-
公开(公告)号：CN110135444A
公开(公告)日：2019-08-16
申请号：CN201910519250.9
申请日：2019-06-17
Applicant: 电子科技大学
IPC: G06K9/46
Abstract: 本文公开了一种目标库属性一维像判别最优本征子空间特征提取方法。该方法首先利用所有库属目标的训练一维距离像样本数据建立一个最优本征子空间，抽取目标的最优特征，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。该方法通过逐层优化建立最优本征子空间，能够更好地描述库属目标和非库属目标的区别信息，从而提高了目标库属性的判别性能。对4类目标的仿真实验验证了方法的有效性。
-
公开(公告)号：CN110133600A
公开(公告)日：2019-08-16
申请号：CN201910519253.2
申请日：2019-06-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种直升机旋翼物理参数提取方法。本发明的方法首先对直升机旋翼的窄带RCS数据的时频谱进行图像滤波和图像分割，以降低背景噪声，改善时频谱图的清晰度，精确提取时频信号线；然后通过参数估计方法从时频信号线中直接估计出直升机旋翼的旋转周期、桨叶长度和桨叶数目，通过这些参数能更准确地识别直升机目标的类别和型号，解决了从多普勒时频谱中无法提取直升机旋翼物理参数的难题，仿真实验结果验证了该方法的有效性。
-
公开(公告)号：CN110031815A
公开(公告)日：2019-07-19
申请号：CN201910322876.0
申请日：2019-04-22
Applicant: 电子科技大学
IPC: G01S7/41
Abstract: 本发明属于空间目标识别技术领域，具体涉及一种基于组合函数的空间目标RCS序列周期估计方法。针对传统的空间目标RCS序列周期估计方法在低信噪比条件下存在估计准确率低的问题，本发明提出了一种基于组合函数的空间目标RCS序列周期估计方法，该方法首先利用改进的自相关函数和平均幅度差函数得到一个组合函数，基于组合函数对空间目标RCS序列进行处理，最后使用方差分析法对处理后的数据进行周期估计。实验结果表明，在低信噪比的情况下，本发明的方法提高了空间目标RCS序列周期估计的准确性和稳定性。
-
-
-
Patent Agency Ranking
公开(公告)号：CN105069401B
公开(公告)日：2018-12-11
申请号：CN201510420904.4
申请日：2015-07-16
Applicant: 电子科技大学
Abstract: 本发明属于孔径雷达(Synthetic Aperture Radar，SAR)自动目标识别技术领域，尤其涉及使用二维线性判别分析方法进行特征提取的SAR图像目标识别。一种SAR图像识别方法，给出F类二维SAR图像，计算所有的F类图像之间的类间距离，然后根据计算出的类间距离构造计算出一个权系数矩阵，利用这个权系数矩阵计算出一个投影子空间，判断这个计算出的投影子空间是否收敛，如果不收敛，则重复前面的操作重新计算新的权系数矩阵，从而得出新的特征空间，直至这个特征空间收敛。本发明能够极大地提高特征矩阵的收敛速度，从而保证了提高误识别率较高的图像的识别率的同时也最大限度的保证了其他图像的识别率。
-
公开(公告)号：CN107766893A
公开(公告)日：2018-03-06
申请号：CN201711067951.0
申请日：2017-11-03
Applicant: 电子科技大学
CPC classification number: G06K9/6227 , G06K9/6256 , 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：CN107238822A
公开(公告)日：2017-10-10
申请号：CN201710440971.1
申请日：2017-06-13
Applicant: 电子科技大学
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：CN107229923A
公开(公告)日：2017-10-03
申请号：CN201710439399.7
申请日：2017-06-12
Applicant: 电子科技大学
CPC classification number: G06K9/0063 , G06K9/4671 , G06K9/6276
Abstract: 本发明属于目标识别领域，尤其涉及目标分类前的特征提取处理。本发明方法数据的分布在局部范围内是近似线性的，而在全局范围内是非线性的，因此可以利用CCA将全局非线性和局部线性方法的所得到的特征进行融合，实验表明融合后的特征具有更好的识别效果。
-
公开(公告)号：CN105069401A
公开(公告)日：2015-11-18
申请号：CN201510420904.4
申请日：2015-07-16
Applicant: 电子科技大学
CPC classification number: G06K9/0063 , G06K9/627 , G06K2209/21
Abstract: 本发明属于孔径雷达(Synthetic Aperture Radar，SAR)自动目标识别技术领域，尤其涉及使用二维线性判别分析方法进行特征提取的SAR图像目标识别。一种SAR图像识别方法，给出F类二维SAR图像，计算所有的F类图像之间的类间距离，然后根据计算出的类间距离构造计算出一个权系数矩阵，利用这个权系数矩阵计算出一个投影子空间，判断这个计算出的投影子空间是否收敛，如果不收敛，则重复前面的操作重新计算新的权系数矩阵，从而得出新的特征空间，直至这个特征空间收敛。本发明能够极大地提高特征矩阵的收敛速度，从而保证了提高误识别率较高的图像的识别率的同时也最大限度的保证了其他图像的识别率。
-
-
-
-
-
-
-
-
-
Search Results
192
records
(took 0.024 seconds)
