-
公开(公告)号：CN114594463A
公开(公告)日：2022-06-07
申请号：CN202210301533.8
申请日：2022-03-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于组合凸包的海面小目标特征检测方法，包括以下步骤：获取观测向量；对观测向量计算多普勒幅度谱，进行白化预处理；在时域中和频域中提取三个特征；构建三维检验统计量；设计非凸判决区域；判决检测结果。本发明提出了三个新的特征，充分利用了时域、频域中杂波和目标的差异性。同时，避免了时频域的大量计算代价，并能获得匹配于时频域特征的性能；提出了一种组合凸包算法，实现了3D非凸决策区域。相对于原始凸包判决区域，非凸判决区域的体积更小，因而可以获得更高的检测性能；通过此发明提高了低信杂比条件下海面小目标的检测概率，提供了非凸判决器设计的新思路。
-
公开(公告)号：CN114755649B
公开(公告)日：2024-11-22
申请号：CN202210300265.8
申请日：2022-03-25
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于相对样本熵的海面小目标特征检测方法，包括以下步骤：获取CUT观测向量；计算多普勒谱；获得白化频谱；提取样本熵；获得相对样本熵；检测判决，判断出CUT中是否存在目标。本发明在频域定义白化频谱，增大海杂波和含目标回波之间在频谱上的差异性；改进样本熵算法，提取相对样本熵作为一种高效的单特征，融合了频谱在能量和几何方面的多元信息；通过此发明可以解决性能提升和计算量降低的矛盾问题，提高了低信杂比条件下海面小目标的检测概率。
-
公开(公告)号：CN111580064B
公开(公告)日：2022-07-12
申请号：CN202010596437.1
申请日：2020-06-28
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于多域多维特征融合的海面小目标检测方法，将HH、HV、VH、VV这四种极化下的回波数据进行联合处理，提取时域、频域、时频域和极化域的多维特征信息；通过极化域和特征域的线性融合，将多维特征压缩到3D特征空间中，保证高维度信息量的同时降低计算代价；在3D特征空间中，采用快速凸包算法获得虚警可控的判决区域，实现目标检测。本发明的检测方法在不同海洋环境下具有稳健性能，提升雷达对海面小目标的探测性能，为海面小目标检测提供新思路。
-
公开(公告)号：CN114755649A
公开(公告)日：2022-07-15
申请号：CN202210300265.8
申请日：2022-03-25
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于相对样本熵的海面小目标特征检测方法，包括以下步骤：获取CUT观测向量；计算多普勒谱；获得白化频谱；提取样本熵；获得相对样本熵；检测判决，判断出CUT中是否存在目标。本发明在频域定义白化频谱，增大海杂波和含目标回波之间在频谱上的差异性；改进样本熵算法，提取相对样本熵作为一种高效的单特征，融合了频谱在能量和几何方面的多元信息；通过此发明可以解决性能提升和计算量降低的矛盾问题，提高了低信杂比条件下海面小目标的检测概率。
-
公开(公告)号：CN113064133B
公开(公告)日：2022-06-28
申请号：CN202110332553.7
申请日：2021-03-29
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于时频域深度网络的海面小目标特征检测方法，获取待检测单元的观测向量，并建立三元假设检验问题；将观测向量转换到二维时频域中，获得二维时频图；对二维时频图进行归一化处理，获得归一化时频图；构建深度网络模型，提取属于三类假设的概率值作为特征值；构建一个2D特征向量，作为最终的检验统计量；在给定虚警率下，结合三次样条曲线算法，确定虚警可控的判决区域；计算检验统计量是否在判决区域内。本发明结合了神经网络和特征检测技术，具有自主学习特征提取和多维特征联合的优势，提升了雷达对处在低信杂比下的海面小目标的探测性能。
-
Patent Agency Ranking
公开(公告)号：CN113064133A
公开(公告)日：2021-07-02
申请号：CN202110332553.7
申请日：2021-03-29
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于时频域深度网络的海面小目标特征检测方法，获取待检测单元的观测向量，并建立三元假设检验问题；将观测向量转换到二维时频域中，获得二维时频图；对二维时频图进行归一化处理，获得归一化时频图；构建深度网络模型，提取属于三类假设的概率值作为特征值；构建一个2D特征向量，作为最终的检验统计量；在给定虚警率下，结合三次样条曲线算法，确定虚警可控的判决区域；计算检验统计量是否在判决区域内。本发明结合了神经网络和特征检测技术，具有自主学习特征提取和多维特征联合的优势，提升了雷达对处在低信杂比下的海面小目标的探测性能。
-
公开(公告)号：CN111580064A
公开(公告)日：2020-08-25
申请号：CN202010596437.1
申请日：2020-06-28
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于多域多维特征融合的海面小目标检测方法，将HH、HV、VH、VV这四种极化下的回波数据进行联合处理，提取时域、频域、时频域和极化域的多维特征信息；通过极化域和特征域的线性融合，将多维特征压缩到3D特征空间中，保证高维度信息量的同时降低计算代价；在3D特征空间中，采用快速凸包算法获得虚警可控的判决区域，实现目标检测。本发明的检测方法在不同海洋环境下具有稳健性能，提升雷达对海面小目标的探测性能，为海面小目标检测提供新思路。
-
公开(公告)号：CN115097408B
公开(公告)日：2025-01-07
申请号：CN202210530218.2
申请日：2022-05-16
Applicant: 南京信息工程大学
Abstract: 本发明提出了一种基于改进1D‑Lenet网络的海面小目标检测方法。第一，从时域、频域、时频域、极化域中提取了多维特征，充分挖掘了海杂波和含目标回波在不同域上的能量、几何等差异性。第二，设计了一种改进的1D‑Lenet网络，实现了高维特征空间中的虚警可控分类设计。深度网络通常使用了大量的卷积核并拥有较深的结构，在提升性能的同时也导致了网络训练过程中计算量过大，训练耗时较长的问题。然而改进的1D‑Lenet网络具有较少的参数，并使得网络具有实现快速检测的潜力。
-
公开(公告)号：CN115097408A
公开(公告)日：2022-09-23
申请号：CN202210530218.2
申请日：2022-05-16
Applicant: 南京信息工程大学
Abstract: 本发明提出了一种基于改进1D‑Lenet网络的海面小目标检测方法。第一，从时域、频域、时频域、极化域中提取了多维特征，充分挖掘了海杂波和含目标回波在不同域上的能量、几何等差异性。第二，设计了一种改进的1D‑Lenet网络，实现了高维特征空间中的虚警可控分类设计。深度网络通常使用了大量的卷积核并拥有较深的结构，在提升性能的同时也导致了网络训练过程中计算量过大，训练耗时较长的问题。然而改进的1D‑Lenet网络具有较少的参数，并使得网络具有实现快速检测的潜力。
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.025 seconds)
