公开(公告)号：CN119513673A

公开(公告)日：2025-02-25

申请号：CN202510088314.X

申请日：2025-01-21

Applicant: 西安电子科技大学

Inventor： 陈文超 ,  刘要强 ,  陈渤 ,  王鹏辉 ,  刘宏伟

IPC: G06F18/24 ,  G06F18/15 ,  G01S13/90 ,  G01S7/41

Abstract: 本发明提供一种基于深度概率动态建模的小样本HRRP识别方法，涉及雷达目标识别技术领域。包括：对HRRP样本数据依次进行预处理和序列形式的转化，得到序列数据；构建序列数据对应的张量概率动态网络模型，张量概率动态网络模型包括张量概率动态网络生成模型和张量递归推断网络模块；将待识别序列数据输入训练完成的张量概率动态网络模型，使张量概率动态网络模型输出待识别序列数据的类别，训练完成的张量概率动态网络模型是根据序列数据，利用目标损失函数对张量概率动态网络模型进行训练得到的网络模型。在小样本条件下，通过训练完成的张量概率动态网络模型可以对待识别序列数据进行更好的分类识别，使HRRP的目标识别的准确性较高。

公开(公告)号：CN118429683A

公开(公告)日：2024-08-02

申请号：CN202410221323.7

申请日：2024-02-28

Applicant: 西安电子科技大学

Inventor： 陈文超 ,  刘要强 ,  陈渤 ,  王鹏辉 ,  刘宏伟

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G01S7/41

Abstract: 本发明公开了一种雷达高分辨距离像目标识别方法及装置，通过将预处理后的目标的HRRP输入预训练的HRRP融合重构模型，以使模型输出HRRP融合重构特征。根据HRRP融合重构特征识别目标的分类。模型中的特征重构模块对预处理后的HRRP进行特征提取，并根据预先训练的服从多个高斯分布的隐变量重构HRRP特征。特征融合模块根据预先训练的权重对HRRP重构特征进行融合，得到HRRP融合重构特征。通过服从多个高斯分布的隐变量能够实现对预处理后的复杂HHRP时间序列进行处理，然后再通过预先训练的权重融合得到HRRP融合重构特征，再基于HRRP融合重构特征识别目标的分类，提高了目标的分类识别的准确率。

公开(公告)号：CN117636180A

公开(公告)日：2024-03-01

申请号：CN202311605671.6

申请日：2023-11-28

Applicant: 西安电子科技大学

Inventor： 陈文超 ,  刘要强 ,  陈渤 ,  王鹏辉 ,  刘宏伟

IPC: G06V20/13 ,  G06V10/42 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提供了一种基于开关Transformer的雷达高分辨距离像目标识别方法及系统。方法包括：获取待识别雷达高分辨距离像数据；对待识别雷达高分辨距离像数据进行消敏处理、滑窗处理以及位置编码得到待识别序列数据；将待识别序列数据利用序列处理CNN网络，进行序列‑特征提取处理，得到待识别编码特征；将待识别编码特征输入满足条件的开关Transformer网络，得到待识别雷达高分辨距离像数据对应的目标类别；其中，满足条件的开关Transformer网络包括：开关FFN层；通过使用开关FFN层提取整体特征中的突出特征，并将突出特征与整体特征叠加后获得识别性特征，提高了雷达自动目标识别的准确性。