公开(公告)号：CN115047423A

公开(公告)日：2022-09-13

申请号：CN202210391944.0

申请日：2022-04-14

Applicant: 杭州电子科技大学

Inventor： 李津宇 ,  张杰 ,  潘勉 ,  吕帅帅 ,  蒋洁

IPC: G01S7/41 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于对比学习无监督预训练‑微调式的雷达目标识别方法，首先对原始样本进行预处理，进行数据扩充；然后采用reshape和数据增强的方式增加HRRP样本的结构多样性；再输入SimSiam模块；将SimSiam模块编码器网络的输出在下游分类模块上进行微调，通过shape操作后再输入下游分类模块中，最终实现HRRP识别分类；本发明中采用数据增强的方式，让模型学到更多的有效特征信息，有助于提升迁移到下游分类任务的识别性能。通过定义不同的下游分类模块能够得到各种不同的应用于HRRP目标识别的通用鲁棒模型，为雷达HRRP目标识别领域提供了一种新的思路和方法。

公开(公告)号：CN115032602A

公开(公告)日：2022-09-09

申请号：CN202210391547.3

申请日：2022-04-14

Applicant: 杭州电子科技大学

Inventor： 李津宇 ,  张杰 ,  潘勉 ,  吕帅帅 ,  蒋洁

IPC: G01S7/41 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度卷积胶囊网络的雷达目标识别方法，利用改进的深度学习网络即多尺度卷积胶囊网络对目标HRRP进行识别分类，融合了泛化能力强的网络来充分捕捉HRRP中有效的结构信息，在构建复杂模型的同时还优化了网络中的参数，实现更快的收敛和更高的识别性能，基于CNN获取局部结构信息的能力和Inception结构，提出了多尺度CNN结构，从多个角度详细捕捉HRRP目标的不同层次的可分信息，增加了网络的稀疏性。同时将更鲁棒的胶囊网络作为CNN的补充，弥补了CNN难以体现目标HRRP序列结构信息的不足，以更强的拟合能力在雷达HRRP识别领域发挥更大的优势。

公开(公告)号：CN105791876B

公开(公告)日：2018-11-13

申请号：CN201610144343.4

申请日：2016-03-14

Applicant: 杭州电子科技大学

Inventor： 蒋洁 ,  刘敬彪 ,  叶德周 ,  潘勉 ,  蔡文郁 ,  于海滨 ,  盛庆华 ,  刘圆圆 ,  顾梅园 ,  孔庆鹏

IPC: H04N19/80 ,  H04N19/523 ,  H04N19/53 ,  H04N19/117

Abstract: 本发明公开了一种基于低复杂度分层插值的HEVC分像素运动估计方法。该方法包括：在整像素精度上对感兴趣区域初始化；线性变换将像素原始值转换成对应整型的中间值；1/2分像素采用8抽头滤波器进行插值计算；线性逆变换获得原始值1/2分像素插值滤波结果；运动矢量精炼至1/2分像素精度；对垂直方向上的1/2分像素中间值采用6抽头滤波器进行插值计算；根据不同抽头滤波获得的1/2分像素中间值，利用其均值求解1/4分像素中间值；对1/4分像素中间值进行逆变换获得最终1/4分像素插值结果；运动矢量精炼至1/4分像素精度。本发明能够加快HEVC分像素运动估计过程以提高编码速度，进而提升编码器对实时编码需求的满足。

公开(公告)号：CN115032602B

公开(公告)日：2025-01-17

申请号：CN202210391547.3

申请日：2022-04-14

Applicant: 杭州电子科技大学

Inventor： 李津宇 ,  张杰 ,  潘勉 ,  吕帅帅 ,  蒋洁

IPC: G01S7/41 ,  G06F18/2415 ,  G06F18/214 ,  G06F18/243 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于多尺度卷积胶囊网络的雷达目标识别方法，利用改进的深度学习网络即多尺度卷积胶囊网络对目标HRRP进行识别分类，融合了泛化能力强的网络来充分捕捉HRRP中有效的结构信息，在构建复杂模型的同时还优化了网络中的参数，实现更快的收敛和更高的识别性能，基于CNN获取局部结构信息的能力和Inception结构，提出了多尺度CNN结构，从多个角度详细捕捉HRRP目标的不同层次的可分信息，增加了网络的稀疏性。同时将更鲁棒的胶囊网络作为CNN的补充，弥补了CNN难以体现目标HRRP序列结构信息的不足，以更强的拟合能力在雷达HRRP识别领域发挥更大的优势。