基于中心点回归的深度学习目标检测方法

    公开(公告)号:CN113688830B

    公开(公告)日:2024-04-26

    申请号:CN202110930245.4

    申请日:2021-08-13

    Abstract: 本发明提供一种基于中心点回归的深度学习目标检测方法,包括以下具体步骤:在原CenterNet网络结构上引入水平连接模块将不同层之间的特征进行关联,融合了深层特征和浅层特征,以提高小目标检测性能;在水平连接模块中引入通道注意力模块,对不同通道间的特征响应进行自适应校准,改善了网络的特征提取能力;最后在UCAS‑AOD和RSOD公共遥感数据集上进行对比实验。本发明在遥感图像飞机目标检测中不仅有较高的检测精度,同时保持了单阶段检测模型的速度优势,具有一定的实用价值。

    一种基于频控阵MIMO雷达的低截获系统的设计方法

    公开(公告)号:CN111352079A

    公开(公告)日:2020-06-30

    申请号:CN202010404529.5

    申请日:2020-05-13

    Abstract: 本发明公开了一种基于频控阵MIMO雷达的低截获系统的设计方法,采用如下方法设计波形:S0:初始化迭代次数,随机初始化发射波束矩阵;S1:固定当前的发射波束矩阵,计算第k次迭代下的接收滤波器;S2:固定本次迭代下的接收滤波器,利用类功率迭代法更新发射波束向量;S3:重复步骤S1~S2,至迭代结束;S4:基于最终的发射波束矩阵和接收滤波器设计低截获的频控阵MIMO雷达系统。本发明以最小化频控阵MIMO雷达的发射能量辐射和最大化输出信干噪比为目标,在考虑干扰和噪声环境以及天线上发射能量约束下,将优化准则构造成单个分式规划的最小化问题,本发明在目标区域上形成零陷,降低了雷达被截获概率,同时实现了最大化输出SINR。

    基于贝叶斯干扰控制的变异指数的BVI-CFAR目标检测算法

    公开(公告)号:CN113189560A

    公开(公告)日:2021-07-30

    申请号:CN202110540434.0

    申请日:2021-05-18

    Abstract: 公开了一种基于贝叶斯干扰控制的变异指数的BVI‑CFAR目标检测算法,所述算法首先将滑动窗口分为前后检测窗后,再次将前后检测窗口分为两份,得到四个检测窗口,然后采用变异指数对四个滑动窗口过程进行分析,判断干扰可能存在的窗口位置,然后采用贝叶斯滑动窗口干扰控制方法,对窗口干扰进行预测和补偿,推导出了贝叶斯变异指数算法的检测过程的表达式。本发明首次将贝叶斯滑动窗口干扰控制的方法运用于变异指数检测过程,具有很好的多目标检测效果,相对于传统的VI‑CFAR算法,解决了VI‑CFAR检测器在两侧都出现目标时,检测概率大大降低的问题,贝叶斯干扰控制的运用,减少了干扰对检测过程的影响,提高了雷达在复杂环境和多目标环境下的检测性能,为CFAR算法提供了新方法。

    基于距离-角度联合估计的RATM-CFAR检测器及检测方法

    公开(公告)号:CN112731307A

    公开(公告)日:2021-04-30

    申请号:CN202011510328.X

    申请日:2020-12-19

    Abstract: 公开了一种基于距离‑角度联合估计的RATM‑CFAR检测器及检测方法,所述方法包括:采集雷达回波数据,对数据进行2D‑FFT得到(RDM)距离多普勒矩阵,然后对RDM矩阵进行CFAR的过程之中,采用距离‑角度估计的结果用于CFAR算法的先验估计,将频域转成空域进行处理,剔除待测单元附近的干扰目标和距离较远的前提目标,然后将剩余单元进行基于背景杂波估计的CFAR算法选择,得到最终检测结果。本发明首次将距离‑角度估计的结果用于CFAR算法的先验估计,实现了频域到空域的转换,具有实现方法简单、能够避免小目标的漏检,且检测精度高、环境适应性及抗干扰性强的优点,提高了雷达在复杂环境和多目标环境下的检测性能,为CFAR算法提供了新方法。

    基于贝叶斯干扰控制的变异指数的BVI-CFAR目标检测算法

    公开(公告)号:CN113189560B

    公开(公告)日:2023-04-28

    申请号:CN202110540434.0

    申请日:2021-05-18

    Abstract: 公开了一种基于贝叶斯干扰控制的变异指数的BVI‑CFAR目标检测算法,所述算法首先将滑动窗口分为前后检测窗后,再次将前后检测窗口分为两份,得到四个检测窗口,然后采用变异指数对四个滑动窗口过程进行分析,判断干扰可能存在的窗口位置,然后采用贝叶斯滑动窗口干扰控制方法,对窗口干扰进行预测和补偿,推导出了贝叶斯变异指数算法的检测过程的表达式。本发明首次将贝叶斯滑动窗口干扰控制的方法运用于变异指数检测过程,具有很好的多目标检测效果,相对于传统的VI‑CFAR算法,解决了VI‑CFAR检测器在两侧都出现目标时,检测概率大大降低的问题,贝叶斯干扰控制的运用,减少了干扰对检测过程的影响,提高了雷达在复杂环境和多目标环境下的检测性能,为CFAR算法提供了新方法。

    基于中心点回归的深度学习目标检测方法

    公开(公告)号:CN113688830A

    公开(公告)日:2021-11-23

    申请号:CN202110930245.4

    申请日:2021-08-13

    Abstract: 本发明提供一种基于中心点回归的深度学习目标检测方法,包括以下具体步骤:在原CenterNet网络结构上引入水平连接模块将不同层之间的特征进行关联,融合了深层特征和浅层特征,以提高小目标检测性能;在水平连接模块中引入通道注意力模块,对不同通道间的特征响应进行自适应校准,改善了网络的特征提取能力;最后在UCAS‑AOD和RSOD公共遥感数据集上进行对比实验。本发明在遥感图像飞机目标检测中不仅有较高的检测精度,同时保持了单阶段检测模型的速度优势,具有一定的实用价值。

    一种基于频控阵MIMO雷达的低截获系统的设计方法

    公开(公告)号:CN111352079B

    公开(公告)日:2021-04-16

    申请号:CN202010404529.5

    申请日:2020-05-13

    Abstract: 本发明公开了一种基于频控阵MIMO雷达的低截获系统的设计方法,采用如下方法设计波形:S0:初始化迭代次数,随机初始化发射波束矩阵;S1:固定当前的发射波束矩阵,计算第k次迭代下的接收滤波器;S2:固定本次迭代下的接收滤波器,利用类功率迭代法更新发射波束向量;S3:重复步骤S1~S2,至迭代结束;S4:基于最终的发射波束矩阵和接收滤波器设计低截获的频控阵MIMO雷达系统。本发明以最小化频控阵MIMO雷达的发射能量辐射和最大化输出信干噪比为目标,在考虑干扰和噪声环境以及天线上发射能量约束下,将优化准则构造成单个分式规划的最小化问题,本发明在目标区域上形成零陷,降低了雷达被截获概率,同时实现了最大化输出SINR。

    基于距离-角度联合估计的RATM-CFAR检测器及检测方法

    公开(公告)号:CN112731307B

    公开(公告)日:2023-01-03

    申请号:CN202011510328.X

    申请日:2020-12-19

    Abstract: 公开了一种基于距离‑角度联合估计的RATM‑CFAR检测器及检测方法,所述方法包括:采集雷达回波数据,对数据进行2D‑FFT得到(RDM)距离多普勒矩阵,然后对RDM矩阵进行CFAR的过程之中,采用距离‑角度估计的结果用于CFAR算法的先验估计,将频域转成空域进行处理,剔除待测单元附近的干扰目标和距离较远的前提目标,然后将剩余单元进行基于背景杂波估计的CFAR算法选择,得到最终检测结果。本发明首次将距离‑角度估计的结果用于CFAR算法的先验估计,实现了频域到空域的转换,具有实现方法简单、能够避免小目标的漏检,且检测精度高、环境适应性及抗干扰性强的优点,提高了雷达在复杂环境和多目标环境下的检测性能,为CFAR算法提供了新方法。

    PAPR和相似性约束下低截获频控阵MIMO雷达系统的设计方法

    公开(公告)号:CN111352080B

    公开(公告)日:2021-04-27

    申请号:CN202010404534.6

    申请日:2020-05-13

    Abstract: 本发明公开了PAPR和相似性约束下低截获频控阵MIMO雷达系统的设计方法,包括:S0:构建优化问题,初始化外循环迭代次数、内循环迭代次数,随机初始化发射波形矩阵;S1:固定当前的发射波形矩阵,利用MVDR法求解优化问题,计算接收滤波器;S2:固定本次迭代下的接收滤波器,基于交替方向乘子法和有效集合法计算并更新发射波形向量;S3:重复步骤S1~S2,直至达到迭代结束条件。本发明考虑杂波、干扰和噪声环境以及发射波形满足PAPR和相似性下条件,将优化问题构造成多比例分式规划问题,利用循环迭代法、ADMM和ASM联合优化发射信号。

    杂波下基于ADMM的低截获频控阵MIMO雷达系统的设计方法

    公开(公告)号:CN111352078B

    公开(公告)日:2020-11-10

    申请号:CN202010404522.3

    申请日:2020-05-13

    Abstract: 本发明公开了杂波下基于ADMM的低截获频控阵MIMO雷达收发系统的设计方法,包括:S0:构建多比例优化问题,初始化外循环迭代次数、内循环迭代次数、发射波束矩阵;S1:固定当前的发射波束矩阵,基于多比例优化问题,利用自适应波束法计算接收滤波器;S2:固定本次迭代下的接收滤波器,利用交替方向乘子法更新发射波束向量;S3:重复步骤S1~S2进行循环迭代;S4:基于最终的发射波束矩阵和接收滤波器设计低截获的频控阵MIMO雷达系统。本发明在考虑杂波、干扰和噪声环境以及天线上发射能量受限下,将优化问题构造成多比例分式规划问题,利用循环迭代法优化发射信号。本发明在目标区域上形成零陷,降低了雷达被截获概率的同时实现了最大化输出SINR。

Patent Agency Ranking