-
公开(公告)号：CN113269242A
公开(公告)日：2021-08-17
申请号：CN202110538477.5
申请日：2021-05-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于峰值聚类的目标检测点迹凝聚方法，涉及信号与信息处理技术领域，该算法考虑了CFAR检测点迹结果中同一类别的数据点向峰值点聚集的特点，同时该算法还考虑了CFAR检测点迹结果中不同类别的数据点有明显的差距的特点。该算法基于自动寻找峰值数据点的峰值聚类的点迹凝聚算法，通过采样CFAR检测结果的点迹数据，对采集的所有数据根据距离‑多普勒二维信息计算欧式距离，利用幅度信息寻找每一类别的峰值数据点进而进行聚类，能够克服彼此相邻、点迹数据幅度和密度分布差异较大的多个目标难以正确分类的难点，在不增加硬件结构，不增加经费的基础上以更快的速度完成点迹凝聚过程。
-
Patent Agency Ranking
公开(公告)号：CN115564645A
公开(公告)日：2023-01-03
申请号：CN202210626515.7
申请日：2022-06-02
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于OMP与DPL1算法的雷达距离超分辨计算方法，属于雷达信号处理技术领域。本发明包括：对雷达的回波信号进行脉冲压缩，确定群目标雷达信号段；对群目标雷达信号段进行频率去斜处理，得到单频信号；利用正交匹配跟踪算法对单频信号进行分辨，得到目标的粗略频点位置；利用动态参数L1正则化算法对得到的频点位置进一步超分辨处理，得到群目标雷达信号的精确频点位置；根据群目标雷达信号的频点位置确定雷达距离。与传统的脉冲压缩处理算法相比，本发明的雷达距离超分辨算法分辨的效果可以提高1倍以上，与单一的正交匹配跟踪算法相比，本发明显著降低了雷达距离超分辨处理的误差。
-
公开(公告)号：CN113269242B
公开(公告)日：2022-03-08
申请号：CN202110538477.5
申请日：2021-05-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于峰值聚类的目标检测点迹凝聚方法，涉及信号与信息处理技术领域，该算法考虑了CFAR检测点迹结果中同一类别的数据点向峰值点聚集的特点，同时该算法还考虑了CFAR检测点迹结果中不同类别的数据点有明显的差距的特点。该算法基于自动寻找峰值数据点的峰值聚类的点迹凝聚算法，通过采样CFAR检测结果的点迹数据，对采集的所有数据根据距离‑多普勒二维信息计算欧式距离，利用幅度信息寻找每一类别的峰值数据点进而进行聚类，能够克服彼此相邻、点迹数据幅度和密度分布差异较大的多个目标难以正确分类的难点，在不增加硬件结构，不增加经费的基础上以更快的速度完成点迹凝聚过程。
-
公开(公告)号：CN116612364A
公开(公告)日：2023-08-18
申请号：CN202310633460.7
申请日：2023-05-31
Applicant: 电子科技大学
IPC: G06V10/82 , G06N3/0475 , G06N3/094 , G06V10/774 , G06N3/0464 , G06V10/74 , G06N3/084
Abstract: 本发明公开了一种基于信息最大化生成对抗网络的SAR图像目标生成方法，属于雷达技术领域。本发明用于生成高质量的SAR图像。本发明处理步骤包括：S1、获取SAR图像数据集，并进行预处理操作，构建训练集；S2、构建生成模型、判别模型和辅助网络Q，将生成模型、判别模型和辅助网络Q级联成基于信息最大化的生成对抗网络；S3、将SAR图像输入到模型中，对其进行训练，得到收敛的基于信息最大化的生成对抗网络；S4、生成SAR图像。本发明在相较于使用原始的InfoGAN模型生成SAR图像，在相同参数下生成的图像与真实图像具有更高相似度。
-
公开(公告)号：CN113406575B
公开(公告)日：2022-11-01
申请号：CN202110674717.4
申请日：2021-06-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，包括以下步骤：S1：对雷达的回波信号进行脉冲压缩，确定群目标雷达信号段；S2：对群目标雷达信号段进行频率去斜处理，得到单频信号；S3：利用稀疏贝叶斯学习算法对单频信号进行超分辨处理，得到群目标雷达信号的频点位置；S4：根据群目标雷达信号的频点位置确定雷达距离。与传统的脉冲压缩处理算法相比，基于稀疏贝叶斯学习算法的雷达距离超分辨算法分辨的效果可以提高1倍以上。
-
公开(公告)号：CN113406575A
公开(公告)日：2021-09-17
申请号：CN202110674717.4
申请日：2021-06-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，包括以下步骤：S1：对雷达的回波信号进行脉冲压缩，确定群目标雷达信号段；S2：对群目标雷达信号段进行频率去斜处理，得到单频信号；S3：利用稀疏贝叶斯学习算法对单频信号进行超分辨处理，得到群目标雷达信号的频点位置；S4：根据群目标雷达信号的频点位置确定雷达距离。与传统的脉冲压缩处理算法相比，基于稀疏贝叶斯学习算法的雷达距离超分辨算法分辨的效果可以提高1倍以上。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
