公开(公告)号：CN112882009B

公开(公告)日：2022-04-19

申请号：CN202110032907.6

申请日：2021-01-12

Applicant: 西安电子科技大学

Inventor： 王鹏辉 ,  邓心慰 ,  刘宏伟 ,  丁军 ,  邵帅 ,  陈渤 ,  赵希宇 ,  纠博

IPC: G01S13/52 ,  G01S7/292 ,  G01S7/41

Abstract: 本发明公开了一种基于幅度相位双通道网络的雷达微多普勒目标识别方法，用于解决现有技术提取的特征有缺失导致的目标识别准确率低，以及现有技术测试阶段运算量大、实时性差的问题。本发明的实现步骤为：(1)生成训练集；(2)构建幅度相位双通道网络；(3)训练幅度相位双通道网络；(4)目标识别。本发明通过构建幅度相位双通道网络，同时利用微动分量回波信号的幅度信息和相位信息对网络进行训练，实现了对目标回波信息的充分利用。而且本发明构造的网络是一种端到端的分类模型，易训练和使用，实时性能更好，有效地提高了雷达微多普勒目标的识别准确率。

公开(公告)号：CN112882012B

公开(公告)日：2022-03-22

申请号：CN202110032931.X

申请日：2021-01-12

Applicant: 西安电子科技大学

Inventor： 王鹏辉 ,  司景元 ,  刘宏伟 ,  丁军 ,  陈婷 ,  陈渤 ,  纠博 ,  邵帅 ,  赵希宇

IPC: G01S13/52 ,  G01S7/292

Abstract: 本发明公开了一种基于信噪比匹配与回波增强的雷达目标噪声稳健识别方法，主要解决在雷达信噪比很低时，窄带雷达目标分类性能下降的问题。其步骤为：(1)生成加噪数据集；(2)利用信噪比信息进行模板匹配；(3)生成训练特征矩阵；(4)训练SVM分类器；(5)对测试集进行预处理；(6)生成测试特征矩阵；(7)目标识别。本发明利用待识别目标回波信号的信噪比信息进行模板匹配，利用正交匹配跟踪OMP方法对待识别目标的回波进行回波增强，有效地提高了低信噪比情况下窄带雷达目标的识别准确率，具有一定的噪声稳健性。

公开(公告)号：CN112882009A

公开(公告)日：2021-06-01

申请号：CN202110032907.6

申请日：2021-01-12

Applicant: 西安电子科技大学

Inventor： 王鹏辉 ,  邓心慰 ,  刘宏伟 ,  丁军 ,  邵帅 ,  陈渤 ,  赵希宇 ,  纠博

IPC: G01S13/52 ,  G01S7/292 ,  G01S7/41

Abstract: 本发明公开了一种基于幅度相位双通道网络的雷达微多普勒目标识别方法，用于解决现有技术提取的特征有缺失导致的目标识别准确率低，以及现有技术测试阶段运算量大、实时性差的问题。本发明的实现步骤为：(1)生成训练集；(2)构建幅度相位双通道网络；(3)训练幅度相位双通道网络；(4)目标识别。本发明通过构建幅度相位双通道网络，同时利用微动分量回波信号的幅度信息和相位信息对网络进行训练，实现了对目标回波信息的充分利用。而且本发明构造的网络是一种端到端的分类模型，易训练和使用，实时性能更好，有效地提高了雷达微多普勒目标的识别准确率。

公开(公告)号：CN112882012A

公开(公告)日：2021-06-01

申请号：CN202110032931.X

申请日：2021-01-12

Applicant: 西安电子科技大学

Inventor： 王鹏辉 ,  司景元 ,  刘宏伟 ,  丁军 ,  陈婷 ,  陈渤 ,  纠博 ,  邵帅 ,  赵希宇

IPC: G01S13/52 ,  G01S7/292

Abstract: 本发明公开了一种基于信噪比匹配与回波增强的雷达目标噪声稳健识别方法，主要解决在雷达信噪比很低时，窄带雷达目标分类性能下降的问题。其步骤为：(1)生成加噪数据集；(2)利用信噪比信息进行模板匹配；(3)生成训练特征矩阵；(4)训练SVM分类器；(5)对测试集进行预处理；(6)生成测试特征矩阵；(7)目标识别。本发明利用待识别目标回波信号的信噪比信息进行模板匹配，利用正交匹配跟踪OMP方法对待识别目标的回波进行回波增强，有效地提高了低信噪比情况下窄带雷达目标的识别准确率，具有一定的噪声稳健性。

公开(公告)号：CN112731331B

公开(公告)日：2022-03-04

申请号：CN202110032932.4

申请日：2021-01-12

Applicant: 西安电子科技大学

Inventor： 王鹏辉 ,  刘宏伟 ,  丁军 ,  邵帅 ,  陈渤 ,  纠博 ,  邓心慰 ,  赵希宇

IPC: G01S7/41 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于信噪比自适应网络的微动目标噪声稳健识别方法，用于解决现有技术在高信噪比条件下训练好的分类模型对低信噪比的目标识别准确率低，以及现有技术运算量大、实时性差的问题。本发明的实现步骤为：(1)构建信噪比自适应网络；(2)生成训练数据集；(3)生成训练辅助信息数据集；(4)对训练数据集进行预处理；(5)生成自适应卷积核；(6)训练信噪比自适应网络；(7)目标识别。本发明通过构建信噪比自适应网络，同时利用微动分量回波信号和微动分量回波信号的信噪比对网络进行训练，有效提高了低信噪比情况下的目标识别准确率，而且本发明构造的网络是一种端到端的分类模型，实时性能更好。

公开(公告)号：CN112731331A

公开(公告)日：2021-04-30

申请号：CN202110032932.4

申请日：2021-01-12

Applicant: 西安电子科技大学

Inventor： 王鹏辉 ,  刘宏伟 ,  丁军 ,  邵帅 ,  陈渤 ,  纠博 ,  邓心慰 ,  赵希宇

IPC: G01S7/41 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于信噪比自适应网络的微动目标噪声稳健识别方法，用于解决现有技术在高信噪比条件下训练好的分类模型对低信噪比的目标识别准确率低，以及现有技术运算量大、实时性差的问题。本发明的实现步骤为：(1)构建信噪比自适应网络；(2)生成训练数据集；(3)生成训练辅助信息数据集；(4)对训练数据集进行预处理；(5)生成自适应卷积核；(6)训练信噪比自适应网络；(7)目标识别。本发明通过构建信噪比自适应网络，同时利用微动分量回波信号和微动分量回波信号的信噪比对网络进行训练，有效提高了低信噪比情况下的目标识别准确率，而且本发明构造的网络是一种端到端的分类模型，实时性能更好。