-
公开(公告)号：CN111273288B
公开(公告)日：2022-05-24
申请号：CN202010151942.5
申请日：2020-03-06
Applicant: 电子科技大学
Abstract: 本发明属于未知目标识别技术领域，具体涉及一种基于长短期记忆网络的雷达未知目标识别方法。本发明首先对宽带雷达一维距离像数据(HRRP)进行预处理；其次对长短期记忆网络从一维距离像中提取的特征矢量进行主成分分析(PCA)，降低特征矢量维度，最后通过最近邻法(NN)处理已知目标样本数据的低维度特征矢量，获取判别门限，对长短期记忆网络的输出矢量进行判别，从而识别出未知目标。针对常规的卷积网络，由于长短期记忆网络能够提取相邻一维距离像样本之间的相关信息，有效描述输入一维距离像样本序列间的变化特性，从而改善了对未知目标的识别性能。
-
公开(公告)号：CN110007286B
公开(公告)日：2022-05-24
申请号：CN201910322672.7
申请日：2019-04-22
Applicant: 电子科技大学
IPC: G01S7/41
Abstract: 本发明属于雷达目标识别技术领域，具体涉及一种线性判别学习真假目标一维距离像特征提取方法。本发明的方法通过迭代学习获得各类样本分布中心矢量，然后利用学习中心矢量代替样本均值矢量计算类内散布矩阵和类间散布矩阵，求解得到线性判别学习变换矩阵，在目标样本数据分布是非高斯分布的情况下，仍然能够很好地表示类内聚集和类间分离的程度，克服了常规判别子空间只适合于样本数据高斯分布的缺点，从而提高了目标识别性能。
-
公开(公告)号：CN113344033B
公开(公告)日：2022-05-17
申请号：CN202110533139.2
申请日：2021-05-17
Applicant: 电子科技大学
IPC: G06V10/774 , G06K9/62 , G06K9/00 , G01S7/41
Abstract: 本发明属于目标识别技术领域，具体的说是涉及一种旋翼无人机与飞鸟目标分类中的判别特征提取方法。本发明首先对旋翼无人机与飞鸟的雷达回波数据进行短时傅里叶变换，获得目标的微多普勒谱图数据，然后从微多普勒谱图中提取目标的加权主分量线性判别特征，实现旋翼无人机与飞鸟目标的分类。本发明直接对微多普勒谱图提取加权主分量线性判别特征，避免了直接参数提取不准确而引起的分类性能下降的问题；另外，加权主分量线性判别特征具有噪声不敏感的特点，在低信噪比情况下仍能达到较高的正确分类率，解决了无人机与飞鸟等微小慢目标不易识别的难题。
-
公开(公告)号：CN114241233A
公开(公告)日：2022-03-25
申请号：CN202111450631.X
申请日：2021-11-30
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种非线性类组稀疏表示真假目标一维距离像识别方法，属于雷达识别技术领域。本发明首先利用非线性映射函数将训练样本映射到高维空间，在高维空间对输入样本进行稀疏分析，并以类别为组计算非线性重构误差，采用非线性类组重构误差计分函数对目标进行分类，由于引入非线性映射，解决了一维距离像数据分布出现的非线性问题，从而改善了对目标的识别性能。
-
公开(公告)号：CN113269203B
公开(公告)日：2022-03-25
申请号：CN202110532917.6
申请日：2021-05-17
Applicant: 电子科技大学
IPC: G06V10/40 , G06V10/762 , G06V10/774 , G06K9/62 , G06F30/27 , G01S7/41
Abstract: 本发明属于目标识别技术领域，具体的说是涉及一种用于多旋翼无人机识别的子空间特征提取方法。本发明首先通过对每类无人机的雷达回波数据集进行聚类处理，然后，将样本数据与各类无人机目标聚类中心间的马氏距离组成一个聚类距离矢量，由聚类距离矢量构建奇异值加权子空间，提取目标特征，完成对多旋翼无人机的识别。由于引入聚类距离，增强了样本的空间分布结构信息，同时，在构建子空间时，采用奇异值进行加权，更加突出主投影分量的作用，从而改善了对目标的识别率。
-
Patent Agency Ranking
公开(公告)号：CN110135444B
公开(公告)日：2022-02-08
申请号：CN201910519250.9
申请日：2019-06-17
Applicant: 电子科技大学
IPC: G06V10/46
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：CN113960580A
公开(公告)日：2022-01-21
申请号：CN202111197176.7
申请日：2021-10-14
Applicant: 电子科技大学
IPC: G01S13/02 , G01S7/41 , G06K9/62 , G06V10/764
Abstract: 本发明属于目标识别技术领域，具体的说是涉及一种真假目标一维距离像的变换域不变特征提取方法。本发明首先对一维距离像形成的二维图像进行radon变换，然后在radon变换域计算多个不变换量，并将这些不变量组成一个矢量作为分类特征，由于变换域不变量具有平移、缩放及旋转不变性，对目标姿态的变化不敏感，在大姿态角范围内，仍然能够得到好的识别效果。对四类仿真目标的一维距离像数据进行了仿真实验，实验结果验证了方法的有效性。
-
公开(公告)号：CN113591895A
公开(公告)日：2021-11-02
申请号：CN202110533130.1
申请日：2021-05-17
Applicant: 电子科技大学
Abstract: 本发明属于目标识别技术领域，具体的说是涉及一种用于多旋翼无人机识别的二维主分量特征提取方法。本发明首先将多旋翼无人机的回波信号进行短时傅里叶变换得到微多普勒谱图，然后获取谱图二维主分量分析的特征向量矩阵，最后选取分类性能高的特征向量组成最优二维主分量变换矩阵，提取目标的识别特征，实现对多旋翼无人机的分类识别。本发明根据分类信息量最大准则对二维主分量特征向量矩阵进行抽取，获得了最优的分类特征信息，进一步改善了识别准确率。
-
公开(公告)号：CN112183617A
公开(公告)日：2021-01-05
申请号：CN202011026912.8
申请日：2020-09-25
Applicant: 电子科技大学
Abstract: 本发明属于雷达目标识别技术领域，具体是涉及一种样本与类标签最大相关子空间RCS序列特征提取方法。本发明的方法首先将训练样本与样本对应的类标签相关矢量作为子空间的第一根坐标轴，然后，计算样本与样本在第一根坐标轴上的投影间的差值矢量，再计算差值矢量与类标签相关矢量作为子空间的第二根坐标轴，以此类推，直到获得指定的坐标轴根数为止。向该子空间投影得到的特征能够增大样本与类标签的相关性，从而提高了识别性能。对四类仿真目标的RCS数据进行了仿真实验，实验结果验证了该方法是有效的。
-
公开(公告)号：CN112163510A
公开(公告)日：2021-01-01
申请号：CN202011024486.4
申请日：2020-09-25
Applicant: 电子科技大学
Abstract: 本发明属于人体动作分类识别技术领域，具体是涉及一种基于多观测变量HMM模型的人体动作分类识别方法。本发明的方法首先从人体雷达回波数据的微多普勒图中提取人体微多普勒信号的上、下包络和人体躯干的多普勒频率变化序列，作为HMM模型的三个观测变量，通过矢量量化，离散化观测变量的状态量。利用HMM模型的隐状态呈现出人体微多普勒信号上下包络和躯干频率变化的内在关系，并通过模型隐状态变量的马尔可夫性来表征运动人体状态变化的随机性，从而改善后续人体动作的分类性能，实验结果验证了该方法的有效性。
-
-
-
-
-
-
-
-
-
Search Results
192
records
(took 0.021 seconds)
