围参考距离单元的回波向量；在时域、频域以及时频域中提取多维特征；构建高维特征向量；对特征向量做归一化处理；根据仿真含目标回波数据和海杂波数据，提取归一化特征向量，构建两类均衡的训练样本；将两类训练样本作为随机森林的输入，建立分裂因子和虚警率之间的数学函数表达式，获得虚警可控的随机森林两分类器；将归一化特征向量为带入随机森林两分类器中，获得输出分类标签，判断回波向量是否存在目标。通过此发明可以提升在低SCR条件下雷达的探测性能，解决高维特征域中虚警可控两分类器设计的难点，为海面小目标检测提供新思路。
-
公开(公告)号：CN111580064A
公开(公告)日：2020-08-25
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：CN111505643A
公开(公告)日：2020-08-07
申请号：CN202010322451.2
申请日：2020-04-22
Applicant: 南京信息工程大学
IPC: G01S13/937 , G01S7/41 , G01S7/40 , G06K9/62
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。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
