-
公开(公告)号：CN102636777A
公开(公告)日：2012-08-15
申请号：CN201210131043.4
申请日：2012-04-29
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明提出了一种基于噪声先验的概率主成分分析雷达目标稳健识别方法，主要解决现有雷达飞机目标识别技术中的统计模型对噪声不稳健的问题。其实现过程是：对雷达高分辨距离像数据做预处理并取模获得其时域特征；训练雷达训练目标高分辨距离像数据每一帧的概率主成分分析模型，在训练过程中用最大似然法确定该模型的均值、加载矩阵和噪声协方差矩阵；统计雷达测试高分辨距离像非信号支撑区中的噪声方差；计算概率主成分分析模型的均值和噪声协方差矩阵的修正值；计算雷达测试目标高分辨距离像对各雷达训练目标的后验概率值并以此确定雷达测试目标高分辨距离像的类别属性。本发明具有对噪声稳健的优点，可用于对雷达飞机目标的稳健识别。
-
公开(公告)号：CN102636777B
公开(公告)日：2013-08-14
申请号：CN201210131043.4
申请日：2012-04-29
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明提出了一种基于噪声先验的概率主成分分析雷达目标稳健识别方法，主要解决现有雷达飞机目标识别技术中的统计模型对噪声不稳健的问题。其实现过程是：对雷达高分辨距离像数据做预处理并取模获得其时域特征；训练雷达训练目标高分辨距离像数据每一帧的概率主成分分析模型，在训练过程中用最大似然法确定该模型的均值、加载矩阵和噪声协方差矩阵；统计雷达测试高分辨距离像非信号支撑区中的噪声方差；计算概率主成分分析模型的均值和噪声协方差矩阵的修正值；计算雷达测试目标高分辨距离像对各雷达训练目标的后验概率值并以此确定雷达测试目标高分辨距离像的类别属性。本发明具有对噪声稳健的优点，可用于对雷达飞机目标的稳健识别。
-
公开(公告)号：CN102628938B
公开(公告)日：2013-08-14
申请号：CN201210131026.0
申请日：2012-04-29
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明提出了一种基于噪声先验的联合高斯模型雷达目标稳健识别方法，主要解决现有雷达飞机目标识别技术中的统计模型对噪声不稳健的问题。其实现过程是：对雷达高分辨距离像数据做预处理；将预处理之后的数据取模获得其时域特征；确定雷达训练目标高分辨距离像数据每一帧的联合高斯模型的均值、加载矩阵和噪声协方差矩阵；统计雷达测试高分辨距离像数据非信号支撑区中噪声的方差，并以此计算联合高斯模型的均值和噪声协方差矩阵的修正值；计算雷达测试目标高分辨距离像数据时域特征对应每一个雷达训练目标的后验概率值；确定雷达测试目标高分辨距离像数据的类别属性。本发明具有对噪声稳健的优点，可用于对雷达飞机目标的稳健识别。
-
Patent Agency Ranking
公开(公告)号：CN102628939A
公开(公告)日：2012-08-08
申请号：CN201210131042.X
申请日：2012-04-29
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明提出了一种基于噪声先验的独立高斯模型的雷达目标稳健识别方法，主要解决现有雷达飞机目标识别技术中的统计模型对噪声不稳健的问题。其实现过程是：对雷达高分辨距离像数据做预处理；对预处理之后的数据取模获得其时域特征；确定雷达训练目标高分辨距离像数据每一帧的独立高斯模型的均值和方差；统计雷达测试高分辨距离像数据非信号支撑区中噪声的方差；确定雷达训练目标高分辨距离像数据每一帧的独立高斯模型的均值和协方差的修正值；计算雷达测试目标高分辨距离像数据对各雷达训练目标的后验概率值；确定雷达测试目标高分辨距离像数据的类别属性。本发明具有对噪声稳健和测试运算量小的优点，可用于对雷达飞机目标的稳健识别。
-
公开(公告)号：CN104459668B
公开(公告)日：2017-03-29
申请号：CN201410727815.X
申请日：2014-12-03
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明公开一种基于深度学习网络的雷达目标识别方法，主要解决现有技术在对雷达高分辨距离像识别时，识别率较低，鲁棒性较差的问题。其技术方案是：1.将获取的原始雷达高分辨距离像分为训练集和测试集；2.对训练集进行预处理；3.建立第一层网络的代价函数，利用后向传导算法计算梯度，并利用梯度下降法求最优参数；4.将上一层的输出作为下一层的输入，逐层训练得到各层最优参数；5.将最后一层输出作为线性支持向量机的输入，训练得到线性支持向量机的最优参数；6.利用各层最优参数以及线性支持向量机最优参数，对测试集样本进行识别。本发明提高了雷达高分辨距离像的识别率，同时在训练样本不完整的情况下，增强了目标识别的稳定性。
-
公开(公告)号：CN104459668A
公开(公告)日：2015-03-25
申请号：CN201410727815.X
申请日：2014-12-03
Applicant: 西安电子科技大学
IPC: G01S7/41
CPC classification number: G01S7/41
Abstract: 本发明公开一种基于深度学习网络的雷达目标识别方法，主要解决现有技术在对雷达高分辨距离像识别时，识别率较低，鲁棒性较差的问题。其技术方案是：1.将获取的原始雷达高分辨距离像分为训练集和测试集；2.对训练集进行预处理；3.建立第一层网络的代价函数，利用后向传导算法计算梯度，并利用梯度下降法求最优参数；4.将上一层的输出作为下一层的输入，逐层训练得到各层最优参数；5.将最后一层输出作为线性支持向量机的输入，训练得到线性支持向量机的最优参数；6.利用各层最优参数以及线性支持向量机最优参数，对测试集样本进行识别。本发明提高了雷达高分辨距离像的识别率，同时在训练样本不完整的情况下，增强了目标识别的稳定性。
-
公开(公告)号：CN102628939B
公开(公告)日：2013-06-26
申请号：CN201210131042.X
申请日：2012-04-29
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明提出了一种基于噪声先验的独立高斯模型的雷达目标稳健识别方法，主要解决现有雷达飞机目标识别技术中的统计模型对噪声不稳健的问题。其实现过程是：对雷达高分辨距离像数据做预处理；对预处理之后的数据取模获得其时域特征；确定雷达训练目标高分辨距离像数据每一帧的独立高斯模型的均值和方差；统计雷达测试高分辨距离像数据非信号支撑区中噪声的方差；确定雷达训练目标高分辨距离像数据每一帧的独立高斯模型的均值和协方差的修正值；计算雷达测试目标高分辨距离像数据对各雷达训练目标的后验概率值；确定雷达测试目标高分辨距离像数据的类别属性。本发明具有对噪声稳健和测试运算量小的优点，可用于对雷达飞机目标的稳健识别。
-
公开(公告)号：CN102628938A
公开(公告)日：2012-08-08
申请号：CN201210131026.0
申请日：2012-04-29
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明提出了一种基于噪声先验的联合高斯模型雷达目标稳健识别方法，主要解决现有雷达飞机目标识别技术中的统计模型对噪声不稳健的问题。其实现过程是：对雷达高分辨距离像数据做预处理；将预处理之后的数据取模获得其时域特征；确定雷达训练目标高分辨距离像数据每一帧的联合高斯模型的均值、加载矩阵和噪声协方差矩阵；统计雷达测试高分辨距离像数据非信号支撑区中噪声的方差，并以此计算联合高斯模型的均值和噪声协方差矩阵的修正值；计算雷达测试目标高分辨距离像数据时域特征对应每一个雷达训练目标的后验概率值；确定雷达测试目标高分辨距离像数据的类别属性。本发明具有对噪声稳健的优点，可用于对雷达飞机目标的稳健识别。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
