-
公开(公告)号：CN113534137B
公开(公告)日：2023-04-25
申请号：CN202110633934.9
申请日：2021-06-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于改进3D‑P‑ESPRIT算法的三维CP‑GTD散射中心模型参数估计方法，包括：获取雷达目标的原始回波数据；对原始回波数据进行极化线性变换处理，得到变换后的回波矩阵；对变换后的回波矩阵进行去相关，并利用共轭矩阵构建协方差矩阵；对协方差矩阵进行参数估计提取，以完成三维CP‑GTD散射中心模型参数估计。本发明通过对雷达目标的回波数据进行极化线性变换处理，将四组三维数据转化为三组三维数据，减少了数据存储量以及后续去相关处理的计算量，同时引入共轭信息来构建新的数据矩阵，并采用双向空间平滑方法来计算全极化协方差矩阵，更充分的利用了观测矩阵，提高了参数估计性能。
-
公开(公告)号：CN111551931B
公开(公告)日：2023-03-10
申请号：CN202010421717.9
申请日：2020-05-18
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于极化高分辨距离像的目标长度特征提取方法，可用于雷达目标识别。其实现步骤包括：1)获取合成极化高分辨距离像；2)获取合成极化高分辨距离像的支撑区测度；3)确定支撑区测度中最大值对应的序号；4)基于支撑区测度计算目标段高分辨距离像在合成极化高分辨距离像上的起点；5)基于支撑区测度计算目标段高分辨距离像在合成极化高分辨距离像上的终点；6)计算目标长度特征提取结果。本发明采用极化高分辨距离像，选择均值和标准差获取合成极化高分辨距离像的支撑区测度，并分别从合成极化高分辨距离像的左端和右端计算目标段高分辨距离像的起点和终点，有效提高了提取结果的精度。
-
公开(公告)号：CN113109777A
公开(公告)日：2021-07-13
申请号：CN202110217567.4
申请日：2021-02-26
Applicant: 西安电子科技大学
Abstract: 本发明提出的一种基于Stokes矢量分解的宽带极化雷达目标检测方法，通过对从雷达系统中获取的双极化雷达回波数据进行Stokes分解，获得分量序列；根据预先设置的检测门限，对分量序列使用基于顺序统计量的多通道检测算法检测，获得检测结果；对检测结果进行融合，获得融合后的最终检测结果。本发明利用了目标与杂波极化特性的不同，增大了目标的信杂比，并且结合使用了目标能量积累效率高的基于顺序统计量的多通道检测算法对目标进行检测，提高了宽带极化体制雷达的目标检测概率，易于工程实现，应用于雷达系统中，有助于雷达对目标的精确探测。
-
公开(公告)号：CN111580062A
公开(公告)日：2020-08-25
申请号：CN202010446380.7
申请日：2020-05-25
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明提出了一种基于双圆极化高分辨一维距离像HRRP的目标鉴别方法，用于解决雷达地面目标识别系统在目标鉴别阶段鉴别精度较低的问题，适用于雷达目标识别系统目标鉴别阶段对库内目标的鉴别以及对库外干扰的拒判。实现步骤为：获取训练样本集和测试样本集；获取训练样本集的鉴别特征集和测试样本集的鉴别特征集；对训练样本集的鉴别特征集进行聚类；利用DW-SVDD算法计算各个特征子区域的分类子超平面参数；对测试样本集进行目标鉴别。
-
公开(公告)号：CN105223561B
公开(公告)日：2017-10-24
申请号：CN201510697093.2
申请日：2015-10-23
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于空间分布的雷达地面目标鉴别器设计方法，解决了复杂环境下无法对地面目标进行准确的实时鉴别的问题。其实现过程是：1)构建雷达目标鉴别器训练模板库特征空间；2)对训练模板库特征空间进行区域划分；3)利用基于加权优化的支持向量域模型生成区域的边界与支持向量；4)根据测试目标特征与区域的边界和支持向量的位置关系对测试目标类别进行鉴别。本发明通过对训练模板库特征空间进行区域划分，大幅提高了运算速度，同时采用精细化区域描述的方法，有效地保证了目标鉴别的准确性，提高了复杂环境下地面目标的鉴别性能，同时使目标鉴别器具备了实时处理能力。可用于复杂环境下雷达系统对地面目标的有效鉴别。
-
Patent Agency Ranking
公开(公告)号：CN110990462B
公开(公告)日：2023-04-14
申请号：CN201911294185.0
申请日：2019-12-16
Applicant: 国家无线电监测中心陕西监测站 , 西安电子科技大学
IPC: G06F16/2458 , G06N20/00
Abstract: 本发明涉及一种用于提高电离层foF2机器学习精度的时间序列数据处理方法，通过提取电离层foF2时间序列在不同时间尺度上的变化规律，将原始时间序列根据半天、一天、半年、一年、十一年周期特性拆分为五组时间序列，同时将原始时间序列向前移动一个时刻，得到第六组序列，将所有六组序列作为机器学习输入参数，当前时刻的foF2观测值作为机器学习输出，训练模型实现下一时刻的foF2预测；结果表明，在相同机器学习超参数条件下，本发明采用的方法具有更高的foF2预测精度。
-
公开(公告)号：CN111580062B
公开(公告)日：2023-03-10
申请号：CN202010446380.7
申请日：2020-05-25
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明提出了一种基于双圆极化高分辨一维距离像HRRP的目标鉴别方法，用于解决雷达地面目标识别系统在目标鉴别阶段鉴别精度较低的问题，适用于雷达目标识别系统目标鉴别阶段对库内目标的鉴别以及对库外干扰的拒判。实现步骤为：获取训练样本集和测试样本集；获取训练样本集的鉴别特征集和测试样本集的鉴别特征集；对训练样本集的鉴别特征集进行聚类；利用DW‑SVDD算法计算各个特征子区域的分类子超平面参数；对测试样本集进行目标鉴别。
-
公开(公告)号：CN113534137A
公开(公告)日：2021-10-22
申请号：CN202110633934.9
申请日：2021-06-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于改进3D‑P‑ESPRIT算法的三维CP‑GTD散射中心模型参数估计方法，包括：获取雷达目标的原始回波数据；对原始回波数据进行极化线性变换处理，得到变换后的回波矩阵；对变换后的回波矩阵进行去相关，并利用共轭矩阵构建协方差矩阵；对协方差矩阵进行参数估计提取，以完成三维CP‑GTD散射中心模型参数估计。本发明通过对雷达目标的回波数据进行极化线性变换处理，将四组三维数据转化为三组三维数据，减少了数据存储量以及后续去相关处理的计算量，同时引入共轭信息来构建新的数据矩阵，并采用双向空间平滑方法来计算全极化协方差矩阵，更充分的利用了观测矩阵，提高了参数估计性能。
-
公开(公告)号：CN111551931A
公开(公告)日：2020-08-18
申请号：CN202010421717.9
申请日：2020-05-18
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于极化高分辨距离像的目标长度特征提取方法，可用于雷达目标识别。其实现步骤包括：1)获取合成极化高分辨距离像；2)获取合成极化高分辨距离像的支撑区测度；3)确定支撑区测度中最大值对应的序号；4)基于支撑区测度计算目标段高分辨距离像在合成极化高分辨距离像上的起点；5)基于支撑区测度计算目标段高分辨距离像在合成极化高分辨距离像上的终点；6)计算目标长度特征提取结果。本发明采用极化高分辨距离像，选择均值和标准差获取合成极化高分辨距离像的支撑区测度，并分别从合成极化高分辨距离像的左端和右端计算目标段高分辨距离像的起点和终点，有效提高了提取结果的精度。
-
公开(公告)号：CN108259158A
公开(公告)日：2018-07-06
申请号：CN201810028163.9
申请日：2018-01-11
Applicant: 西安电子科技大学
Abstract: 本发明属于云计算技术领域，公开了一种云计算环境下高效和隐私保护的单层感知机学习方法，包括客户端，给定安全参数，用于运行对称同态加密算法的密钥生成算法计算公开参数和密钥，然后运行加密算法，用密钥加密训练数据，得到相应的密文，并将密文和相关的期望输出发送给云服务器，训练过程中协助云服务器判断点积结果的正负性，训练任务结束后解密接收到的最终最优权重向量的密文，得到单层感知机预测模型；云服务器，用于存储训练数据，训练单层感知机模型，训练任务结束后将最终最优权重向量的密文发送给客户端。安全分析表明本发明在训练过程中可以保护训练数据、中间结果以及最优预测模型的隐私；在计算开销和通信开销方面是高效的。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.041 seconds)
