-
公开(公告)号：CN115236623A
公开(公告)日：2022-10-25
申请号：CN202210792671.0
申请日：2022-07-05
Applicant: 哈尔滨工程大学
IPC: G01S7/41 , G01S13/89 , G01S13/937
Abstract: 本发明公开了一种航海雷达目标检测方法，在离线雷达数据中选取雷达回波数据样本，选取雷达回波特征参数并进行特征融合，得到融合回波特征参数和样本训练集，计算融合回波特征参数值并输入到RBF神经网络中进行训练，得到RBF分类器；获取回波待测数据，按照选取的回波特征参数计算得到回波待测数据的回波特征值；将回波特征参数进行特征融合，得到特征矩阵；将特征矩阵输入到RBF分类器模型中，最终得到输出y值；判断所述扫描线有无目标：将输出y值与期望输出值进行比较，若y大于期望输出值，则存在目标；否则，不存在目标。本发明解决了目标检测中数据高维计算量大的问题，不仅可以快速进行目标检测，还可以提高目标检测的准确率。
-
公开(公告)号：CN115063675A
公开(公告)日：2022-09-16
申请号：CN202210591637.7
申请日：2022-05-27
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/08 , G06N3/04 , G01W1/14 , G01S13/95 , G01S13/89
Abstract: 本发明公开了一种航海雷达图像降雨强度等级反演方法，机挑选包含不同降雨量的航海雷达图像并确定其降雨强度等级；在图像中分别选取笛卡尔框图像，并将极坐标图象转化为直角坐标图像；分别求取每幅图像的海浪波数能量占比P海浪；将P海浪组成的向量o作为输入，降雨强度等级组成的向量do作为出结果期望，利用向量o对BP神经网络进行训练，并记录训练好的BP神经网络模型；在待检测图像中选取笛卡尔框图像，并求取其海浪波数能量占比P海浪；将待检测航海雷达图像的P海浪输入到训练好的BP神经网络模型，得到待检测航海雷达图像的降雨强度等级。本发明实现了自学习、自适应的降雨强度反演，具有较高的可靠性和准确性。
-
公开(公告)号：CN109883404B
公开(公告)日：2021-04-02
申请号：CN201910194860.6
申请日：2019-03-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于海洋监测技术领域，具体涉及一种基于大浪筛选策略的波浪浮标主波向计算方法。包括读取浮标测量记录的一组连续原始数据，根据上跨零点将该组数据切分成若干个单个波浪周期；利用选取方法从中筛选出波高较大的数据作为有效波浪，并统计出该组数据中有效波浪的总个数；针对每一个有效波浪，确定下跨零点，利用下跨零点浮标测得这一时刻瞬时方位角、纵倾角和横倾角信息，计算得到该有效波浪的单个波浪波向，重复该步骤，直到得到该组数据中所有有效波浪的单个波浪波向；将360°划分成16个角度区间，统计16个角度区间中每个区间内单个波浪波向出现的个数，进而得到计数比例；选择计数比例值最大的角度区间的中值作为主波向。本发明准确性高。
-
公开(公告)号：CN110208767A
公开(公告)日：2019-09-06
申请号：CN201910483636.9
申请日：2019-06-05
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于拟合相关系数的雷达目标快速检测方法，步骤1：确定检测阈值T：离线开展现场观测试验，选取单一扫描线上的两类径向回波样本，一类为含有目标雷达回波的样本，另一类为不含目标的纯海杂波雷达回波的样本，计算出以拟合相关系数为特征的两类样本概率密度曲线，并得到能够对两类样本进行区分的阈值T；步骤2：雷达回波的特征提取：收集雷达单一扫描线上的数据，计算得到每条线上的雷达回波强度的拟合相关系数K；步骤3：判断有无目标：将得到的拟合相关系数和检测阈值T进行比较，判断该扫描线上是否存在目标。本发明采取了新的特征参数-拟合相关系数，相比传统的均值、方差为特征的方法，有效提升了目标检测的性能。
-
-
-
Search Results
34
records
(took 0.024 seconds)
