-
公开(公告)号：CN116930884B
公开(公告)日：2023-12-26
申请号：CN202311193660.1
申请日：2023-09-15
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于光SAR图像转换的SAR欺骗干扰模板生成方法，包括：获取光学目标图像；将光学目标图像输入训练好的生成器，生成光学目标图像对应俯仰和方位角下的虚假SAR目标图像；生成器是采用多对训练样本和目标损失函数，对初始转换生成对抗网络训练得到；每对训练样本包括一张光学样本图像和一张SAR样本图像；目标损失函数包含生成器损失函数和判别器损失函数；生成器损失函数包含循环一致性损失函数、聚焦频率损失函数和沃森斯坦梯度惩罚生成对抗损失函数中生成器的相关项；将生成的虚假SAR目标图像作为欺骗干扰模板。本发明可以利用丰富的光学目标图像生成多姿态、高逼真度的SAR目标欺骗干扰模板，提高了SAR欺骗干扰模板的多样性和质量。
-
公开(公告)号：CN113238193B
公开(公告)日：2023-06-30
申请号：CN202110443842.4
申请日：2021-04-23
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，公开了一种多分量联合重构的SAR回波宽带干扰抑制方法；本发明基于自适应窗宽的短时傅里叶变换进行二维时频图的构建，用来进行瞬时频率估计；此外，设计了基于Viterbi算法和提出的重检测方法的脊路径检测，进行瞬时频率估计；最后提出多分量联合重构的宽带干扰抑制方法用于合成孔径雷达的宽带干扰抑制，可有效抑制宽带干扰，为干扰环境下合成孔径雷达图像获取奠定了一定的基础。
-
公开(公告)号：CN116047427B
公开(公告)日：2023-06-23
申请号：CN202310320140.6
申请日：2023-03-29
Applicant: 西安电子科技大学
IPC: G01S7/36 , G01S7/41 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种小样本雷达有源干扰识别方法，包括：构建若干雷达有源干扰信号模型，并对其进行处理，得到干扰识别的基准数据集；将基准数据集划分为训练集、验证集和测试集；基于度量学习思想搭建包括特征提取模块和基于多项式损失的原型分类模块的网络模型；其中，特征提取模块包括可变卷积层和聚合注意力块；利用训练集对网络模型进行训练，并利用验证集保存最优的网络模型参数，直至网络收敛；利用测试集对训练好的网络模型进行性能评估，并利用训练好的网络模型进行小样本雷达有源干扰的识别。该方法不仅能够在样本极度稀缺下对干扰特征进行精确提取，还提高了模型对特征离散和弱特征干扰的表征能力，提高了识别性能和鲁棒性。
-
公开(公告)号：CN113376633B
公开(公告)日：2023-04-18
申请号：CN202110551521.6
申请日：2021-05-20
Applicant: 西安电子科技大学
Abstract: 本发明属于ISAR成像技术领域，公开了一种飞机机翼ISAR回波振动补偿与整体聚焦成像方法。首先，对输入的回波数据进行一阶Keystone校正和调频率估计与补偿；其次，根据距离单元回波信号，计算相应的方位成像结果的能量和熵值，筛选出含有振动散射点的回波距离单元；然后，对筛选出的含有振动散射点的回波距离单元应用PSO算法搜索每个振动散射点的振动参数，直至该距离单元回波剩余能量小于预先设定的门限，并构造相位补偿因子，对距离单元回波进行补偿，分离含正弦调制项的散射点回波数据；接着，不断迭代搜索过程，直至满足迭代终止条件，输出去除振动分量的距离单元回波；最后，不断迭代循环搜索筛选出来的距离单元回波，获取去除振动分量的飞机目标回波，通过方位压缩处理实现飞机目标的整体聚焦成像。
-
公开(公告)号：CN110334741B
公开(公告)日：2023-03-31
申请号：CN201910490975.X
申请日：2019-06-06
Applicant: 西安电子科技大学
IPC: G06F18/2415 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于循环神经网络的雷达一维距离像识别方法，其步骤为：建立训练数据集和验证数据集；对训练数据集和验证数据集进行预处理；构建循环神经网络模型，并将其作为分类器；将预处理后的训练数据集作为输入数据，训练循环神经网络模型，并更新权重参数，得到训练后的循环神经网络对应的权重参数；构建雷达一维距离像目标识别模型，采用目标识别模型对目标数据进行识别，得到目标对应的类别。本发明利用循环神经网络作为雷达一维距离像目标识别的分类器，具有识别精度高，运算速度快的优点。同时，在低信噪比条件下仍然能保证较高的识别率，为雷达目标识别系统的准确性和稳健性提供良好的保障。
-
Patent Agency Ranking
公开(公告)号：CN110045347B
公开(公告)日：2022-11-18
申请号：CN201910362058.3
申请日：2019-04-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种人体微动回波仿真方法，首先计算人体各节点的三维坐标和各部位的长度，对各部位进行建模，获得各部位的模型；并对模型剖分，获得各部位的模型的网格信息；再计算各部位的模型的实时运动参数；然后设置雷达参数，结合各部位的模型的网格信息和实时运动参数，利用物理光学法计算运动人体的电磁散射特性，获得运动人体的雷达目标截面积；最后使用三次样条插值构成时变的人体雷达微动序列。本发明弥补了使用经验公式对人体运动进行建模的不足，使人体运动更加贴近实际情况；并利用物理光学法计算人体整体的雷达目标截面积，考虑了人体各部位的遮挡效应，克服了现有方法使用经验公式进行运动人体雷达目标截面积计算相似度不高的缺点。
-
-
公开(公告)号：CN113671498A
公开(公告)日：2021-11-19
申请号：CN202110850356.4
申请日：2021-07-27
Applicant: 西安电子科技大学
IPC: G01S13/90
Abstract: 本发明属于SAR信号处理技术领域，公开了一种基于低秩与双重稀疏矩阵分解的SAR射频干扰抑制方法。在对SAR回波信号时频特征分析的基础上，提出RFI时频矩阵具有低秩与稀疏特性，结合目标回波信号的稀疏性，建立联合低秩与双重稀疏特性约束的SAR回波信号分离模型。采用交替迭代投影策略将该多重约束的信号分离优化问题转化为两个优化求解子问题：干扰低秩重构与信号稀疏恢复。针对干扰的低秩重构问题本采用双边随机投影策略进行低秩估计，并结合硬阈值方法实现RFI与目标回波信号的稀疏求解。本发明对RFI进行了精细化约束，使得模型更加精确，提高了模型对于数据的拟合精度。
-
公开(公告)号：CN118688726A
公开(公告)日：2024-09-24
申请号：CN202410739695.9
申请日：2024-06-07
Applicant: 西安电子科技大学
IPC: G01S7/36
Abstract: 本发明公开了一种雷达干扰识别网络的建模方法和雷达干扰识别方法，其中，雷达干扰识别网络的建模方法包括：基于不同有源干扰信号建模雷达有源干扰数据集，以获得训练集；基于ResNet模型设计包括空间注意力模块和坐标注意力模块的ResNet‑SCA网络；其中，空间注意力模块和坐标注意力模块分别基于不同维度自适应的选择输入特征图的重要空间区域，以增强网络对图像中显著区域的识别能力；利用训练集对ResNet‑SCA网络进行训练，并在训练过程中使用交叉熵损失和对比损失共同优化网络，将训练好的网络作为雷达干扰识别网络。利用该方法构建的雷达干扰识别网络能够识别更多的雷达干扰类别，且具有较高的识别准确率。
-
公开(公告)号：CN118395239A
公开(公告)日：2024-07-26
申请号：CN202410604527.9
申请日：2024-05-15
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F18/214 , G06F18/213 , G06N3/0495 , G06N3/082 , G06N3/048 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于注意力蒸馏的雷达工作模式类增量识别方法，包括：从上一阶段的旧训练集中选取若干个旧训练样本构成范例集，并将范例集与新训练样本一起构成当前阶段的训练集；将训练集输入到预先构建的雷达工作模式类增量识别网络中，基于注意力蒸馏的类增量学习，对雷达工作模式类增量识别网络进行训练，以便于利用训练好的网络进行当前阶段的雷达工作模式识别；其中，雷达工作模式类增量识别网络包括并行注意力‑时序特征感知原型神经网络和距离分类器。该方法能够不断用新样本更新已有旧模型，同时，引入的基于注意力蒸馏的类增量学习算法可以缓解新模型对旧类别的灾难性遗忘，使得模型在不遗忘旧类别的基础上能够持续学习新类别。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.041 seconds)
