公开(公告)号：CN114861705B

公开(公告)日：2025-05-02

申请号：CN202210344871.X

申请日：2022-03-31

Applicant: 哈尔滨工程大学

Inventor： 张兰勇 ,  王嘉豪 ,  常佳程 ,  任元杰 ,  李冰 ,  吴迪

IPC: G06F18/241 ,  G06F18/10 ,  G06F18/213 ,  G06F18/25 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明提供一种基于多特征异构融合的电磁目标智能感知识别方法，该方法首先通过传感器获取电磁目标信号源数据信息，之后通过异构数据提取与多特征融合对数据进行预处理，通过数据样本构造目标模板建立目标知识库，然后利用基于机器学习策略的电磁目标感知识别完成辐射源识别，通过迁移学习策略得到的识别结果存入目标知识库，而通过在线学习策略得到的结果则用于更新知识库。本发明所公开的方法通过更加准确地描述电磁目标的特征来提高电磁目标的辨识能力，将在线学习、迁移学习与卷积神经网络相结合提高了电磁目标识别的速度和系统对场景、感知设备变换的鲁棒性。

公开(公告)号：CN114861705A

公开(公告)日：2022-08-05

申请号：CN202210344871.X

申请日：2022-03-31

Applicant: 哈尔滨工程大学

Inventor： 张兰勇 ,  王嘉豪 ,  常佳程 ,  任元杰 ,  李冰 ,  吴迪

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于多特征异构融合的电磁目标智能感知识别方法，该方法首先通过传感器获取电磁目标信号源数据信息，之后通过异构数据提取与多特征融合对数据进行预处理，通过数据样本构造目标模板建立目标知识库，然后利用基于机器学习策略的电磁目标感知识别完成辐射源识别，通过迁移学习策略得到的识别结果存入目标知识库，而通过在线学习策略得到的结果则用于更新知识库。本发明所公开的方法通过更加准确地描述电磁目标的特征来提高电磁目标的辨识能力，将在线学习、迁移学习与卷积神经网络相结合提高了电磁目标识别的速度和系统对场景、感知设备变换的鲁棒性。