一种基于帝国竞争算法的天波雷达多路径数据关联方法

    公开(公告)号:CN108919253B

    公开(公告)日:2022-06-21

    申请号:CN201810474134.5

    申请日:2018-05-17

    Abstract: 一种基于帝国竞争算法的天波雷达多路径数据关联方法,本发明涉及一种基于帝国竞争算法的天波雷达多路径数据关联方法。本发明的目的是为了解决现有MPDA算法存在计算量大、算法执行时间过长的缺点。过程为:一,建立天波雷达跟踪系统模型;二,初始化,计算滤波预测值;三,随机生成初始国家并计算权力;四,初始帝国;五,殖民地同化作用;六,殖民地革命;七,帝国增强;八,殖民竞争;九,若迭代结束或只剩一个帝国,输出结果,否则,返回五;十,计算目标状态估计值,十一,判断目标跟踪是否结束,如果没有,使k=k+1,执行二~十。本发明用于雷达数据处理领域。

    空间目标多源数据参数化仿真与MixCenterNet融合检测方法

    公开(公告)号:CN113096058B

    公开(公告)日:2022-04-12

    申请号:CN202110441799.8

    申请日:2021-04-23

    Abstract: 空间目标多源数据参数化仿真与MixCenterNet融合检测方法,涉及ISAR图像处理领域。本发明是为了解决目前的多源数据融合检测方法存在可操作性低、检测精度不高从而导致的在实际中难以应用的问题。本发明包括:获取光学渲染图像;获取空间目标ISAR仿真图像;将光学渲染图像和ISAR仿真图像进行MixCenterNet融合检测;融合检测时将成对的光学渲染图像和ISAR仿真图像输入MixCenterNet中;光学图像经34层ResNet骨干网络处理,ISAR图像经16层的VGG骨干网络处理,然后分别通过级联角点池化与中心池化生成角点热图与中心点热图确定目标在光学图像中的位置;ISAR图像经16层的VGG骨干网络处理所得特征图,连同光学图像经34层的ResNet骨干网络处理所得特征图一并输入到全连接层,再经Softmax层输出目标类别信息。

    海上SAR舰船目标显著性检测与识别方法

    公开(公告)号:CN112784757B

    公开(公告)日:2022-04-08

    申请号:CN202110098588.9

    申请日:2021-01-25

    Abstract: 海上SAR舰船目标显著性检测与识别方法,属于图像处理领域。本发明为了解决针对弱目标检测性能较差、图像显著性提取适应性低的问题。本发明方法包括:将高斯滤波后的单通道SAR灰度图像扩充为三通道灰度图像,进行Lab颜色空间转换,计算像素点在不同尺度下的显著性,生成多尺度显著性子图,将各显著性子图融合后形成最终的显著图;对显著图做两次阈值分割,得到分割结果;对显著图中疑似目标区域的像素点进行聚类,输出疑似目标区域对应的外接矩形信息;提取哈尔特征,将哈尔特征输入至级联分类器中进行训练,得到舰船目标识别模型;将哈尔特征输入值级联分类器中进行二分类,得到舰船目标。本发明用于SAR舰船目标显著性检测与识别。

    基于多学习器优化的XGBoost的小样本条件下空间目标ISAR图像分类方法

    公开(公告)号:CN114219960A

    公开(公告)日:2022-03-22

    申请号:CN202111544817.1

    申请日:2021-12-16

    Abstract: 基于多学习器优化的XGBoost的小样本条件下空间目标ISAR图像分类方法,属于ISAR图像处理技术领域。是为了解决针对现有对小样本条件下空间目标ISAR图像识别率低的问题。本发明针对待分类的ISAR自旋空间目标图像,利用基于多学习器优化的XGBoost模型进行空间目标ISAR图像分类;XGBoost模型是利用XGBoost算法集成堆叠网络形成的XGBoost网络模型,堆叠网络中并行的基础学习器包括图卷积网络、胶囊网络和加入基于旋转不变性的注意力机制模块的Alexnet网络;其中,胶囊网络包含一个基础特征提取模块、一个向量特征提取模块以及动态路由层,且胶囊网络中不含有池化层。主要用于ISAR图像的分类。

    一种基于随机森林的雷达目标航迹起始方法

    公开(公告)号:CN107688170B

    公开(公告)日:2020-08-28

    申请号:CN201710718821.2

    申请日:2017-08-21

    Abstract: 一种基于随机森林的雷达目标航迹起始方法,本发明涉及雷达目标航迹起始方法。本发明的目的是为了解决现有直观法、逻辑法规则粗糙、精度差、需人工设定门限、对强杂波环境的适应能力差;以及修正的Hough变换法等计算量较大、需要多批次量测数据、起始耗时较长、且对非直线运动的目标起始概率低的问题。具体过程为:一:对雷达历史观测数据的点迹组合进行特征提取,形成样本集D;对D进行采样,形成n个训练样本采样集;二:第t个训练样本采样集训练第t个决策树,然后构成随机森林组合分类器;三:在测试阶段,雷达观测区域点迹经过数据预选和特征提取,通过分类器,得到航迹起始结果。本发明用于雷达目标航迹起始领域。

    一种基于支持向量机的雷达目标航迹起始方法

    公开(公告)号:CN107300698B

    公开(公告)日:2020-04-24

    申请号:CN201710720106.2

    申请日:2017-08-21

    Abstract: 一种基于支持向量机的雷达目标航迹起始方法,本发明涉及基于支持向量机的航迹起始方法。本发明的目的是为了解决现有顺序处理方法规则粗糙、需设定经验门限、在强杂波背景下性能急剧下降等缺点;以及批处理方法计算量巨大,需要量测数据批次多的问题。具体过程为:一:提取雷达探测目标的运动信息作为训练样本特征;二:利用训练样本特征训练支持向量机,获得雷达目标分类最优超平面的决策函数;三:利用传统启发式规则法对雷达待分类量测数据进行预选,形成初选航迹;四:将训练好的支持向量机作为分类器,对初选航迹进行分类,区分真实目标与虚假目标,得到航迹起始结果。本发明属于雷达目标数据处理和机器学习领域。

    一种基于特征迁移的舰船目标识别方法

    公开(公告)号:CN110598636A

    公开(公告)日:2019-12-20

    申请号:CN201910866137.8

    申请日:2019-09-09

    Abstract: 一种基于特征迁移的舰船目标识别方法,它属于舰船目标识别领域。本发明解决了在现有方法中,由于待识别的目标与已知训练的目标数据在外观以及成像质量的特性方面不一样,导致对待识别目标识别的效果差的问题。本发明提取不同分辨率的舰船图像的HOG特征,基于空间对齐与概率适配的的迁移学习方法,将源域的HOG特征和目标域的HOG特征映射到相同的特征空间,然后在同一特征空间中进行概率适配和实例权重调节,重新生成新的源域向量化HOG特征与新的目标域向量化HOG特征,利用新的源域向量化HOG特征对支持向量机进行训练,利用训练好的支持向量机进行待识别图像的目标识别。本发明可以应用于遥感图像中舰船目标的识别。

    基于随机有限集的圆周SAR多目标跟踪方法

    公开(公告)号:CN109946694A

    公开(公告)日:2019-06-28

    申请号:CN201910223830.3

    申请日:2019-03-22

    Abstract: 基于随机有限集的圆周SAR多目标跟踪方法,本发明涉及圆周SAR多目标跟踪方法。本发明的目的是为了解决传统基于数据关联的多目标跟踪方法计算复杂的问题。过程为:一:基于DPCA-CFAR方法对运动目标进行初步检测,得到运动目标的量测值;二:根据运动目标量测值,建立多运动目标的状态向量集合和量测向量集合;三:对得到的量测向量进行修正,得到补偿后量测向量;四:根据补偿后量测向量,建立目标状态模型和量测模型;五:根据给出的目标状态模型和量测模型进行基于GMPHD滤波器的目标跟踪。本发明用于微波遥感技术与雷达数据处理领域。

Patent Agency Ranking