-
公开(公告)号：CN117148285A
公开(公告)日：2023-12-01
申请号：CN202211702013.4
申请日：2022-12-29
Applicant: 北京理工大学 , 北京理工大学唐山研究院
IPC: G01S7/36 , G06F18/2431 , G06F18/24 , G06F18/10 , G06F18/214 , G06F18/2113 , G01S7/02
Abstract: 本发明属于雷达电子对抗、数据分类及信号识别技术领域，涉及一种基于多域特征与决策树的雷达有源干扰识别方法。包括：分别从时域、频域、小波域及双谱域获取每个干扰信号的高维特征向量；将高维特征向量作为一个数据样本，并对所有样本进行标签标注，得到有标签数据集；再对数据集进行标准化处理并划分为训练集和测试集；特征选择阶段通过RF算法对多域特征数据集进行特征选择得到训练集和测试集的最优特征子集；XGBoost训练阶段完成XGBoost分类器的构建与训练。所述方法能有效识别各类有源干扰；提高了识别准确率和泛化能力，降低了计算开销，提高了有源干扰识别的准确率和鲁棒性。
-
公开(公告)号：CN115047412A
公开(公告)日：2022-09-13
申请号：CN202210741920.3
申请日：2022-06-27
Applicant: 北京理工大学 , 北京理工大学唐山研究院
Abstract: 本发明属于电子对抗、干扰抑制及信号识别技术领域，尤其涉及一种基于双阶段UNet的遮蔽式箔条干扰抑制方法。包括：使用宽带极化雷达采集信号，得到实测数据；进行脉冲压缩和归一化，得到目标、箔条干扰和混合的距离像序列灰度图；构造伪实测数据，得到目标、箔条干扰、伪实测的目标和箔条干扰混合的距离像序列灰度图和分割真值图；构建基于双阶段UNet的箔条干扰抑制网络及其损失函数；使用伪实测数据进行训练，得到最优的基于双阶段UNet的箔条干扰抑制网络；进行测试，实现遮蔽式箔条干扰的抑制。所述方法对遮蔽式箔条干扰下目标前景的分割效果好、对箔条干扰的抑制效果好、受环境影响小、能应对各种类型、各个阶段的箔条干扰。
-
Patent Agency Ranking
公开(公告)号：CN115079103B
公开(公告)日：2025-04-29
申请号：CN202210683889.2
申请日：2022-06-16
Applicant: 北京理工大学
IPC: G01S7/292 , G01S7/295 , G01S7/36 , G06F18/2411 , G06F18/214
Abstract: 本发明属于电子对抗、数据分类与信号识别技术领域，尤其涉及一种基于多域特征与LightGBM的抗箔条干扰方法。包括：将宽带极化雷达水平极化接收通道的箔条干扰下的目标回波数据进行预处理，得到水平极化接收通道的距离像序列；进行箔条干扰类型判断和目标分割，得到目标距离像序列和箔条干扰距离像序列；从时域、频域、极化域提取并得到特征向量，并将每个序列得到的特征向量作为一个样本；将样本进行标签标注；将带标签样本进行数据划分，得到训练集与测试集；并进行训练和测试，实现箔条干扰的识别和对抗。所述方法对抗遮蔽式箔条干扰效果好且分类准确率高，对海杂波鲁棒性好、抗干扰效率高。
-
公开(公告)号：CN115079104A
公开(公告)日：2022-09-20
申请号：CN202210692057.7
申请日：2022-06-17
Applicant: 北京理工大学
Abstract: 本发明属于信号分选技术领域，涉及基于改进模糊自适应共振网络的雷达信号分选方法。包括：构造雷达混合脉冲序列、基于特征参数构建特征集并归一化；构建改进模糊自适应共振网络；将归一化的特征集样本输入改进模糊自适应共振网络处理，具体包括聚类趋势视觉评估，选择获胜神经元并计算输入样本与获胜神经元的匹配度；判断匹配度是否超过警戒阈值，并循环更新权重向量，将得到的类别矩阵送入类合并模块进行类别合并，输出最终的样本分类结果；再进行指标评估；所述方法增强了网络记忆性、使其对输入顺序不敏感、适应不同输入模式，避免了类增值现象；在类别数目未知时，实现了准确确定类数目、大幅提升了分选正确率且运行速度更快、稳定性更强。
-
公开(公告)号：CN115079104B
公开(公告)日：2025-02-18
申请号：CN202210692057.7
申请日：2022-06-17
Applicant: 北京理工大学
Abstract: 本发明属于信号分选技术领域，涉及基于改进模糊自适应共振网络的雷达信号分选方法。包括：构造雷达混合脉冲序列、基于特征参数构建特征集并归一化；构建改进模糊自适应共振网络；将归一化的特征集样本输入改进模糊自适应共振网络处理，具体包括聚类趋势视觉评估，选择获胜神经元并计算输入样本与获胜神经元的匹配度；判断匹配度是否超过警戒阈值，并循环更新权重向量，将得到的类别矩阵送入类合并模块进行类别合并，输出最终的样本分类结果；再进行指标评估；所述方法增强了网络记忆性、使其对输入顺序不敏感、适应不同输入模式，避免了类增值现象；在类别数目未知时，实现了准确确定类数目、大幅提升了分选正确率且运行速度更快、稳定性更强。
-
公开(公告)号：CN115019141A
公开(公告)日：2022-09-06
申请号：CN202210625921.1
申请日：2022-06-02
Applicant: 北京理工大学
IPC: G06V10/80 , G06V10/82 , G06V20/70 , G06V10/774 , G06V10/764 , G06V10/22 , G06T7/73 , G01S7/41
Abstract: 本发明涉及一种基于多尺度特征融合的雷达目标检测方法，属于雷达目标探测技术领域。所述方法致力于改进现有目标检测模型Faster RCNN，通过多尺度特征融合设计增强小目标特征表征能力，进而提升杂波背景下的小目标检测性能。包括：构建目标检测数据集并划分训练集和测试集；将训练集依次输入基于多尺度特征融合的主干网络、区域生成网络、分块池化网络和输出网络进行模型训练，获得训练好的目标检测模型；将测试集输入训练好的目标检测模型中进行模型测试，获得测试图像的预测类别和位置坐标。所述方法通过融合高层特征的强语义信息和低层特征的丰富细节信息，有效提高了小目标的特征表征能力，从而实现了较高的检测精度。
-
公开(公告)号：CN115079103A
公开(公告)日：2022-09-20
申请号：CN202210683889.2
申请日：2022-06-16
Applicant: 北京理工大学
Abstract: 本发明属于电子对抗、数据分类与信号识别技术领域，尤其涉及一种基于多域特征与LightGBM的抗箔条干扰方法。包括：将宽带极化雷达水平极化接收通道的箔条干扰下的目标回波数据进行预处理，得到水平极化接收通道的距离像序列；进行箔条干扰类型判断和目标分割，得到目标距离像序列和箔条干扰距离像序列；从时域、频域、极化域提取并得到特征向量，并将每个序列得到的特征向量作为一个样本；将样本进行标签标注；将带标签样本进行数据划分，得到训练集与测试集；并进行训练和测试，实现箔条干扰的识别和对抗。所述方法对抗遮蔽式箔条干扰效果好且分类准确率高，对海杂波鲁棒性好、抗干扰效率高。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
