-
公开(公告)号：CN112487704B
公开(公告)日：2022-09-06
申请号：CN202011263534.5
申请日：2020-11-12
Applicant: 南京理工大学
Abstract: 发明公开了一种基于双层双通道卷积神经网络的多类型进动弹头参数估计方法。首先在一个视角下对一种类型的不同大小的弹头发射单一频率脉冲，得到该视角下同一类型不同大小弹头的主极化回波数据，接着从另一视角下发射单一频率脉冲，得到该视角下同一类型不同大小弹头的主极化回波数据，然后换另一种类型的弹头重复上述操作，直至所有类型的弹头都有两种视角下的主极化回波。然后对得到的回波数据进行时频变换，得到大量的时频图。将同一弹头两种视角两种主极化下的四张时频图作为一组数据，将得到的数据划分为训练集和测试集。搭建双通道双层卷积神经网络回归模型，将得到的训练集行进训练，将测试集进行测试，并得到各类型弹头各参数的相对均方根误差。本发明能够用来对多类型弹头进行参数估计。
-
公开(公告)号：CN111781589A
公开(公告)日：2020-10-16
申请号：CN202010368491.0
申请日：2020-04-30
Applicant: 南京理工大学
IPC: G01S13/50
Abstract: 本发明公开了一种提高微动锥体目标时频分辨率的时频分析方法。该方法为：首先建立弹道导弹目标几何模型，然后对目标发射单一频率脉冲，接收目标的回波，通过对目标回波做时频分析得到目标的时频分布图，从而可以估计微动的锥体目标的几何外形参数和微动参数，这对于目标识别具有很大的意义。为了获得目标的时频分布图，需要对目标的回波信号应用时频变换方法进行时频分析，时频变换方法的好坏就决定了时频分布图时频分辨率的高低，这直接影响后续参数估计的精度。本发明引入同步压缩小波变换SWT(Synchrosqueezing Wavelet Transform,SWT)对微动目标回波进行时频分析，与其他时频变换方法对比具有较高的时频分辨率。
-
公开(公告)号：CN112487704A
公开(公告)日：2021-03-12
申请号：CN202011263534.5
申请日：2020-11-12
Applicant: 南京理工大学
Abstract: 发明公开了一种基于双层双通道卷积神经网络的多类型进动弹头参数估计方法。首先在一个视角下对一种类型的不同大小的弹头发射单一频率脉冲，得到该视角下同一类型不同大小弹头的主极化回波数据，接着从另一视角下发射单一频率脉冲，得到该视角下同一类型不同大小弹头的主极化回波数据，然后换另一种类型的弹头重复上述操作，直至所有类型的弹头都有两种视角下的主极化回波。然后对得到的回波数据进行时频变换，得到大量的时频图。将同一弹头两种视角两种主极化下的四张时频图作为一组数据，将得到的数据划分为训练集和测试集。搭建双通道双层卷积神经网络回归模型，将得到的训练集行进训练，将测试集进行测试，并得到各类型弹头各参数的相对均方根误差。本发明能够用来对多类型弹头进行参数估计。
-
公开(公告)号：CN111598232A
公开(公告)日：2020-08-28
申请号：CN202010366837.3
申请日：2020-04-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种利用深度学习卷积神经网络估计复杂微动空间锥体目标参数的方法。该方法为：首先建立弹道导弹目标几何模型，然后对目标发射单一频率脉冲，接收目标的回波，通过对目标回波做时频分析得到目标的时频分布图，将时频图作为CNN的输入让网络学习时频图特征，最终得到锥体目标高度，底面半径及进动角的估计值，之前估计空间锥体目标的方法是从时频图中估计目标的微多普勒频率曲线，该方法稳定性差，估计的微多普勒频率会对参数估计结果造成很大影响，本发明介绍的方法直接从时频图中提取特征，估计的稳定性和精度均有提升，而且之前的方法只能估计进动目标，而本发明的方法既能估计进动的空间锥体目标也能估计章动空间锥体目标的参数。
-
Patent Agency Ranking
公开(公告)号：CN110320510A
公开(公告)日：2019-10-11
申请号：CN201910516582.1
申请日：2019-06-14
Applicant: 南京理工大学
IPC: G01S13/536 , G01S13/72 , G01S7/41 , G01S7/02
Abstract: 发明公开了一种基于质心高度参量消除的弹道导弹结构参数估计方法。该方法为：首先建立弹道导弹目标几何模型，构造目标函数；然后对目标发射单一频率脉冲，接收目标的回波并进行时频变换，获得回波的时频图；对时频图中进行拟合，得到锥底和锥顶瞬时微多普勒曲线；根据锥顶瞬时微多普勒曲线中相邻两次的极大值，得到目标的进动周期，将锥底瞬时微多普勒曲线一个周期内的前半个周期和后半个周期相加，得到目标曲线；最后对目标曲线和目标函数进行最小二乘，得到目标的半径和进动角；利用锥顶和锥底瞬时微多普勒曲线的极大值，得到目标的高度和质心高度。本发明消除了质心高度参量对弹道导弹结构参数估计的影响，提高了弹道导弹目标估计的准确性。
-
公开(公告)号：CN111598232B
公开(公告)日：2023-10-31
申请号：CN202010366837.3
申请日：2020-04-30
Applicant: 南京理工大学
IPC: G06N3/084 , G06N3/0464 , G06T17/00 , G01S13/50
Abstract: 本发明公开了一种利用深度学习卷积神经网络估计复杂微动空间锥体目标参数的方法。该方法为：首先建立弹道导弹目标几何模型，然后对目标发射单一频率脉冲，接收目标的回波，通过对目标回波做时频分析得到目标的时频分布图，将时频图作为CNN的输入让网络学习时频图特征，最终得到锥体目标高度，底面半径及进动角的估计值，之前估计空间锥体目标的方法是从时频图中估计目标的微多普勒频率曲线，该方法稳定性差，估计的微多普勒频率会对参数估计结果造成很大影响，本发明介绍的方法直接从时频图中提取特征，估计的稳定性和精度均有提升，而且之前的方法只能估计进动目标，而本发明的方法既能估计进动的空间锥体目标也能估计章动空间锥体目标的参数。
-
公开(公告)号：CN115690164A
公开(公告)日：2023-02-03
申请号：CN202211143352.3
申请日：2022-09-20
Applicant: 南京理工大学 , 上海航天控制技术研究所
Abstract: 本发明公开了一种基于残差学习的可见光‑红外序列目标跟踪方法，包括：初始化网络参数，对双波段图片序列的首帧进行目标采样，将样本输入包含三条并行分支的特征提取网络，每个分支分别提取可见光、红外、融合图像的特征；将特征图输入注意力模块，计算分层特征的注意力权重，用权重修正每一层的特征图；把最终的特征图送入各自的判别跟踪模块，得到目标跟踪的结果，利用融合分支与单模态分支的竞争、协作关系改进损失函数，根据目标真值框与实际跟踪框的偏差计算各分支的损失，优化网络；输入下一序列的图片，循环迭代得到跟踪网络模型，最终完成可见光——红外目标跟踪。本发明提高了可见光——红外目标跟踪的准确率和成功率。
-
公开(公告)号：CN110320510B
公开(公告)日：2022-06-24
申请号：CN201910516582.1
申请日：2019-06-14
Applicant: 南京理工大学
IPC: G01S13/536 , G01S13/72 , G01S7/41 , G01S7/02
Abstract: 发明公开了一种基于质心高度参量消除的弹道导弹结构参数估计方法。该方法为：首先建立弹道导弹目标几何模型，构造目标函数；然后对目标发射单一频率脉冲，接收目标的回波并进行时频变换，获得回波的时频图；对时频图中进行拟合，得到锥底和锥顶瞬时微多普勒曲线；根据锥顶瞬时微多普勒曲线中相邻两次的极大值，得到目标的进动周期，将锥底瞬时微多普勒曲线一个周期内的前半个周期和后半个周期相加，得到目标曲线；最后对目标曲线和目标函数进行最小二乘，得到目标的半径和进动角；利用锥顶和锥底瞬时微多普勒曲线的极大值，得到目标的高度和质心高度。本发明消除了质心高度参量对弹道导弹结构参数估计的影响，提高了弹道导弹目标估计的准确性。
-
公开(公告)号：CN114488125A
公开(公告)日：2022-05-13
申请号：CN202011263520.3
申请日：2020-11-12
Applicant: 南京理工大学
IPC: G01S13/88
Abstract: 本发明公开了一种利用空间映射优化进动锥体目标参数的方法。该方法利用空间映射优化方法估计空间锥体目标的几何参数和微动参数。具体步骤为：首先建立空进映射的粗模型和细模型，粗模型为散射中心模型，粗模型的精度比较差但是计算速度比较快。细模型为全波电磁仿真旋转对称体矩量法(BoRMoM)，它的仿真精度高，但是计算耗时，资源消耗比较大。本发明的根本思想就是，建立粗模型和细模型之间的映射关系，将对细模型的参数更新和优化转化为对粗模型参数的更新和优化，因为在粗模型中更新参数计算模型可以极大的提高效率。本发明最后用梯度下降法在精确解周围寻找更精确的解，与现有估计方法相比可以有效提高锥体目标参数估计的精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
