公开(公告)号：CN115393628A

公开(公告)日：2022-11-25

申请号：CN202210917882.2

申请日：2022-08-01

Applicant: 西安电子科技大学

Inventor： 董刚刚 ,  耿晓静 ,  夏子恒 ,  刘宏伟

IPC: G06V10/764 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种开放条件下的未知类型目标识别方法，提出使用不同类别的样本在分类网络的输入层或者中间隐藏层进行随机组合，生成未知类别样本的方法，针对性地在合成孔径雷达目标识别问题中，实现对未知目标的准确判识，具体包括随机裁剪拼接和随机线性插值两种技术路线。本发明提出的方法中生成未知类目标所需要的计算量简单，而且不需要依赖于大量的训练样本即可实现理想的识别效果。本发明提出的方法可借助新生成的未知类样本将决策边界推向其对应的聚类，紧凑类内间距。

公开(公告)号：CN118535975A

公开(公告)日：2024-08-23

申请号：CN202410787677.8

申请日：2024-06-18

Applicant: 西安电子科技大学

Inventor： 董刚刚 ,  王子璇 ,  耿晓静 ,  刘宏伟

IPC: G06F18/241 ,  G01S7/36 ,  G06F18/10 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/0895 ,  G06N3/084 ,  G06N3/048 ,  G06F18/2415 ,  G06N3/047 ,  G06F18/25 ,  G06F18/213

Abstract: 本发明公开了一种基于跨域自监督学习雷达干扰识别方法，主要解决现有技术在训练标记样本受限条件下目标识别准确率差和泛化性差的问题。其方案是：获得预训练数据集和微调数据集；对预训练数据集进行增强；构建包括两个编码器模块、多模态特征融合模块和映射模块组成的跨域自监督学习雷达干扰识别网络模型；将增强数据输入到该模型进行训练，得到预训练后的干扰识别模型；将微调数据集输入到预训练后的干扰识别模型进行再训练，得到最终训练好的跨域自监督学习雷达干扰识别模型；将测试样本集输入到训练好的干扰识别模型中获取目标识别结果。本发明能在标记样本受限的条件下保证识别效果的稳定性和泛化性，提升雷达干扰识别精度，可用于复杂电磁环境的干扰识别。

公开(公告)号：CN114137518B

公开(公告)日：2024-07-12

申请号：CN202111199838.4

申请日：2021-10-14

Applicant: 西安电子科技大学

Inventor： 夏子恒 ,  耿晓静 ,  王鹏辉 ,  刘宏伟

IPC: G01S13/89 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于卷积神经网络的雷达高分辨距离像开集识别方法及装置，该方法包括：获取雷达高分辨距离像并建立训练样本集和测试样本集；对训练样本集和测试样本集中的数据进行预处理，得到预处理后的训练样本集和测试样本集；构建卷积神经网络模型；利用预处理后的训练样本集训练卷积神经网络模型，得到训练好的卷积神经网络；利用预处理后的测试样本集对训练好的卷积神经网络进行开集识别，得到基于卷积神经网络的雷达高分辨距离像开集识别结果。本发明提供的方法不仅可用于对库内已知类别目标进行识别分类，同时可拒判库外未知类别目标，提高了目标识别准确率，进而提升了雷达了的自动化和智能化水平。

公开(公告)号：CN114137518A

公开(公告)日：2022-03-04

申请号：CN202111199838.4

申请日：2021-10-14

Applicant: 西安电子科技大学

Inventor： 夏子恒 ,  耿晓静 ,  王鹏辉 ,  刘宏伟

IPC: G01S13/89 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的雷达高分辨距离像开集识别方法及装置，该方法包括：获取雷达高分辨距离像并建立训练样本集和测试样本集；对训练样本集和测试样本集中的数据进行预处理，得到预处理后的训练样本集和测试样本集；构建卷积神经网络模型；利用预处理后的训练样本集训练卷积神经网络模型，得到训练好的卷积神经网络；利用预处理后的测试样本集对训练好的卷积神经网络进行开集识别，得到基于卷积神经网络的雷达高分辨距离像开集识别结果。本发明提供的方法不仅可用于对库内已知类别目标进行识别分类，同时可拒判库外未知类别目标，提高了目标识别准确率，进而提升了雷达了的自动化和智能化水平。