雷达时频域数据特征原型向量智能化提取方法

    公开(公告)号:CN119961643A

    公开(公告)日:2025-05-09

    申请号:CN202411936223.9

    申请日:2024-12-26

    Abstract: 本说明书提供了一种雷达时频域数据特征原型向量智能化提取方法,涉及雷达智能探测领域。该方法通过构建雷达时频域训练数据,为智能化提取方法提供训练样本;将雷达时频域训练数据分为支持集和查询集;对支持集样本标签进行分析处理,生成支持集样本的分割掩码;搭建卷积特征提取网络模型,并初始化网络模型参数;对卷积特征提取网络提取的雷达时频域数据特征图进行掩码平均池化处理;设计卷积特征提取网络优化函数;使用查询集数据标签计算损失函数,并对卷积特征提取网络模型参数进行迭代更新,直到训练结果收敛满足需求,输出目标信号的特征原型向量。解决了现有特征提取方法提取到的特征显著性不足,不利于分类识别的问题。

    基于时频域信号二维差异性特征的智能目标检测方法

    公开(公告)号:CN116010849A

    公开(公告)日:2023-04-25

    申请号:CN202211733022.X

    申请日:2022-12-30

    Abstract: 本发明公开了一种基于时频域信号二维差异性特征的智能目标检测方法,从时频维对目标二维差异性特征进行分析,提出了一种基于目标时频域二维差异性特征的智能目标检测算法,并结合目标特征对算法性能评价指标进行了优化。第一步,通过构建时频二维图训练样本数据集,为智能目标检测方法提供训练样本;第二步,利用训练集样本标签信息,构建基于时频域信号二维差异性特征的标签数据集;第三步,搭建智能目标检测方法的深度神经网络模型及基于二维数据的损失函数模型,并设定网络模型参数;第四步,利用标签数据集和深度神经网络输出信息对网络模型参数进行迭代更新,直到训练结果收敛满足需求;最后,对二维预测信息进行处理,得到目标检测结果,并基于目标标签特征对模型性能进行评价。本发明的优点是:利用信号时频域二维差异性特征,对模型更新策略及评价方法进行优化,能够实现智能目标检测方法在快速收敛的同时实现精度提升,有利于提升雷达导引头的智能化目标检测性能并提供高精度、高可靠性评价。

Patent Agency Ranking