-
公开(公告)号：CN119355672A
公开(公告)日：2025-01-24
申请号：CN202411381396.9
申请日：2024-09-30
Applicant: 南京邮电大学
IPC: G01S7/41 , G06V20/10 , G06V10/62 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464
Abstract: 本发明公开基于代价敏感焦点损失卷积神经网络的海面目标检测方法，属于雷达目标分类领域；方法包括：采用雷达获取海杂波和目标回波的数据，并对海杂波和目标回波的数据进行预处理；根据预处理的数据提取目标时间序列与海杂波时间序列的高维特征，构建特征数据集，用于训练卷积神经网络模型；结合焦点损失函数和代价敏感学习机制，设置卷积神经网络模型的损失函数；动态调整代价矩阵中的误分类代价值以优化训练过程；利用优化训练后的卷积神经网络模型，输出检测结果；巧妙地将焦点损失与代价敏感学习相结合，不仅在训练过程中平衡了对难易样本的关注度，而且通过对不同类别的误分类施加不同的代价，优化了模型处理各类误分类的策略。
-
公开(公告)号：CN119001623A
公开(公告)日：2024-11-22
申请号：CN202411075707.9
申请日：2024-08-07
Applicant: 南京邮电大学
IPC: G01S7/36 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08 , G01S7/02 , G01S13/89
Abstract: 本发明公开基于轻量化深度学习的雷达脉内调制类型识别方法及系统，属于雷达信号处理领域；识别方法包括：使用仿真软件对不同的调制类型进行仿真，得到原始数据集；将原始数据集进行小波变换，得到二维时频特征图像，并通过最近邻插值算法缩小图像尺寸；对每一种调制类型的二维时频特征图集划分为训练集和测试集；将各个调制类型的训练集送入变分自编码器模型中，将每种调制类型的训练集进行平衡和扩充；将平衡后的训练集送入基于轻量化深度学习网络模型中进行训练；使用训练好的基于网络模型对每种调制类型的测试集进行测试，得到识别准确率；将二维时频特征图输入训练后的网络模型，输出调制类型识别结果。
-
公开(公告)号：CN116027279A
公开(公告)日：2023-04-28
申请号：CN202211487384.5
申请日：2022-11-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于迁移成分分析的实测雷达辐射源脉内调制识别方法，包括：根据雷达信号模型生成仿真雷达辐射源信号；对仿真雷达辐射源信号和实测雷达辐射源信号进行预处理；对预处理后的仿真、实测雷达辐射源信号提取带宽、谱峰个数、相对峰值差和频谱熵特征，组成仿真、实测四维特征向量；利用迁移成分分析方法，将仿真四维特征向量和实测四维特征向量映射到同一隐藏空间，获取仿真信号的隐域特征和实测信号的隐域特征；利用仿真信号的隐域特征向量对支持向量机SVM模型进行训练，得到训练好的SVM模型；将实测信号的隐域特征向量输入训练好的SVM模型，根据模型的输出，确定实测雷达辐射源脉内调制识别结果。
-
公开(公告)号：CN114545354A
公开(公告)日：2022-05-27
申请号：CN202210192424.7
申请日：2022-02-28
Applicant: 南京邮电大学
IPC: G01S7/41
Abstract: 本发明公开了海面目标分类领域的一种海面目标分类方法及系统，包括：通过雷达采集海面的检测数据，并推导获得检测数据对应的检测递归图；将检测递归图输入预先训练的分类器模型，得到分类结果；所述分类器模型的训练过程包括：获取海面的历史检测数据，对历史检测数据进行预处理构建递归图数据集；利用递归图数据集对卷积神经网络训练，获得分类准确率大于设定值的分类器模型；本发明将海面回波数据生成递归图，并利用卷积神经网络进行自主的特征提取，区分目标和杂波，实现快速、准确的海面目标分类效果。
-
公开(公告)号：CN116756664A
公开(公告)日：2023-09-15
申请号：CN202310605090.6
申请日：2023-05-26
Applicant: 南京邮电大学
IPC: G06F18/2431 , G01S7/40 , G06F18/25 , G06F18/2411 , G06F18/2415 , G06F18/214
Abstract: 本发明公开了雷达模式识别领域的一种基于DS论据的雷达工作模式识别方法及系统，包括：采集实时雷达工作模式数据并输入至预先训练好的雷达工作模式识别模型获得判决结果；所述雷达工作模式识别模型的训练过程包括：获取仿真雷达工作模式数据，将仿真雷达工作模式数据建立训练数据集合，所述仿真雷达工作模式数据设有真实分类标签；利用所述训练数据集合训练雷达工作模式识别模型；基于训练判决结果和真实分类标签计算平均正确识别率，根据平均正确识别率对SVM分类器模组的参数进行调优，重复迭代获得识别准确率大于设定阈值A的雷达工作模式识别模型；本发明能够同时对六种典型的雷达工作模式进行识别，并且提高识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN111505598B
公开(公告)日：2023-07-28
申请号：CN202010342976.2
申请日：2020-04-27
Applicant: 南京邮电大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于FRFT域三特征联合检测装置及方法，所述方法包括：采集雷达回波数据进行FRFT变换获取分数阶域数据向量；对分数阶域数据向量进行特征提取；将提取的特征联合，利用快速凸包检测算法实现目标检测对比分析。本发明中是一种基于分数阶傅里叶变换FRFT域三特征联合的海面目标检测装置，通过将实测的海杂波数据进行FRFT域三特征联合检测和单特征检测的检测性能曲线实验对比，证明所提FRFT域三特征联合检测算法的可行性。
-
公开(公告)号：CN116243268A
公开(公告)日：2023-06-09
申请号：CN202310171004.5
申请日：2023-02-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于特征优选和虚警可控三维凹包的海面漂浮小目标检测方法及装置，包括：从雷达接收回波中提取海杂波和待检测样本的八维特征向量；从海杂波和待检测样本的八维特征向量中分别选取最佳的三维特征向量，将海杂波最佳三维特征向量作为训练样本点，待检测样本最佳三维特征向量作为待检测样本点；使用虚警可控的alpha凹包算法，以单次的凹包体积损失最大为原则，根据虚警率逐次从训练样本点中删除虚警点，完成对训练样本点的更新；获取包含所有训练样本点的凸包区域；将凸包区域转变成包含所有训练样本点的凹包判决区域；判断待检测样本点对应于凹包判决区域的位置，得到检测结果。在满足虚警可控的前提下，实现准确的海面目标检测。
-
公开(公告)号：CN113093135B
公开(公告)日：2023-05-26
申请号：CN202110306577.5
申请日：2021-03-23
Applicant: 南京邮电大学
IPC: G01S7/41
Abstract: 本发明公开基于F范数归一化距离的目标检测方法，包括：接收目标的回波数据，随机选取回波数据中的一个单元为待检测单元，在所述待检测单元周边选取若干个单元为参考单元，计算待检测单元中回波数据的协方差矩阵及若干个参考单元中回波数据的协方差均值矩阵；利用预先构建的基于F范数的几何度量函数获取待检测单元中回波数据的协方差矩阵与若干个参考单元中回波数据的协方差均值矩阵的几何距离；比较预设的判决门限与所述几何距离，若所述几何距离大于所述判决门限则判定待检测单元中存在目标。相比常规检测方法，算法计算量较小，检测性能更优。
-
公开(公告)号：CN112906579A
公开(公告)日：2021-06-04
申请号：CN202110204039.5
申请日：2021-02-24
Applicant: 南京邮电大学
Abstract: 本发明公开了雷达目标分类技术领域的一种基于K均值聚类与SVM的海杂波弱目标分类方法及系统，对雷达接收回波信号从时域、频域以及极化分解等多个角度提取特征并进行特征组合，保证了所提取特征的最优性，能在实测海杂波数据实验中面对不同的目标获得较好的分类性能。包括：对雷达回波数据进行多角度特征提取，构建特征矩阵，并进行归一化处理，得到海杂波特征样本；将海杂波特征样本输入构建的海杂波弱目标分类器中，获得分类后的各项指标。
-
公开(公告)号：CN108535711B
公开(公告)日：2021-06-04
申请号：CN201810209618.7
申请日：2018-03-14
Applicant: 南京邮电大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于分组的海杂波协方差矩阵估计方法，包括：估计海杂波的纹理，并计算纹理在空间距离上的相关系数；利用参考样本估计每组的协方差矩阵；计算每组的加权系数；确定干扰所在的分组，并将其剔除；计算干扰剔除后的协方差矩阵。本发明采用分组算法以及对每组添加加权系数的方式，实现了空间部分均匀的样本在组内的均匀化；同时，考虑到干扰的存在，利用协方差矩阵之间的差异提出了一种衡量差异的参数，以确定干扰所在的分组，并最终剔除干扰，提高检测性能。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.02 seconds)
