公开(公告)号：CN114676743B

公开(公告)日：2024-04-26

申请号：CN202111496076.4

申请日：2021-12-09

Applicant: 上海无线电设备研究所

Inventor： 沈艳秋 ,  盛佳恋 ,  金文 ,  付朝伟 ,  魏维伟 ,  王海涛

IPC: G06F18/20 ,  G06F18/214 ,  G06F18/25 ,  G06N7/01 ,  G06Q50/26

Abstract: 本发明提供了一种基于隐马尔可夫模型的低慢小目标航迹威胁识别方法，包括如下步骤：S1、将低慢小目标对于保护区的威胁度分为低、中、高三个等级，建立具有三个隐状态的隐马尔可夫模型，并初始化隐马尔可夫模的参数；S2、构建观测序列，作为隐马尔可夫模型的输入，观测序列的输入为低慢小目标的航迹信息；S3、对隐马尔可夫模型进行训练和参数优化，输出最优的状态转移概率矩阵和发射状态概率矩阵；S4、基于最优的状态转移概率矩阵和发射状态概率矩阵得到最优的隐马尔可夫模型。该方法基于隐马尔可夫模型可实现动态评估的优良特性，简单且准确地刻画目标航迹与威胁等级之间的动态关系，在低慢小目标的威胁评估领域有很强的可应用性和高效性。

公开(公告)号：CN117630855A

公开(公告)日：2024-03-01

申请号：CN202311577359.0

申请日：2023-11-23

Applicant: 上海无线电设备研究所

Inventor： 刘俊豪 ,  陈潜 ,  魏维伟 ,  沈艳秋 ,  张湘斌 ,  武海东

IPC: G01S7/41

Abstract: 本发明涉及一种雷达低速准动态回波信号增速等效重构方法，包含以下内容：S1、快时间时域距离与速度去耦合，包括对雷达低速准动态相对运动回波数据采样与数字下变频，得到零中频回波数据，对零中频回波数据进行快时间时域与慢时间时域二维重排，并对每一个二维重排信号对应的快时间进行去耦合；S2、进行快时间时域快速傅里叶变换与频域相位补偿；S3、进行快时间频域尺度伸缩变换与幅度补偿；S4、进行慢时间尺度变换；S5、进行快时间频域距离走动补偿；S6、进行快时间频域逆傅里叶变换与相位补偿。本发明提供的方法可实现对任意倍数速度等效重建，对跨距离单元走动问题能够实现较好的等效重建性能。

公开(公告)号：CN118915072A

公开(公告)日：2024-11-08

申请号：CN202411022773.X

申请日：2024-07-29

Applicant: 上海无线电设备研究所

Inventor： 王平 ,  魏维伟 ,  沈艳秋 ,  尹洁珺 ,  陈斌 ,  张凤萍 ,  陈潜

IPC: G01S13/95 ,  G01S13/58 ,  G01S7/41

Abstract: 一种太赫兹测云雷达对气象目标的速度估计方法，首先进行频分极化回波相参处理，接着进行频分极化回波相位提取及速度估计，然后进行基于地海面回波的平均多普勒速度偏差修正，最后进行雷达反射率因子偏导及目标速度空间连续性联合速度修正。本发明实现了高精度速度估计，消除了极化隔离度低造成的鬼影问题，解决了星载太赫兹测云雷达高速度模糊的问题。

公开(公告)号：CN115561750A

公开(公告)日：2023-01-03

申请号：CN202211074954.8

申请日：2022-09-02

Applicant: 上海无线电设备研究所

Inventor： 沈艳秋 ,  陈潜 ,  席光荣 ,  尹洁珺 ,  王雄志 ,  李由之 ,  李小柳 ,  柯文雄 ,  万明慧

IPC: G01S13/88

Abstract: 本发明公开了一种毫米波雷达车型分类方法，该方法包括：采用毫米波雷达对待检测目标进行探测，以获取所测的各点迹的位置信息和速度信息，并进行预处理；构建椭圆波门模型，通过椭圆波门模型、各个点迹的位置信息和速度信息自底向上对各点迹进行聚类，得到初步分类结果；对初步分类结果中的多个目标点迹进行跟踪，形成目标航迹；根据椭圆波门模型和目标航迹对应的跟踪目标的速度信息确定关联目标组合，并通过多帧滑动窗口计算关联目标组合中的各个关联目标的潜在大车概率，将满足预设条件的各关联目标进行合并，并确定为大车类型。本发明通过车型聚类和目标跟踪结果实现车型分类，从而可有效提高车型分类的准确性。

公开(公告)号：CN114676743A

公开(公告)日：2022-06-28

申请号：CN202111496076.4

申请日：2021-12-09

Applicant: 上海无线电设备研究所

Inventor： 沈艳秋 ,  盛佳恋 ,  金文 ,  付朝伟 ,  魏维伟 ,  王海涛

IPC: G06K9/62 ,  G06N7/00 ,  G06Q50/26

Abstract: 本发明提供了一种基于隐马尔可夫模型的低慢小目标航迹威胁识别方法，包括如下步骤：S1、将低慢小目标对于保护区的威胁度分为低、中、高三个等级，建立具有三个隐状态的隐马尔可夫模型，并初始化隐马尔可夫模的参数；S2、构建观测序列，作为隐马尔可夫模型的输入，观测序列的输入为低慢小目标的航迹信息；S3、对隐马尔可夫模型进行训练和参数优化，输出最优的状态转移概率矩阵和发射状态概率矩阵；S4、基于最优的状态转移概率矩阵和发射状态概率矩阵得到最优的隐马尔可夫模型。该方法基于隐马尔可夫模型可实现动态评估的优良特性，简单且准确地刻画目标航迹与威胁等级之间的动态关系，在低慢小目标的威胁评估领域有很强的可应用性和高效性。