-
公开(公告)号：CN111666944A
公开(公告)日：2020-09-15
申请号：CN202010343836.7
申请日：2020-04-27
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种红外弱小目标检测方法，所述方法至少包括：S1：图像预处理步骤；S2：图像分块步骤，将待处理图像分成有重叠的四块子图像，并进行并行处理；S3：对子图像进行分区目标分割，利用最大类间方差法对大区进行目标分割，利用局部信杂比阈值分割方法对小区进行目标分割，对两个分割结果进行目标融合处理；S4：对子图进行噪声滤波，包括散点滤波和形状滤波；S5：计算目标信息，至少包括目标质心位置、大小和信噪比；S6：对四块子图像处理结果进行目标融合处理，删除重叠区域重复检测出的目标，输出目标信息。本方法针对红外图像噪声抑制、小弱目标检测设计了改进方法，可有效提高小弱目标检测概率，降低虚警率。
-
公开(公告)号：CN117233725B
公开(公告)日：2024-01-23
申请号：CN202311517775.1
申请日：2023-11-15
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G01S7/41 , G06F18/213 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于图神经网络多特征融合的相干雷达目标检测方法，属于雷达信号检测技术领域，包括步骤：S1，对雷达回波数据进行图节点划分，图节点对应回波时间序列数据，获取训练集和验证集测试集；S2，提取时域特征、频域特征和时频特征；S3，构建图邻接矩阵，生成由邻接矩阵和各节点特征向量集构成的三个信号图数据；S4，根据样本数据中对应各节点信号类别，将节点划分训练集、验证集和测试集；S5，搭建雷达目标检测神经网络模型，对雷达目标检测图神经网络进行训练；S6，将测试集输入训练好的雷达目标检测图神经网络，输出对应节点为目标或杂波信号的二分类结果。本发明提高了雷达(56)对比文件WO 2023087558 A1,2023.05.25汪明明等.HetGNN-3D:基于异构图神经网络的3D目标检测优化模型.小型微型计算机系统.2022,全文.傅文谦.基于图神经网络的激光点云行人目标检测研究.中国优秀硕士学位论文全文数据库工程科技Ⅱ辑.2023,全文.Yang, Y.等.The Target DetectionMethod of Pulse-Doppler Radar Based on Graph Attention Networks.2022 IEEE 5thInternational Conference on ElectronicsTechnology (ICET)..2022,全文.Yang, Honghui等.Graph R-CNN: TowardsAccurate 3D Object Detection withSemantic-Decorated Local Graph.COMPUTERVISION, ECCV 2022, PT VIII.2023,全文.苏宁远;陈小龙;关键;牟效乾;刘宁波.基于卷积神经网络的海上微动目标检测与分类方法.雷达学报.2018,(第05期),全文.
-
公开(公告)号：CN112801065B
公开(公告)日：2021-06-25
申请号：CN202110387388.5
申请日：2021-04-12
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种基于时空多特征信息的被动声纳目标探测方法及装置，该方法包括以下步骤：S1,多特征串联融合；S2,特征提取与分类器模块离线训练；S3,语义特征提取；S4,信号时域检测；S5,信号空域检测。本发明解决了现有技术存在的仅基于单一信号特征探测所导致的被动声纳弱目标提取困难、探测准确率低甚至探测失效等问题。
-
公开(公告)号：CN112802020A
公开(公告)日：2021-05-14
申请号：CN202110366439.6
申请日：2021-04-06
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了基于图像修补和背景估计的红外弱小目标检测方法，包括步骤：S1，输入原始红外图像；S2，通过空间域滤波方法抑制原始红外图像的背景杂波，得到滤波后图像；S3，利用阈值分割方法将疑似弱小目标分割出来；S4，利用图像修补对疑似小目标所在像素进行恢复和估计，重建出红外背景图像；S5，通过原始红外图像减去重建出的红外背景图像，得到目标显著图；S6，再次利用阈值分割方法将弱小目标从目标显著图中分割出来，输出弱小目标信息等；本发明有效解决了现有方法由于噪声、杂波和边缘等因素导致的检测率低、虚警率高的问题，并且该方法的算法复杂度低、计算耗时少，易满足现实应用中的高实时性要求等。
-
公开(公告)号：CN112329764A
公开(公告)日：2021-02-05
申请号：CN202011036761.4
申请日：2020-09-28
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种基于TV‑L1模型的红外弱小目标检测方法，本发明方法通过将弱小目标检测问题转化为一个优化问题，利用交替方向法迭代极小化包含全变分项和L1范数项的目标函数，有效分离出背景图像和目标图像，能够有效抑制背景噪声和杂波，提高弱小目标的检测率，降低由于边缘、噪声等干扰引起的虚警率，并且大大降低了检测方法的计算耗时，提高了目标检测的实时性。
-
Patent Agency Ranking
公开(公告)号：CN118191756B
公开(公告)日：2024-07-05
申请号：CN202410619948.9
申请日：2024-05-20
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明涉及雷达干扰技术领域，公开了一种雷达信号检测方法及系统，该方法包括以下步骤：S1，信号输入：输入待处理的雷达接收信号；S2，脉压处理：分别以频域脉压参考函数不加窗、频域脉压参考函数加窗的方式对数字信号进行脉压处理，得到两路时域脉压信号；S3，信号积累：分别对两路时域脉压信号进行多脉冲积累，得到两路积累信号；S4，恒虚警检测：对两路积累信号进行恒虚警检测，得到两路通过恒虚警检测的信号；S5，目标检测交集计算：将两路通过恒虚警检测的信号进行交集计算，得到剔除虚警的检测结果。本发明解决了现有技术存在的检测率低、虚警率高等问题。
-
公开(公告)号：CN114814776B
公开(公告)日：2022-10-14
申请号：CN202210721266.X
申请日：2022-06-24
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G01S7/41
Abstract: 本发明公开了一种基于图注意力网络和迁移学习的PD雷达目标检测方法，属于雷达信号检测技术领域，包括步骤：对PD雷达获取的多帧回波数据进行图节点划分，根据图节点间时空关系构建由结构化数据向图数据的映射，基于图注意力网络实现对回波数据时空信息的联合利用和目标检测，通过迁移学习提升网络模型的时间适应性，从而有效提高雷达在强杂波环境下的目标检测能力。
-
公开(公告)号：CN114814776A
公开(公告)日：2022-07-29
申请号：CN202210721266.X
申请日：2022-06-24
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G01S7/41
Abstract: 本发明公开了一种基于图注意力网络和迁移学习的PD雷达目标检测方法，属于雷达信号检测技术领域，包括步骤：对PD雷达获取的多帧回波数据进行图节点划分，根据图节点间时空关系构建由结构化数据向图数据的映射，基于图注意力网络实现对回波数据时空信息的联合利用和目标检测，通过迁移学习提升网络模型的时间适应性，从而有效提高雷达在强杂波环境下的目标检测能力。
-
公开(公告)号：CN112802020B
公开(公告)日：2021-06-25
申请号：CN202110366439.6
申请日：2021-04-06
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了基于图像修补和背景估计的红外弱小目标检测方法，包括步骤：S1，输入原始红外图像；S2，通过空间域滤波方法抑制原始红外图像的背景杂波，得到滤波后图像；S3，利用阈值分割方法将疑似弱小目标分割出来；S4，利用图像修补对疑似小目标所在像素进行恢复和估计，重建出红外背景图像；S5，通过原始红外图像减去重建出的红外背景图像，得到目标显著图；S6，再次利用阈值分割方法将弱小目标从目标显著图中分割出来，输出弱小目标信息等；本发明有效解决了现有方法由于噪声、杂波和边缘等因素导致的检测率低、虚警率高的问题，并且该方法的算法复杂度低、计算耗时少，易满足现实应用中的高实时性要求等。
-
公开(公告)号：CN111951611A
公开(公告)日：2020-11-17
申请号：CN202010629775.0
申请日：2020-07-03
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种基于多特征融合的ADS-B微弱信号检测装置及方法。本发明各实施例的基于多特征融合的ADS-B微弱信号检测方法及装置，突破现行信号检测系统主要以信号的能量特征为依据，采用门限检测的常规模式，利用接收信号本身包含的多特征信息，改善强噪声干扰条件下由于目标信号状态信息弱化导致的检测性能下降的问题。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.123 seconds)
