-
公开(公告)号:CN115482461A
公开(公告)日:2022-12-16
申请号:CN202211032994.6
申请日:2022-08-26
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04
Abstract: 本发明涉及一种基于自监督学习和最近邻网络的小样本SAR目标分类方法,包括:从若干合成孔径雷达图像中获取训练任务集和测试任务集;构建预训练阶段网络模型;利用训练任务集对预训练阶段网络模型进行迭代训练;构建自监督训练阶段网络模型;将训练好的预训练阶段网络模型的参数加载到自监督训练阶段网络模型中,并利用训练任务集对加载后的自监督训练阶段网络模型进行迭代训练;将测试任务集输入训练好的第三特征提取模块进行特征提取,得到测试特征向量组集合;计算测试特征向量组集合中测试查询样本对应的测试特征向量和每一个测试支撑样本对应的测试特征向量的相似度,得到目标分类结果。该分类方法有效地提高了小样本目标的分类准确率。
-
公开(公告)号:CN118151115A
公开(公告)日:2024-06-07
申请号:CN202410221327.5
申请日:2024-02-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度展开和通道、空间双注意力机制的STAP方法及装置,方法包括将原始雷达时空回波信号输入至预先训练完成的空时自适应处理模型,以使空时自适应处理模型输出STAP后的雷达时空回波信号,原始雷达时空回波信号中包含杂波。通过深度展开ADMM‑NET模块从原始雷达时空回波信号中获取原始雷达时空回波信号的空时振幅谱,大幅度地减少了计算复杂程度和计算速度。在特征提取与双注意力机制模块中,利用通道注意力机制和空间注意力机制对空时功率谱特征进行处理,对通道和空间两个维度进行注意力机制分配,可以进一步地减少冗余信息,得到优化空时功率谱,从而使得空时自适应处理模型具有更高的杂波抑制性能。
-