-
公开(公告)号：CN115032602B
公开(公告)日：2025-01-17
申请号：CN202210391547.3
申请日：2022-04-14
Applicant: 杭州电子科技大学
IPC: G01S7/41 , G06F18/2415 , G06F18/214 , G06F18/243 , G06F18/25 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于多尺度卷积胶囊网络的雷达目标识别方法，利用改进的深度学习网络即多尺度卷积胶囊网络对目标HRRP进行识别分类，融合了泛化能力强的网络来充分捕捉HRRP中有效的结构信息，在构建复杂模型的同时还优化了网络中的参数，实现更快的收敛和更高的识别性能，基于CNN获取局部结构信息的能力和Inception结构，提出了多尺度CNN结构，从多个角度详细捕捉HRRP目标的不同层次的可分信息，增加了网络的稀疏性。同时将更鲁棒的胶囊网络作为CNN的补充，弥补了CNN难以体现目标HRRP序列结构信息的不足，以更强的拟合能力在雷达HRRP识别领域发挥更大的优势。
-
Patent Agency Ranking
公开(公告)号：CN115047423A
公开(公告)日：2022-09-13
申请号：CN202210391944.0
申请日：2022-04-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于对比学习无监督预训练‑微调式的雷达目标识别方法，首先对原始样本进行预处理，进行数据扩充；然后采用reshape和数据增强的方式增加HRRP样本的结构多样性；再输入SimSiam模块；将SimSiam模块编码器网络的输出在下游分类模块上进行微调，通过shape操作后再输入下游分类模块中，最终实现HRRP识别分类；本发明中采用数据增强的方式，让模型学到更多的有效特征信息，有助于提升迁移到下游分类任务的识别性能。通过定义不同的下游分类模块能够得到各种不同的应用于HRRP目标识别的通用鲁棒模型，为雷达HRRP目标识别领域提供了一种新的思路和方法。
-
公开(公告)号：CN115032602A
公开(公告)日：2022-09-09
申请号：CN202210391547.3
申请日：2022-04-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多尺度卷积胶囊网络的雷达目标识别方法，利用改进的深度学习网络即多尺度卷积胶囊网络对目标HRRP进行识别分类，融合了泛化能力强的网络来充分捕捉HRRP中有效的结构信息，在构建复杂模型的同时还优化了网络中的参数，实现更快的收敛和更高的识别性能，基于CNN获取局部结构信息的能力和Inception结构，提出了多尺度CNN结构，从多个角度详细捕捉HRRP目标的不同层次的可分信息，增加了网络的稀疏性。同时将更鲁棒的胶囊网络作为CNN的补充，弥补了CNN难以体现目标HRRP序列结构信息的不足，以更强的拟合能力在雷达HRRP识别领域发挥更大的优势。
-
公开(公告)号：CN115047423B
公开(公告)日：2025-01-17
申请号：CN202210391944.0
申请日：2022-04-14
Applicant: 杭州电子科技大学
IPC: G01S7/41 , G06F18/2415 , G06F18/243 , G06F18/214 , G06N3/0455 , G06N3/088 , G06N3/0464
Abstract: 本发明公开了基于对比学习无监督预训练‑微调式的雷达目标识别方法，首先对原始样本进行预处理，进行数据扩充；然后采用reshape和数据增强的方式增加HRRP样本的结构多样性；再输入SimSiam模块；将SimSiam模块编码器网络的输出在下游分类模块上进行微调，通过shape操作后再输入下游分类模块中，最终实现HRRP识别分类；本发明中采用数据增强的方式，让模型学到更多的有效特征信息，有助于提升迁移到下游分类任务的识别性能。通过定义不同的下游分类模块能够得到各种不同的应用于HRRP目标识别的通用鲁棒模型，为雷达HRRP目标识别领域提供了一种新的思路和方法。
-
公开(公告)号：CN115062754A
公开(公告)日：2022-09-16
申请号：CN202210391546.9
申请日：2022-04-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于优化胶囊的雷达目标识别方法，首先对原始HRRP样本集进行预处理，进行数据扩充；通过SimSiam模块进行特征提取，提取到的高维特征传入卷积模块，将经过卷积模块提取到的特征输入基于SE层的基础胶囊网络，最后搭建分类器，对HRRP目标分类。通过新的路由机制实现HRRP目标的识别，实现更快的收敛和更高的识别性能，从多个角度详细捕捉HRRP目标的不同层次的可分信息，增加了网络的稀疏性。优化基础胶囊质量并减少胶囊参数量，极大地降低了网络中可训练的参数量还提升了一定的识别性能，为实际的雷达识别工程应用提供一种可行的方法。
-
公开(公告)号：CN115047422A
公开(公告)日：2022-09-13
申请号：CN202210391943.6
申请日：2022-04-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多尺度混合空洞卷积的雷达目标识别方法，首先进行数据集获取，对数据集中的样本进行预处理；通过动态调整层对HRRP样本进行整体的动态范围调整；通过多尺度混合空洞卷积模块对动态调整后的数据进行特征提取；通过使用通道注意力机制，对通道间的相互依赖建模来使多尺度混合空洞卷积模块自适应地重新缩放每个通道的特征重要性；搭建分类器，对HRRP目标分类。本发明使用多尺度卷积核提取不同物理结构特征，并使用空洞卷积扩大卷积核在序列问题上的感受野，利用注意力机制为模型增加了自适应缩放特征重要性的能力。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
