-
公开(公告)号：CN114970706B
公开(公告)日：2024-04-16
申请号：CN202210548920.1
申请日：2022-05-20
Applicant: 电子科技大学
Inventor： 周代英
IPC: G06V10/764 , G06V10/80
Abstract: 本发明属于目标识别技术领域，具体涉及一种真假目标一维距离像多特征非线性融合分类识别方法。本发明的方法首先从一维距离像中提取长度特征、相邻散射中心分布特征及主分量模式特征，然后，利用多个混合核函数形成一个非线性特征融合器对以上三类特征进行融合，实现目标的分类识别，由于通过特征融合使多个特征在信息域进行了互补，同时，非线性融合方法的引入，也一定程度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。对四类仿真目标的一维距离像数据进行了仿真实验，实验结果验证了该方法的有效性。
-
公开(公告)号：CN114913520B
公开(公告)日：2023-04-28
申请号：CN202210548936.2
申请日：2022-05-20
Applicant: 电子科技大学
IPC: G06V20/64 , G06V10/77 , G06V10/774
Abstract: 本发明属于目标识别技术领域，具体涉及一种矩阵多项式真假目标RCS序列特征提取方法。本发明的方法首先将一维距离像构成二维矩阵，然后利用每类目标的训练样本矩阵计算类平均矩阵，对类平均矩阵进行多项式特征提取，由于没有进行本征分解，相对于常规的特征子空间而言，能够获得更准确的目标特征，从而提高了目标识别性能，对四类仿真目标的RCS序列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：CN116008918A
公开(公告)日：2023-04-25
申请号：CN202211660377.0
申请日：2022-12-23
Applicant: 电子科技大学
IPC: G01S7/292 , G06F18/213 , G06F18/24 , G01S7/41
Abstract: 本发明属于多旋翼无人机目标识别技术领域，具体涉及一种多旋翼无人机识别中的谱图局部相位编码特征提取方法。本发明首先通过对无人机目标的雷达回波数据序列进行短时付氏变换，获得时频谱图，然后，将时频谱图像划分为多个互不交叠的子块，计算每一子块元素的相位值，按一定规则对元素相位值变换成二值化，将元素相位二进制数码与子块中心元素的数码异或后，按逆时针顺序构成一个编码序列，所有子块编码序列组成一个矢量，作为谱图相位局部编码特征，完成对多旋翼无人机的识别。由于充分利用了子块结构中相位信息，能够从雷达回波数据中提取到有关目标的结构形状特征，从而改善了对目标的识别率。
-
公开(公告)号：CN115980687A
公开(公告)日：2023-04-18
申请号：CN202211660374.7
申请日：2022-12-23
Applicant: 电子科技大学
Inventor： 周代英
IPC: G01S7/41 , G06F18/2415 , G06F18/2135 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本发明属于无人机目标识别技术领域，具体涉及一种基于深度卷积与归一化的无人机目标识别方法。本发明首先对多旋翼无人机的雷达回波数据序列进行预处理，然后输入到深度卷积特征与归一化特征综合网络中进行分类识别，卷积特征与归一化特征综合网络包括5个卷积子网、卷积特征综合子网和归一化特征综合子网，卷积特征综合子网由后3个卷积子网的卷积特征图按层次顺序进行排列，后接1个核大小为1×1的卷积层和1个全连接层，归一化特征综合子网由后3个卷积子网的归一化特征图按层次顺序进行排列，也后接1个核大小为1×1的卷积层和1个全连接层，再将卷积特征综合子网和归一化特征综合子网中的全连接层输入到softmax分类层，完成对目标的分类识别。
-
公开(公告)号：CN114936597B
公开(公告)日：2023-04-07
申请号：CN202210548847.8
申请日：2022-05-20
Applicant: 电子科技大学
IPC: G06F18/2413
Abstract: 本发明属于目标识别技术领域，具体涉及一种局部信息增强子空间真假目标特征提取方法。本发明的方法在利用训练样本集计算的类内散布矩阵中引入邻域局部非线性距离加权，增大具有密集分布邻域的样本贡献，由此建立的判别子空间能够提取到样本数据分布的局部差异特征，同时，采用了非线性距离，一定程度上表征了数据的非线性分布情况，从而提高了目标识别性能，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的有效性。
-
Patent Agency Ranking
公开(公告)号：CN114943286A
公开(公告)日：2022-08-26
申请号：CN202210548825.1
申请日：2022-05-20
Applicant: 电子科技大学
Abstract: 本发明属于未知目识别技术领域，具体涉及一种基于时域特征与空域特征融合的未知目标判别方法。本发明将预处理后的一维距离像(HRRP)数据通过双向门控循环单元网络(GRU)提取一维距离像深度时域相关特征，与空域主能量特征通过向量串联方式进行融合，实现对未知目标的判别。由于融合特征既利用一维距离像中的空域主能量信息，同时又包含一维距离像之间的时域相关性信息，因此改善了对未知目标的判别率，仿真实验结果验证了本方法的有效性。
-
公开(公告)号：CN114913520A
公开(公告)日：2022-08-16
申请号：CN202210548936.2
申请日：2022-05-20
Applicant: 电子科技大学
IPC: G06V20/64 , G06V10/77 , G06V10/774
Abstract: 本发明属于目标识别技术领域，具体涉及一种矩阵多项式真假目标RCS序列特征提取方法。本发明的方法首先将一维距离像构成二维矩阵，然后利用每类目标的训练样本矩阵计算类平均矩阵，对类平均矩阵进行多项式特征提取，由于没有进行本征分解，相对于常规的特征子空间而言，能够获得更准确的目标特征，从而提高了目标识别性能，对四类仿真目标的RCS序列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：CN111273285B
公开(公告)日：2022-08-05
申请号：CN202010152760.X
申请日：2020-03-06
Applicant: 电子科技大学
Abstract: 本发明属于多旋翼无人机分类技术领域，具体涉及一种多旋翼无人机的微多普勒谱相关矩阵特征提取方法。本发明首先通过对多旋翼无人机旋翼的回波数据进行短时傅里叶变换(STFT)，获得微多普勒谱数据，然后利用微多普勒谱数据提取相关矩阵特征，实现对多旋翼无人机的识别。由于提取的相关矩阵特征一方面只包含旋转叶片上强散射点的微多普勒信息，同时降低了噪声强度，因此，与从时频谱数据中提取的物理参数特征比较，对噪声具有更好的鲁棒性，即使在较低信噪比的情况下，也可以获得更高的识别率。
-
公开(公告)号：CN110221267B
公开(公告)日：2022-08-05
申请号：CN201910519254.7
申请日：2019-06-17
Applicant: 电子科技大学
IPC: G01S7/41
Abstract: 本文公开了一种目标库属性判别邻域保持学习子空间特征提取方法。该方法首先利用稀疏分析获得库属目标的每个训练样本的邻域样本稀疏系数，然后在低维空间以该系数对每一样本的邻域重构样本进行加权，建立邻域保持学习子空间提取库属目标的判别特征，由于在特征空间保持了邻域分布结构，增大库属目标特征分布区域的聚集度，从而提高了对库属目标和非库属目标的判别性能。对4类目标的仿真实验验证了方法的有效性。
-
公开(公告)号：CN112147605B
公开(公告)日：2022-08-02
申请号：CN202011026881.6
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，具体是涉及一种真假目标一维距离像的指数域变换矩特征提取方法。本发明的方法利用指数函数对目标一维距离像进行指数域变换，计算指数域变换矩，并从中选取部份指数域变换矩作为分类特征，由于指数域变换矩具有旋转不变性，增加了对目标姿态变化的鲁棒性，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。
-
-
-
-
-
-
-
-
-
Search Results
192
records
(took 0.023 seconds)
