公开(公告)号：CN108549065B

公开(公告)日：2021-06-04

申请号：CN201810822985.4

申请日：2018-07-25

Applicant: 电子科技大学

Inventor： 周代英

IPC: G01S7/41

Abstract: 本发明属于雷达目标识别技术领域，具体涉及一种近邻结构保持真假目标RCS序列特征提取方法。本发明提出一种近邻结构保持变换特征提取方法，该方法通过对同类样本特征之间的距离进行近邻结构保持加权，能够有效提取样本数据分布中的局部特征，克服常规变换法只能提取全局特征的缺陷，有效改善了对雷达真假目标的分类性能。

公开(公告)号：CN107766893B

公开(公告)日：2021-01-22

申请号：CN201711067951.0

申请日：2017-11-03

Applicant: 电子科技大学

Inventor： 沈晓峰 ,  何旭东 ,  司进修 ,  廖阔 ,  周代英 ,  陈章鑫

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明属于目标识别领域，具体的说是涉及一种基于标签多级编码神经网络目标识别方法。本发明的技术方案为：首先将单基地雷达获取的一维距离像信噪比SNR为22dB的数据作为训练数据；其次对样本数据的标签做离散编码；然后分别利用MLP和CNN分别以两种目标标记方式进行训练，采用随机梯度下降法来训练神经网络，并进行超参数微调；训练S步后得到预测模型，并利用预测模型对待识别样本进行目标识别。本发明方法提供了精确度。

公开(公告)号：CN111352086A

公开(公告)日：2020-06-30

申请号：CN202010152743.6

申请日：2020-03-06

Applicant: 电子科技大学

Inventor： 周代英 ,  张同梦雪 ,  李粮余 ,  胡晓龙

IPC: G01S7/41

Abstract: 本发明属于未知目标识别技术领域，具体涉及一种基于深度卷积神经网络的未知目标识别方法。本发明首先对宽带雷达获得的一维距离像数据(HRRP)进行预处理，降低一维距离像具有的幅度敏感性；其次利用深度卷积神经网络提取特征；最后通过差值概率法处理已知目标数据的识别概率，获取判别门限，对神经元网络的输出矢量进行判别，从而识别出未知目标。本方法由于引入了采用差值概率法获取的判别门限，有效描述了已知目标与未知目标数据集的统计分布区域边界，解决了常规卷积神经网络无法识别未知目标的难题。

公开(公告)号：CN111273283A

公开(公告)日：2020-06-12

申请号：CN202010151945.9

申请日：2020-03-06

Applicant: 电子科技大学

Inventor： 周代英 ,  胡晓龙 ,  张同梦雪 ,  李粮余

IPC: G01S13/88 ,  G01S7/41 ,  A61B5/11

Abstract: 本发明涉及一种基于人体三维微多普勒信号的躯干运动参数提取方法。本发明主要是在构建合理的人体运动过程中躯干的微多普勒信号幅度模型基础上，利用从人体三维微多普勒谱图中提取的躯干微多普勒幅度-时间曲线和频率-时间曲线，通过躯干微多普勒频率与其径向运动速度的关系，以及其RCS和径向位移与躯干微多普勒功率之间的关系来分析躯干的运动姿态变化。相比视频人体躯干运动姿态分析而言，雷达技术不受光线强弱和天气影响，能穿透遮挡衣物，全天候工作。通过建立人体躯干运动学参数与微多普勒特征的关系模型可以提取其径向角度、径向速度和径向位移等运动学参数。

公开(公告)号：CN107238822B

公开(公告)日：2020-05-26

申请号：CN201710440971.1

申请日：2017-06-13

Applicant: 电子科技大学

Inventor： 周代英 ,  廖阔 ,  张瑛 ,  梁菁

IPC: G01S7/292 ,  G01S7/295 ,  G01S7/41 ,  G01S13/08 ,  G01S13/89

Abstract: 本发明属于雷达技术领域，涉及一种真假目标一维距离像正交非线性子空间特征提取方法。本发明首先将目标的一维距离像进行非线性变换，映射到高维线性特征空间，然后在高维特征空间建立一个正交非线性变换矩阵，进行非线性特征提取，该方法有效的提高对雷达真假目标的识别性能。

公开(公告)号：CN110687515A

公开(公告)日：2020-01-14

申请号：CN201910983486.8

申请日：2019-10-16

Applicant: 电子科技大学

Inventor： 周代英 ,  张瑛 ,  沈晓峰 ,  梁菁 ,  廖阔 ,  冯健

IPC: G01S7/41

Abstract: 本发明公开了一种目标库属性判别最优非线性本征子空间特征提取方法，属于雷达目标识别技术领域。本发明首先利用非线性函数将训练一维距离像样本映射到高维空间，然后在高维空间建立最优非线性本征子空间，抽取目标的最优非线性特征，构建库属目标的特征描述库，对输入目标的库属性进行判别。该方法在进行分层优化建立最优非线性本征子空间的过程中，引入了非线性表示，能够更好地描述一维距离像分布中出现的非线性信息，从而提高了对目标库属性的判别性能。

公开(公告)号：CN110658507A

公开(公告)日：2020-01-07

申请号：CN201910966118.2

申请日：2019-10-12

Applicant: 电子科技大学

Inventor： 周代英 ,  张瑛 ,  沈晓峰 ,  廖阔 ,  冯健

IPC: G01S7/41

Abstract: 本发明公开了一种用于雷达目标识别的多类平均最大化真假目标特征提取方法，属于雷达目标识别技术领域。本发明采用多分量高斯分布表示目标数据的似然函数，在目标样本数据是非高斯分布的情况下，仍然能够准确地描述目标数据的分布情况，从目标一维距离像特征元素中筛选出最有效的分类识别特征。克服了常规方法只适合于样本数据高斯分布的缺点，从而改善了雷达目标识别性能。

公开(公告)号：CN108845303A

公开(公告)日：2018-11-20

申请号：CN201810978243.0

申请日：2018-08-27

Applicant: 电子科技大学

Inventor： 周代英

IPC: G01S7/41

Abstract: 本发明公开了一种非线性稳健子空间真假目标特征提取方法，属于雷达目标识别技术领域。本发明利用训练样本数据集建立非线性稳健子空间变换矩阵，对真假目标一维距离像进行变换，一方面能够较好地描述数据分布中出现的非线性，同时，在目标函数中加入对子空间变换矩阵模平方的限制项，以降低因训练数据不够引起的对子空间变换矩阵的估计误差，保证子空间变换矩阵的稳健，从而提高目标识别性能。

公开(公告)号：CN107678007A

公开(公告)日：2018-02-09

申请号：CN201710794782.4

申请日：2017-09-06

Applicant: 电子科技大学

Inventor： 周代英 ,  张瑛 ,  但瑞 ,  李文辉

IPC: G01S7/41

Abstract: 本发明公开了一种指数域紧密子空间的雷达真假目标一维距离像特征提取方法，属于雷达目标识别技术领域。本发明首先通过一个变换将一维距离像映射到指数域，然后，在指数域建立紧密子空间来提取目标的分类特征。比常规子空间特征，指数域紧密子空间特征的类内分布更加紧密，聚集度更高，进一步减少了不同类目标之间的混迭。本发明用于雷达目标识别，能有效提高目标的分类性能。

公开(公告)号：CN107657243A

公开(公告)日：2018-02-02

申请号：CN201710939169.7

申请日：2017-10-11

Applicant: 电子科技大学

Inventor： 廖阔 ,  司进修 ,  何旭东 ,  杨孟文 ,  周毅 ,  周代英 ,  沈晓峰

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12

CPC classification number: G06K9/0063 ,  G06K9/6256 ,  G06N3/0454 ,  G06N3/086 ,  G06N3/126

Abstract: 本发明属于雷达技术领域，具体的说是涉及一种基于遗传算法优化的神经网络雷达一维距离像目标识别方法。本发明的方法首先通过对原始一维距离像进行选择和截断等预处理操作；其次，采用时段原则对数据集进行划分，同时对训练集中各目标进行二次等量随机抽取，获得两个同构训练子集；接着，本发明提出了神经网络与遗传算法双向优化的方法，利用训练网络在不同迭代次数时所产生的网络参数，初始化一定数目的染色体；然后，采用遗传算法对染色体进行交叉变异等操作；随后，根据所选最优染色体对新的神经网络识别系统赋初值，选择新的训练子集作为网络输入，采用随机梯度下降法对网络进行训练，加快了训练网络的收敛速度，同时提升了一定的识别率。