-
公开(公告)号：CN110334741B
公开(公告)日：2023-03-31
申请号：CN201910490975.X
申请日：2019-06-06
Applicant: 西安电子科技大学
IPC: G06F18/2415 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于循环神经网络的雷达一维距离像识别方法，其步骤为：建立训练数据集和验证数据集；对训练数据集和验证数据集进行预处理；构建循环神经网络模型，并将其作为分类器；将预处理后的训练数据集作为输入数据，训练循环神经网络模型，并更新权重参数，得到训练后的循环神经网络对应的权重参数；构建雷达一维距离像目标识别模型，采用目标识别模型对目标数据进行识别，得到目标对应的类别。本发明利用循环神经网络作为雷达一维距离像目标识别的分类器，具有识别精度高，运算速度快的优点。同时，在低信噪比条件下仍然能保证较高的识别率，为雷达目标识别系统的准确性和稳健性提供良好的保障。
-
公开(公告)号：CN109597042A
公开(公告)日：2019-04-09
申请号：CN201811351075.9
申请日：2018-11-14
Applicant: 西安电子科技大学
IPC: G01S7/41
CPC classification number: G01S7/41
Abstract: 本发明属于雷达信号处理技术领域，公开了基于奇异谱分析的目标进动频率估计方法。该方法利用奇异谱分析对目标的原始RCS序列进行分析：首先获取目标的原始RCS序列，构造轨迹矩阵；再利用PCA对轨迹矩阵进行分解，得到主分量和主分量对应的空间转换矩阵；然后利用主分量和空间转换矩阵，选取重构参数，对轨迹矩阵进行重构，提取重构的RCS序列；最后利用重构RCS序列，对目标的进动频率进行估计。本发明能在估计目标进动频率前，去除RCS序列中的噪声和非平稳分量，进而对目标进动频率进行估计，能够去除目标进动频率估计过程中的主要误差源，提升目标进动频率估计时的抗噪性能，提升算法稳定性。
-
公开(公告)号：CN110334741A
公开(公告)日：2019-10-15
申请号：CN201910490975.X
申请日：2019-06-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于循环神经网络的雷达一维距离像识别方法，其步骤为：建立训练数据集和验证数据集；对训练数据集和验证数据集进行预处理；构建循环神经网络模型，并将其作为分类器；将预处理后的训练数据集作为输入数据，训练循环神经网络模型，并更新权重参数，得到训练后的循环神经网络对应的权重参数；构建雷达一维距离像目标识别模型，采用目标识别模型对目标数据进行识别，得到目标对应的类别。本发明利用循环神经网络作为雷达一维距离像目标识别的分类器，具有识别精度高，运算速度快的优点。同时，在低信噪比条件下仍然能保证较高的识别率，为雷达目标识别系统的准确性和稳健性提供良好的保障。
-
公开(公告)号：CN109597042B
公开(公告)日：2022-11-18
申请号：CN201811351075.9
申请日：2018-11-14
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明属于雷达信号处理技术领域，公开了基于奇异谱分析的目标进动频率估计方法。该方法利用奇异谱分析对目标的原始RCS序列进行分析：首先获取目标的原始RCS序列，构造轨迹矩阵；再利用PCA对轨迹矩阵进行分解，得到主分量和主分量对应的空间转换矩阵；然后利用主分量和空间转换矩阵，选取重构参数，对轨迹矩阵进行重构，提取重构的RCS序列；最后利用重构RCS序列，对目标的进动频率进行估计。本发明能在估计目标进动频率前，去除RCS序列中的噪声和非平稳分量，进而对目标进动频率进行估计，能够去除目标进动频率估计过程中的主要误差源，提升目标进动频率估计时的抗噪性能，提升算法稳定性。
-
-
-
Search Results
4
records
(took 0.018 seconds)
