-
公开(公告)号：CN113421281A
公开(公告)日：2021-09-21
申请号：CN202110532313.1
申请日：2021-05-17
Applicant: 西安电子科技大学
Abstract: 本发明属于雷达信号处理技术领域，公开了一种基于分割理论的行人微动部位分离方法，该方法利用运动捕获数据构建行人微多普勒的混合信号时频样本和行人微多普勒的分离信号时频样本；其次，利用MFCN构建行人微动部位分离网络；再次，将行人微多普勒的混合信号时频样本数据划分为训练集和测试集，分别对训练样本和标签进行预处理，并同时作为网络输入，优化网络参数至网络收敛，获得行人微动部位分离模型；最后，对测试样本数据进行预处理，将预处理后的测试集送入行人微动部位分离模型，进行行人微动部位的分离。本发明可应对行人微多普勒信号在时频域相互混叠，难以分离的挑战。
-
公开(公告)号：CN112269168B
公开(公告)日：2024-06-28
申请号：CN202011095521.1
申请日：2020-10-14
Applicant: 西安电子科技大学
Abstract: 本发明属于微波遥感技术领域，公开了一种基于贝叶斯理论与低秩分解的SAR宽带干扰抑制方法，包括：建立宽带干扰条件下的SAR回波表征模型；结合时频等效噪声的Laplace分布先验假设与宽带干扰时频矩阵的低秩特性，构建最大似然意义下的SAR宽带干扰重构模型；利用贝叶斯推断对模型参数进行估计，实现SAR宽带干扰时频矩阵的重构，并在数据域进行相消处理，获得干扰抑制后的SAR回波数据。本发明能够对宽带干扰进行有效抑制，提高模型对含有异常值与重尾噪声SAR数据的鲁棒性。同时，将SAR宽带干扰抑制问题转化为贝叶斯框架下的优化求解问题，提高了模型参数估计精度。
-
Patent Agency Ranking
公开(公告)号：CN119669886A
公开(公告)日：2025-03-21
申请号：CN202411811527.2
申请日：2024-12-10
Applicant: 西安电子科技大学
IPC: G06F18/2413 , G01S7/36 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0455 , G06N3/08 , G06F123/02
Abstract: 本发明涉及一种双路自编码器的雷达工作模式开集识别方法及装置，包括：将待识别样本输入到训练完成的DA网络，得到待识别特征向量；其中，DA网络根据训练数据集和混合损失函数训练得到；训练数据集根据原始脉冲序列得到；混合损失函数根据交叉熵损失函数、中心损失函数和重建损失函数构建；计算待识别特征向量和已知类别特征中心的距离，得到第一距离；其中，已知类别特征中心通过将训练数据集输入DA网络进行训练后得到；根据第一距离和距离阈值得到待识别样本的识别结果。本发明通过DA网络提高不同雷达工作模式的可区分度，通过混合损失函数使DA网络在复杂非理想场景下，具有良好的泛化性和鲁棒性。
-
公开(公告)号：CN119415989A
公开(公告)日：2025-02-11
申请号：CN202410604530.0
申请日：2024-05-15
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F18/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供基于图域映射和特征增强的重频类型识别方法及装置，涉及雷达信号处理技术领域。此方法包括：确定筛选的脉冲重复频率对应的脉冲重复频率序列；对脉冲重复频率序列取倒数，得到脉冲重复间隔序列；根据预设长度将脉冲重复间隔序列分割为多个子序列；根据图域映射算法，将多个子序列变换成格拉姆差角场图像，并将该图像划分为训练样本和测试样本；构建重频类型识别网络，将训练样本输入到重频类型识别网络中，对重频类型识别网络进行训练，得到训练好的重频类型识别网络；将测试样本输入到训练好的重频类型识别网络中，识别出多个重频类型。这样，在具有高比例漏脉冲、虚假脉冲的复杂非理想场景下，提高重频类型的识别准确率和鲁棒性。
-
公开(公告)号：CN118277823A
公开(公告)日：2024-07-02
申请号：CN202410329042.3
申请日：2024-03-21
Applicant: 西安电子科技大学
IPC: G06F18/24 , G01S7/02 , G06F18/15 , G06N3/045 , G06N3/0464 , G06F18/213 , G06F18/25
Abstract: 本发明提供TR‑RAGCN‑FSFM的信号分选方法及系统，涉及雷达信号处理技术领域。此方法包括：根据节点集合和边集合，建立归一化的脉冲序列的无向图，将雷达辐射源信号分选问题转化为节点脉冲分类问题，通过Transformer提取脉冲序列的时序特征，通过RAGCN模型提取脉冲序列的结构性特征，并采用FSFM进行时序特征和结构性特征的融合，将不同的时序特征和结构性特征进行充分融合，丰富了脉冲序列的特征表达，在带标签样本数量受限的情况下，使雷达辐射源信号分选的准确率较高。
-
公开(公告)号：CN117235618A
公开(公告)日：2023-12-15
申请号：CN202310986649.4
申请日：2023-08-07
Applicant: 西安电子科技大学
IPC: G06F18/2415 , G01S7/02 , G06F18/214 , G06F18/10
Abstract: 本发明公开了一种基于深度特征拓展的多功能雷达工作模式增量识别方法，包括：将获取到的待测雷达的样本数据输入至增量识别模型，增量识别模型在混合损失函数的迭代下，根据由新样本数据和旧样本数据组成的扩展数据集进行训练，得到训练好的模型；再将样本数据输入至训练好的模型，得到识别结果。根据本发明提供的方法，通过将样本数据输入增量模型进行训练，得到训练完成的模型；再将样本数据输入到训练完成的模型，得到雷达工作模式类别的识别结果；由于模型中的扩展特征提取器是在混合损失函数的迭代下训练的，因此模型能够在学习新类型的同时保持对旧知识的记忆，从而能够增强动态环境下的增量识别效果、提高识别的准确率、扩大应用场景。
-
公开(公告)号：CN112269168A
公开(公告)日：2021-01-26
申请号：CN202011095521.1
申请日：2020-10-14
Applicant: 西安电子科技大学
Abstract: 本发明属于微波遥感技术领域，公开了一种基于贝叶斯理论与低秩分解的SAR宽带干扰抑制方法，包括：建立宽带干扰条件下的SAR回波表征模型；结合时频等效噪声的Laplace分布先验假设与宽带干扰时频矩阵的低秩特性，构建最大似然意义下的SAR宽带干扰重构模型；利用贝叶斯推断对模型参数进行估计，实现SAR宽带干扰时频矩阵的重构，并在数据域进行相消处理，获得干扰抑制后的SAR回波数据。本发明能够对宽带干扰进行有效抑制，提高模型对含有异常值与重尾噪声SAR数据的鲁棒性。同时，将SAR宽带干扰抑制问题转化为贝叶斯框架下的优化求解问题，提高了模型参数估计精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
