-
公开(公告)号：CN118584482A
公开(公告)日：2024-09-03
申请号：CN202410844038.0
申请日：2024-06-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种扫描雷达快速批处理迭代自适应超分辨成像方法，首先将单一距离单元回波模型扩展至全距离单元扫描雷达回波模型，然后提出基于批处理的迭代自适应方法对回波矩阵中的多个距离单元同步并行地超分辨处理，求出目标散射迭代式，再利用二维共轭梯度算法求解目标散射并加速迭代过程，输出目标散射和噪声功率，实现扫描雷达快速批处理迭代自适应超分辨成像。本发明的方法克服了现有迭代自适应方法逐行处理而引入的计算冗余问题，并使用共轭梯度算法来避免矩阵求逆操作从而降低计算复杂度，在保证成像分辨率的同时具有更低的计算复杂度，减小硬件计算负担。
-
公开(公告)号：CN115480219B
公开(公告)日：2024-08-16
申请号：CN202210620659.1
申请日：2022-06-02
Applicant: 电子科技大学
IPC: G01S7/282
Abstract: 本发明公开了一种相似性约束下MIMO雷达波束图赋形的波形设计方法，包括以下步骤：步骤一、建立优化目标，求解最优协方差矩阵；步骤二、设计发射波形。本发明设计的发射波形与参考波形相似，具有与参考波形相似的良好性能。首先，构造了纹波控制约束下的凸优化问题，并计算出最优协方差矩阵。然后，基于求解的最优协方差矩阵，建立了非凸高维优化问题，通过将初始问题转化为多个具有封闭解的一维优化问题，求解了MIMO波束图和波形相似性兼顾的恒模发射波形。既能设计出与参考波形性能相似的发射波形，又能合成主瓣纹波可控的波束图，实现了MIMO波束图赋形的快速波形设计。
-
公开(公告)号：CN118468557A
公开(公告)日：2024-08-09
申请号：CN202410574403.0
申请日：2024-05-10
Applicant: 电子科技大学
IPC: G06F30/20 , G01S7/02 , G06F111/04
Abstract: 本发明提出了一种实现频谱共存和类脉冲自相关的单位模波形设计方法，首先构建了能量谱密度约束下的阻带最小化联合优化问题；然后基于ADMM框架将构建的优化问题分解为具有单一约束条件的多个子优化问题，然后对于耦合的子问题，利用KKT条件求解耦合变量，得到最优发射波形。本发明实现了发射波形频谱共存和类脉冲自相关函数的同步优化；同时，还降低了计算复杂度，提高了波形设计效率，在雷达目标探测领域具有重要的应用前景。
-
公开(公告)号：CN118425893A
公开(公告)日：2024-08-02
申请号：CN202410517628.2
申请日：2024-04-28
Applicant: 电子科技大学
Abstract: 本发明公开一种雷达抗干扰成像方法，应用于雷达抗干扰领域，针对前视扫描雷达在电子干扰环境下难以成像的问题；本发明首先建立双频雷达回波模型，表征目标散射与双频雷达回波数据间的数学关系；接着提出一种双频抗干扰策略，采用脉间频率跳变来对抗敌方压制性干扰；然后采用自适应双频采样模型，去除回波中残留的条带干扰信号；最后根据加权最小二乘准则，采用迭代方式对自适应双频采样模型进行求解，实现干扰环境下的超分辨成像。相比传统抗干扰成像方法，本发明方法能够有效对抗大带宽的压制性干扰信号，实现了干扰环境下稳健的超分辨成像。
-
公开(公告)号：CN115062658B
公开(公告)日：2024-05-28
申请号：CN202210667010.5
申请日：2022-06-14
Applicant: 电子科技大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/084 , G06N3/047
Abstract: 本发明公开了一种基于自适应门限网络的交叠雷达信号调制类型识别方法，包括以下步骤：S1、仿真原始雷达信号及调制参数；S2、对原始雷达信号进行交叠；S3、提取时频域特征；S4、构建基本模块；S5、构建Inception模块；S6、构建自适应门限模块；S7、构建概率模块；S8、组成SE‑IncepAtNet网络；S9、训练SE‑IncepAtNet网络；S10、采用训练完成的SE‑IncepAtNet网络对交叠雷达信号调制类型进行识别。本发明利用时频分析方法提取交叠雷达信号特征，基于深度卷积网络Inception模块提取不同感受野的特征，使用SE模块减少噪声影响，构建自适应门限模块解决多分类任务中门限设置困难的问题，在实现交叠雷达信号识别的同时，提高了低信噪比条件下的识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN117368877A
公开(公告)日：2024-01-09
申请号：CN202311354802.8
申请日：2023-10-19
Applicant: 电子科技大学
Abstract: 本发明公开的基于生成对抗学习的雷达图像杂波抑制与目标检测方法，应用于雷达探测与成像技术领域，针对现有技术存在的难以有效抑制海杂波的问题；本发明首先建立基于符合K分布模型的海杂波模型，并基于该模型生成模拟海杂波雷达数据；然后构造杂波抵消生成对抗网络；具体包括海杂波抑制生成器与无杂波域鉴别器；其次，基于生成的模拟海杂波雷达数据，采用对抗损失和目标一致性损失组成的损失函数，交替训练海杂波抑制生成器与无杂波域鉴别器，使得杂波抵消生成对抗网络收敛；最后采用训练完成的杂波抵消生成对抗网络，对实际测量到的海杂波雷达数据进行杂波抑制；采用本发明的方法能较好地抑制海杂波，并且本发明的方法具有良好的目标检测效果。
-
公开(公告)号：CN116977176A
公开(公告)日：2023-10-31
申请号：CN202310946740.3
申请日：2023-07-31
Applicant: 电子科技大学
IPC: G06T3/40 , G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种多尺度特征融合的SAR图像快速超分辨方法，预处理光学图像，得到对应的高分辨率灰度图像HR，HR进行双三次插值下采样，得到对应的低分辨率灰度图像LR，再对HR和LR图像进行数据增强，并将其随机打乱后得到的HR‑LR图像对作为训练数据，然后构建多特征提取网络，将HR‑LR图像对传入网络进行训练，并保存网络的训练模型，最后通过保存的网络训练模型构建网络，对待处理的低分辨率SAR图像输入经过训练后的网络模型进行测试，得到高分辨率SAR图像。本发明的方法相比现有SRResNet方法，仅需少量多尺度特征提取模块堆叠就能达到更好效果，网络参数量大幅减少，网络训练速度提升，更容易收敛，具有更强的特征信息重建能力，提高SAR图像分辨率。
-
公开(公告)号：CN116400353A
公开(公告)日：2023-07-07
申请号：CN202310089983.X
申请日：2023-02-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种用于多通道雷达前视成像的实合成孔径成像方法，首先获取待成像区域的回波数据，其次对获取的数据进行距离向脉冲压缩，再将脉冲压缩后的数据分别在合成孔径和实孔径处理，对于合成孔径维度，使用BP算法进行方位向聚焦，并且将各个通道的结果进行非相干累加，得到左右模糊的图像，对于实孔径维度，将成像场景划分网格，构造导向矩阵，重构目标散射系数实现超分辨成像，最终将两个维度的结果相乘，得到无模糊且超分辨的结果。本发明的方法通过充分利用平台运动合成孔径在斜视区域获得高分辨率和方位实孔径超分辨在前视区域获得高分辨的优点，克服单基雷达前视成像模糊和分辨率低的问题，实现了多通道雷达无模糊前视高分辨率成像。
-
公开(公告)号：CN116310732A
公开(公告)日：2023-06-23
申请号：CN202310354938.2
申请日：2023-04-06
Applicant: 电子科技大学
IPC: G06V10/82 , G01S13/90 , G06V10/774 , G06V10/764
Abstract: 本发明公开一种面向开集雷达图像自动目标识别的熵感知元学习方法，应用于目标识别领域，针对现有的SAR自动目标识别对开放集目标无法有效区分的问题；本发明通过设计元学习任务，基于已知类构造动态的特征空间；为进一步增强未知类和已知类之间的区分，设计熵感知损失函数来迫使模型增强特征空间，最终实现开集环境下准确地SAR目标图像已知类识别和未知类拒绝。
-
公开(公告)号：CN116310378A
公开(公告)日：2023-06-23
申请号：CN202310166212.6
申请日：2023-02-24
Applicant: 电子科技大学
IPC: G06V10/44 , G06V10/764 , G01S13/86 , G06V10/774
Abstract: 本发明公开了一种基于特征注意和自适应分类的雷达图像舰船识别方法，首先通过构建网络内的特征金字塔作为特征提取器，获取输入图像的多尺度特征，再利用多尺度特征注意模块增强特征的类内紧凑性和类间可分离性，最后，利用自适应加权分类器选择有效的特征尺度，将用于识别的主要特征转移到特征金字塔的所有尺度之间，并基于此分类完成最终的目标识别。本发明的方法通过优化对多尺度特征的利用，自适应地选择有效特征尺度来完成最终的准确识别，缓解了舰船雷达图像中特征存在的类内方差和类间重叠较大的问题，在OpenSARShip数据集中展现了优异的性能。
-
-
-
-
-
-
-
-
-
Search Results
288
records
(took 0.06 seconds)
