-
公开(公告)号：CN110940976B
公开(公告)日：2022-03-08
申请号：CN201911129934.4
申请日：2019-11-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于误差校正的多站多外辐射源雷达运动目标定位方法。本发明首先将多站多外辐射源雷达的双基距和双基距变化率非线性量测方程伪线性化，获得运动目标位置和速度以及系统偏差的联合估计。考虑辅助变量与目标位置和速度的关联，构建多步关联最小二乘估计模型并优化求解，以减少目标位置和速度的估计误差。最后，利用系统偏差估计值进行校正，进行后验迭代，进一步提高对目标位置和速度的估计性能。本发明考虑系统偏差对定位精度的影响，联合估计目标状态和系统偏差，通过误差校正提高运动目标定位精度。同时采用多步关联最小二乘估计和后验迭代算法，进一步减小目标状态的估计误差。
-
公开(公告)号：CN109633581B
公开(公告)日：2020-11-06
申请号：CN201811601502.4
申请日：2018-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于外辐射源TDOA/FDOA误差校正下的定位方法。本发明针对量测存在系统偏差下外辐射源定位问题，根据获得的TDOA和FDOA量测信息，引入辅助变量将非线性方程转化为伪线性方程，建立目标位置、速度和系统偏差的估计模型，并采用迭代加权最小二乘法对其进行估计。并利用辅助变量与目标位置和速度之间的关联性构造关联最小二乘估计模型，采用关联加权最小二乘改进上述估计结果。本发明通过联合估计目标位置，速度和系统偏差，提高目标定位精度。本发明引入辅助变量，合理将非线性量测模型转化为伪线性估计模型，在保证估计性能的前提下降低外辐射源定位的复杂度。
-
公开(公告)号：CN110389327A
公开(公告)日：2019-10-29
申请号：CN201910689238.2
申请日：2019-07-29
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种接收站位置误差下多站多外辐射源雷达双基距定位方法。本发明按照接收站将多站多外辐射源雷达系统的量测数据分组，选择目标到接收站的距离为辅助变量，将每组双基距非线性量测方程伪线性化。将接收站位置量测噪声和双基距量测噪声统计特性融入目标定位算法中设计权重，建立基于加权最小二乘的代价函数。在此基础上，利用辅助变量与目标位置的关联作为约束条件，构建约束加权最小二乘定位模型，并通过拉格朗日乘子法进行优化求解。最后将各种估计结果加权融合得到目标位置最终估计。本发明在保证估计性能的前提下降低定位的复杂度，降低误差对目标定位性能的影响。
-
公开(公告)号：CN109633581A
公开(公告)日：2019-04-16
申请号：CN201811601502.4
申请日：2018-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于外辐射源TDOA/FDOA误差校正下的定位方法。本发明针对量测存在系统偏差下外辐射源定位问题，根据获得的TDOA和FDOA量测信息，引入辅助变量将非线性方程转化为伪线性方程，建立目标位置、速度和系统偏差的估计模型，并采用迭代加权最小二乘法对其进行估计。并利用辅助变量与目标位置和速度之间的关联性构造关联最小二乘估计模型，采用关联加权最小二乘改进上述估计结果。本发明通过联合估计目标位置，速度和系统偏差，提高目标定位精度。本发明引入辅助变量，合理将非线性量测模型转化为伪线性估计模型，在保证估计性能的前提下降低外辐射源定位的复杂度。
-
公开(公告)号：CN108717184A
公开(公告)日：2018-10-30
申请号：CN201810392481.3
申请日：2018-04-27
Applicant: 杭州电子科技大学
IPC: G01S13/46
Abstract: 本发明公开了一种基于误差校正的联合DOA与TOA单站无源定位方法。本发明将外辐射源雷达系统接收站得到的量测信息，通过引入辅助变量，将非线性方程转化为伪线性方程，建立目标位置状态与观测站位置状态之间的伪线性模型，采用迭代最小二乘法对进行估计，构造约束总体最小二乘估计模型，并将上述有约束优化问题转化为无约束优化问题，利用牛顿迭代法进行优化求解，利用辅助变量与目标位置之间的关联性构造关联最小二乘估计模型，进一步改善目标定位性能。本发明通过联合估计目标位置和系统误差，提高目标定位精度。本发明利于改善目标定位性能，在保证估计性能的前提下降低误差配准的复杂度，在量测噪声较大情况下具有良好的定位性能。
-
Patent Agency Ranking
公开(公告)号：CN108073895A
公开(公告)日：2018-05-25
申请号：CN201711170444.X
申请日：2017-11-22
Applicant: 杭州电子科技大学
Abstract: 基于解混预处理的高光谱目标检测方法：1)通过探测的高光谱图像，获得需要探测的目标光谱t，对高光谱图像和目标光谱进行单位化处理；2)对高光谱图像进行端元提取，得到图像的端元集合；3)根据2)得到的端元集合和目标光谱t进行光谱夹角计算，得到端元集合中与目标光谱最为近似的目标端元如果在设定的阈值内找不到目标端元，则将高光谱影像投影至其主成分的正交子空间，再重复2)及3)，直到匹配出目标端元 4)对3)所得目标端元进行丰度反演，得到目标端元的丰度图；5)对4)得到的丰度图得到丰度图的最佳分割阈值；6)根据5)得到的阈值，对丰度图进行分割，分割后图像中白色区域代表目标区域，黑色区域代表背景区域。
-
公开(公告)号：CN103886326A
公开(公告)日：2014-06-25
申请号：CN201410064547.8
申请日：2014-02-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种结合空间信息的高光谱分类结果优化方法。常规的高光谱图像分类技术主要关注于如何更好地利用光谱空间的分类信息，往往忽视图像空间域信息。本发明在利用数据进行自身光谱特征分类的同时采用自适应阈值边缘提取和内部膨胀法相结合的空间域有效信息对光谱分类结果进行补充。本发明首先采用基于支持向量机的分类方法对数据进行谱域分类。之后采用自适应阈值边缘提取和内部膨胀法引入空间域有效信息对光谱分类结果进行修正。本发明更加充分地利用了高光谱数据包含的信息，提高了高光谱图像分类精度。
-
-
公开(公告)号：CN102750551A
公开(公告)日：2012-10-24
申请号：CN201210202073.X
申请日：2012-06-18
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种粒子寻优下基于支持向量机的高光谱遥感分类方法。现有方法无法满足对数据维数高、数据量大的高光谱数据进行高效率高精度的分类，对支持向量机方法的参数没有理想的选择方法。本发明首先对高光谱数据进行预处理，去掉大气吸收等因素影响下的异常波段。之后随机选取各个类别的一定比例的数据作为训练数据，选择高斯径向基为核函数形式，训练基于支持向量机的分类器。设计变化权重的速度更新公式，并保证一定比例的粒子突变，通过粒子群优化算法，选择得到最优分类器参数。训练多个的二分类器，以投票法的方式选取得票最多的类成为数据点的最终预测的类别。本发明增强了分类器参数寻优收敛的能力，提高了高光谱遥感图像的分类性能。
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.038 seconds)
