-
公开(公告)号：CN115308705A
公开(公告)日：2022-11-08
申请号：CN202210940267.3
申请日：2022-08-05
Applicant: 北京理工大学
Abstract: 本发明涉及极窄脉冲雷达数据生成技术领域，具体涉及一种基于生成对抗网络(Generative Adversarial Network,GAN)的多姿态极窄脉冲回波生成方法。该方法通过构建一个具备多姿态极窄脉冲回波数据生成能力的GAN，对目标的缺失视角极窄脉冲回波进行生成，能够一定程度上替代实测采集、电磁仿真等方法实现未知视角极窄脉冲回波数据的快速获取，解决雷达目标电磁特性、RATR研究中面临的极窄脉冲回波姿态敏感性问题。
-
公开(公告)号：CN114970595A
公开(公告)日：2022-08-30
申请号：CN202111673162.8
申请日：2021-12-31
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于深度学习的单快拍多目标角度估计方法，包括：对单快拍回波数据进行预处理；将视场角划分为一系列角度区间；基于DNN网络架构，设计与步骤S2中的角度区间一一对应的滤波器和估计子网络；其中，滤波器的输入为步骤S1预处理后的数据，并将只属于本角度区间的数据输出至对应的估计子网络；所述估计子网络根据其输入的数据进行角度估计；基于样本集对构建的各滤波器和估计子网络进行训练，得到训练好的各滤波器和估计子网络；将待估计的单快拍数据预处理后，输入至各滤波器，得到各估计子网络的角度估计结果，将所有所述估计子网络的输出结果进行角度融合，最终得到目标数量及目标角度。
-
公开(公告)号：CN112198486B
公开(公告)日：2021-07-20
申请号：CN202010900311.9
申请日：2020-08-31
Applicant: 北京理工大学
IPC: G01S7/41
Abstract: 本发明公开了一种极窄脉冲雷达距离关联目标回波空间聚合方法，设置两个门限，分别检测目标HRRP的强散射点与弱散射点；根据距离相近准则将同一目标的强散射点与弱散射点进行关联得到初步聚合片段；随后对初步聚合片段进行双边谷值点搜索确定聚合片段的起始位置和终止位置、递进关联进一步合并聚合片段和筛选剔除信杂比和长度不合理的聚合片段得到精细的聚合片段从而完成目标回波聚合；本发明能够在包含多个目标、噪声和杂波的雷达回波中，准确、快速、稳定地聚合出目标的极窄脉冲回波。
-
公开(公告)号：CN112198486A
公开(公告)日：2021-01-08
申请号：CN202010900311.9
申请日：2020-08-31
Applicant: 北京理工大学
IPC: G01S7/41
Abstract: 本发明公开了一种极窄脉冲雷达距离关联目标回波空间聚合方法，设置两个门限，分别检测目标HRRP的强散射点与弱散射点；根据距离相近准则将同一目标的强散射点与弱散射点进行关联得到初步聚合片段；随后对初步聚合片段进行双边谷值点搜索确定聚合片段的起始位置和终止位置、递进关联进一步合并聚合片段和筛选剔除信杂比和长度不合理的聚合片段得到精细的聚合片段从而完成目标回波聚合；本发明能够在包含多个目标、噪声和杂波的雷达回波中，准确、快速、稳定地聚合出目标的极窄脉冲回波。
-
公开(公告)号：CN111767803A
公开(公告)日：2020-10-13
申请号：CN202010512089.5
申请日：2020-06-08
Applicant: 北京理工大学
Abstract: 本发明公开了合成极窄脉冲雷达抗目标姿态敏感的鉴别方法，可以有效提高分类鉴别效果，可以解决存在的合成极窄脉冲雷达图像姿态敏感问题。包括如下步骤：获取带有目标的训练样本图像和测试样本图像并做预处理和特征提取，获得训练和测试样本特征向量集合；利用孪生支持向量机对所选取的两训练样本类别获取一个分类超平面；利用先验样本类别信息和分类超平面构建权重矩阵；构建目标函数，并求解得到投影矩阵；对训练和测试样本特征向量集合利用投影矩阵获得投影后的训练样本集合和测试样本集合，利用孪生支持向量机进行分类，实现当前两训练样本类别的二分类。重新选取两训练样本类别实现二分类，直至所有训练样本类别实现两两之间的二分类。
-
Patent Agency Ranking
公开(公告)号：CN109492671A
公开(公告)日：2019-03-19
申请号：CN201811202213.7
申请日：2018-10-16
Applicant: 北京理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于LSTM的多极化雷达高分辨距离像目标识别方法。使用本发明能够融合不同极化通道的HRRP，提取不同通道的关联性特征，充分挖掘目标的极化特征，同时实现自动提取特征，避免手动提取特征，提升目标识别性能。本发明利用多极化雷达所有通道都是同一个目标的回波的特性，将不同的通道当成是序列，从而将LSTM应用于多极化HRRP目标识别中，利用LSTM自动融合不同极化通道的HRRP信息，充分挖掘目标的极化特征，可以自动地提取目标的深度和关联性特征，避免了手动提取特征的局限性。
-
公开(公告)号：CN108802718A
公开(公告)日：2018-11-13
申请号：CN201810537460.6
申请日：2018-05-30
Applicant: 北京理工大学
CPC classification number: G01S13/582 , G01S7/415 , G01S7/418 , G01S7/42 , G01S13/588 , G01S13/62
Abstract: 本发明提出一种基于随机发射脉冲的时分MIMO雷达空时相位解耦及估计方法，实现分离空间频率与多普勒频率更好地对目标角度与速度正确地估计。步骤一、设计随机发射测量矩阵，通过所述随机发射测量矩阵得到控制发射阵元随机开关的顺序，将原来发射阵元按空间摆放位置周期性的随脉冲发射的顺序时分方式替换为随机发射时分方式；步骤二、将所述随机发射测量矩阵乘以标准傅里叶正交基矩阵得到感知矩阵，利用FOCUSS稀疏重构方法沿距离维进行多普勒频率谱的重建，实现对运动目标速度的独立估计；步骤三、沿每个距离‑多普勒单元做角度维的匹配滤波处理，得到该单元的空间频率谱，进而提取目标角度信息，完成对目标角度的独立估计。
-
公开(公告)号：CN114970595B
公开(公告)日：2023-04-18
申请号：CN202111673162.8
申请日：2021-12-31
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于深度学习的单快拍多目标角度估计方法，包括：对单快拍回波数据进行预处理；将视场角划分为一系列角度区间；基于DNN网络架构，设计与步骤S2中的角度区间一一对应的滤波器和估计子网络；其中，滤波器的输入为步骤S1预处理后的数据，并将只属于本角度区间的数据输出至对应的估计子网络；所述估计子网络根据其输入的数据进行角度估计；基于样本集对构建的各滤波器和估计子网络进行训练，得到训练好的各滤波器和估计子网络；将待估计的单快拍数据预处理后，输入至各滤波器，得到各估计子网络的角度估计结果，将所有所述估计子网络的输出结果进行角度融合，最终得到目标数量及目标角度。
-
公开(公告)号：CN115166649A
公开(公告)日：2022-10-11
申请号：CN202211095425.6
申请日：2022-09-08
Applicant: 北京理工大学
Abstract: 本发明属于雷达目标检测领域，具体涉及一种极窄脉冲雷达散射点特征聚合目标极化检测方法，适用于对距离扩展目标进行检测。本发明在散射点特征聚合时，分别对每个距离单元使用能量强度和极化特征差异信息获取目标散射点位置标记矩阵，并根据各距离单元被判定为目标散射点的频次作为权重进行特征聚合，该操作可以自适应地为各个距离单元赋予不同的权重，使检测器更关注于目标所在的距离单元，避免陷落损失问题，提升检测性能。
-
公开(公告)号：CN114896713A
公开(公告)日：2022-08-12
申请号：CN202210116238.5
申请日：2022-01-30
Applicant: 北京理工大学
IPC: G06F30/17 , G06F30/27 , G06N3/12 , G06F111/04 , G06F111/06
Abstract: 本公开的基于多目标分解分层遗传算法的雷达多元天线阵列设计方法，基于车载毫米波雷达多元天线阵列探测系统，构建所述雷达阵列优化模型；利用多目标分解的分层遗传算法对所述雷达阵列优化模型进行求解，得到所述车载毫米波雷达多元天线阵列构型。通过雷达多元天线组合探测模式设计与阵元位置的优化，可有效抑制多波束指向下的天线方向图栅瓣，提升车载毫米波雷达的环境感知性能。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.025 seconds)
