-
公开(公告)号：CN113723353B
公开(公告)日：2023-12-12
申请号：CN202111069733.7
申请日：2021-09-13
Applicant: 上海交通大学
IPC: G06F18/213 , G06F18/24 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种随机多径干扰条件下基于CBD网络的调制信号识别方法，包括步骤：根据无线信号传输系统，基于多种噪声模型生成多径干扰下不同调制类型的通信信号，构成数据集；设计基于注意力机制的CNN‑BiLSTM‑DNN模型，包括CNN特征提取模块、双向长短时记忆网络模块和全连接层分类模块；使用固定多径参数生成的数据集对模型进行训练与验证，保存最佳模型；评估验证集的表现，与此同时，重新生成多径参数在训练集基础上随机波动的测试数据集，使用上述最佳模型测试对其识别效果，对比验证集与测试集表现，进行泛化性分析。
-
公开(公告)号：CN111708028A
公开(公告)日：2020-09-25
申请号：CN202010520691.3
申请日：2020-06-09
Applicant: 上海交通大学
Abstract: 基于多重分形谱的SAR图像二次成像方法，包括步骤：对SAR图像像元进行二维局部延迟自相关分析或伪魏格纳时频展开，获得四维数组，四维数组包括原始自变量和二维延迟分量(或二维频率分量)；保留原始自变量，对二维延迟分量(或二维频率分量)进行二维多重分形谱分析，获得SAR图像局部点的多重分形谱；遍历原始SAR图像各空间点，对多重分形谱进行处理，得到SAR图像的多重分形谱SAR二次成像结果。该方法可利用多重分形理论对自然场景描述的优势，通过二次成像得到的多重分形谱SAR图像，该图像同时包含空间图像信息和多重分形谱信息，可以为SAR图像特征提取提供更丰富的细节，为SAR图像解译提供一种新思路。
-
公开(公告)号：CN115393693A
公开(公告)日：2022-11-25
申请号：CN202211140750.X
申请日：2022-09-19
Applicant: 上海交通大学
IPC: G06V10/82 , G06V10/776 , G06V10/774 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于ICRN的序贯UWB‑IR图像车辆目标识别方法，包括步骤S100：基于阵列成像方法的UWB‑IR车辆目标成像数据集构造；步骤S200：ICRN网络模型设计，包括掩码层、可迭代卷积层和RNN层三个子模块，该模型利用了单个图像深度特征与序列图像间深度关联特征，并具备对序贯图像数量的动态自适应性；步骤S300：基于UWB‑IR仿真车辆图像集的ICRN模型分类性能验证；步骤S400：ICRN模型的泛化性与动态序贯目标识别性能分析。
-
公开(公告)号：CN110244275A
公开(公告)日：2019-09-17
申请号：CN201910658726.7
申请日：2019-07-19
Applicant: 上海交通大学
Abstract: 本发明提供了一种海杂波双谱重构与仿真方法，通过给定的多重分形谱，估计信号瞬时奇异性指数的统计分布，得到给定奇异性指数对应的时间子集的数量，按照一致均匀覆盖假定，随机选择给定奇异性指数对应的时间子集的时刻位置；根据MFS以及小波系数与尺度具有对数线性关系，仿真和重构各级尺度小波系数，根据各段奇异性指数区间的总能量，修正各尺度小波系数；通过多尺度小波重构算法，仿真得到具有给定海况条件、多重分形谱和奇异性功率谱的雷达海杂波序列。弥补了传统海杂波重构方法在奇异率功率谱控制方面的不足，同时，基于一致均匀覆盖假定，引入给定奇异性子集在时域的随机性，从一定程度上解决了以往基于分形的海杂波重构模型的多值性问题。
-
公开(公告)号：CN116883724A
公开(公告)日：2023-10-13
申请号：CN202310724703.8
申请日：2023-06-19
Applicant: 上海交通大学
IPC: G06V10/764 , G01S7/02 , G01S7/41 , G06V10/62 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/082
Abstract: 本发明公开了一种基于物理特征提取和SIFCDN模型的UWB引信目标识别方法，包括步骤：针对实测超宽带引信目标回波，提取一维序列特征和二维多普勒图像特征，融合两种特征构建引信目标物理特征；设计序列‑图像融合编码深度网络模型，包括多头注意力序列‑图像特征融合模块、多头注意力编码模块和线性分类模块；基于实测数据提取的引信目标物理特征，对序列‑图像融合编码深度网络模型进行训练和验证，并保存最佳模型；采用复杂场景条件下的实测引信目标回波，提取物理特征，对序列‑图像融合编码深度网络模型进行识别性能测试，验证物理特征提取和模型的有效性。
-
Patent Agency Ranking
公开(公告)号：CN115481667A
公开(公告)日：2022-12-16
申请号：CN202211250833.4
申请日：2022-10-12
Applicant: 上海交通大学
Abstract: 本发明公开了一种基于多尺度UDA和特征学习的UWB引信目标识别方法，包括步骤：根据等效散射中心模型对目标进行建模，基于仿真模型生成多种目标的超宽带引信回波信号，构建存在分布差异的有标签源域数据集和无标签目标域数据集；设计基于多尺度无监督领域自适应网络的模型，包括多尺度CNN特征提取模块、MLP特征学习模块和DNN分类模块；在有标签的源域数据上使用有监督方法对模型进行训练与验证，保存最佳预训练模型及类别特征中心；固定MLP特征学习模块和DNN分类模块，将最佳模型迁移到无标签的目标域数据，使用无监督方法对模型进行训练微调，使用微调后的模型对目标域数据识别，获得引信目标识别结果。
-
公开(公告)号：CN116125426A
公开(公告)日：2023-05-16
申请号：CN202310187137.1
申请日：2023-02-28
Applicant: 上海交通大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于航向信息融合的超宽带冲击引信目标识别方法，包括步骤S100：UWB‑IF目标信号与航向信息获取：针对UWB‑IF目标，采集目标雷达回波信号的同时，获取目标瞬时航向信息；步骤S200：DF‑CBD网络模型设计：设计DF‑CBD模型，包括雷达信号识别通道与航向辅助通道，采用双通道的形式，利用目标航向信息，约束基础目标域的范围，从概率学上提升识别准确率；步骤S300：DF‑CBD模型效果验证：针对相同数据集，在不同信噪比环境下，对比添加航向融合与不添加航向融合时的目标识别率。
-
-
公开(公告)号：CN111708028B
公开(公告)日：2022-04-08
申请号：CN202010520691.3
申请日：2020-06-09
Applicant: 上海交通大学
Abstract: 基于多重分形谱的SAR图像二次成像方法，包括步骤：对SAR图像像元进行二维局部延迟自相关分析或伪魏格纳时频展开，获得四维数组，四维数组包括原始自变量和二维延迟分量(或二维频率分量)；保留原始自变量，对二维延迟分量(或二维频率分量)进行二维多重分形谱分析，获得SAR图像局部点的多重分形谱；遍历原始SAR图像各空间点，对多重分形谱进行处理，得到SAR图像的多重分形谱SAR二次成像结果。该方法可利用多重分形理论对自然场景描述的优势，通过二次成像得到的多重分形谱SAR图像，该图像同时包含空间图像信息和多重分形谱信息，可以为SAR图像特征提取提供更丰富的细节，为SAR图像解译提供一种新思路。
-
公开(公告)号：CN113723353A
公开(公告)日：2021-11-30
申请号：CN202111069733.7
申请日：2021-09-13
Applicant: 上海交通大学
Abstract: 本发明公开了一种随机多径干扰条件下基于CBD网络的调制信号识别方法，包括步骤：根据无线信号传输系统，基于多种噪声模型生成多径干扰下不同调制类型的通信信号，构成数据集；设计基于注意力机制的CNN‑BiLSTM‑DNN模型，包括CNN特征提取模块、双向长短时记忆网络模块和全连接层分类模块；使用固定多径参数生成的数据集对模型进行训练与验证，保存最佳模型；评估验证集的表现，与此同时，重新生成多径参数在训练集基础上随机波动的测试数据集，使用上述最佳模型测试对其识别效果，对比验证集与测试集表现，进行泛化性分析。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
