-
公开(公告)号：CN118468557A
公开(公告)日：2024-08-09
申请号：CN202410574403.0
申请日：2024-05-10
Applicant: 电子科技大学
IPC: G06F30/20 , G01S7/02 , G06F111/04
Abstract: 本发明提出了一种实现频谱共存和类脉冲自相关的单位模波形设计方法，首先构建了能量谱密度约束下的阻带最小化联合优化问题；然后基于ADMM框架将构建的优化问题分解为具有单一约束条件的多个子优化问题，然后对于耦合的子问题，利用KKT条件求解耦合变量，得到最优发射波形。本发明实现了发射波形频谱共存和类脉冲自相关函数的同步优化；同时，还降低了计算复杂度，提高了波形设计效率，在雷达目标探测领域具有重要的应用前景。
-
公开(公告)号：CN118425893A
公开(公告)日：2024-08-02
申请号：CN202410517628.2
申请日：2024-04-28
Applicant: 电子科技大学
Abstract: 本发明公开一种雷达抗干扰成像方法，应用于雷达抗干扰领域，针对前视扫描雷达在电子干扰环境下难以成像的问题；本发明首先建立双频雷达回波模型，表征目标散射与双频雷达回波数据间的数学关系；接着提出一种双频抗干扰策略，采用脉间频率跳变来对抗敌方压制性干扰；然后采用自适应双频采样模型，去除回波中残留的条带干扰信号；最后根据加权最小二乘准则，采用迭代方式对自适应双频采样模型进行求解，实现干扰环境下的超分辨成像。相比传统抗干扰成像方法，本发明方法能够有效对抗大带宽的压制性干扰信号，实现了干扰环境下稳健的超分辨成像。
-
公开(公告)号：CN115062658B
公开(公告)日：2024-05-28
申请号：CN202210667010.5
申请日：2022-06-14
Applicant: 电子科技大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/084 , G06N3/047
Abstract: 本发明公开了一种基于自适应门限网络的交叠雷达信号调制类型识别方法，包括以下步骤：S1、仿真原始雷达信号及调制参数；S2、对原始雷达信号进行交叠；S3、提取时频域特征；S4、构建基本模块；S5、构建Inception模块；S6、构建自适应门限模块；S7、构建概率模块；S8、组成SE‑IncepAtNet网络；S9、训练SE‑IncepAtNet网络；S10、采用训练完成的SE‑IncepAtNet网络对交叠雷达信号调制类型进行识别。本发明利用时频分析方法提取交叠雷达信号特征，基于深度卷积网络Inception模块提取不同感受野的特征，使用SE模块减少噪声影响，构建自适应门限模块解决多分类任务中门限设置困难的问题，在实现交叠雷达信号识别的同时，提高了低信噪比条件下的识别准确率。
-
公开(公告)号：CN117368877A
公开(公告)日：2024-01-09
申请号：CN202311354802.8
申请日：2023-10-19
Applicant: 电子科技大学
Abstract: 本发明公开的基于生成对抗学习的雷达图像杂波抑制与目标检测方法，应用于雷达探测与成像技术领域，针对现有技术存在的难以有效抑制海杂波的问题；本发明首先建立基于符合K分布模型的海杂波模型，并基于该模型生成模拟海杂波雷达数据；然后构造杂波抵消生成对抗网络；具体包括海杂波抑制生成器与无杂波域鉴别器；其次，基于生成的模拟海杂波雷达数据，采用对抗损失和目标一致性损失组成的损失函数，交替训练海杂波抑制生成器与无杂波域鉴别器，使得杂波抵消生成对抗网络收敛；最后采用训练完成的杂波抵消生成对抗网络，对实际测量到的海杂波雷达数据进行杂波抑制；采用本发明的方法能较好地抑制海杂波，并且本发明的方法具有良好的目标检测效果。
-
公开(公告)号：CN113608214B
公开(公告)日：2023-11-10
申请号：CN202110909436.2
申请日：2021-08-09
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G01S13/89
Abstract: 本发明公开一种机载扫描雷达实时超分辨成像方法，应用于雷达信号处理领域，针对传统批处理模式下超分辨方法计算复杂度和内存占用率高的问题；本发明通过建立斜前视矢量卷类积精确回波模型，突破斜前视角分辨率提升机理性瓶颈；然后构造描述天线方向图和多普勒导向矩阵与雷达回波信号的可解析优化代价函数，将斜前视成像分辨率提升问题转化为在线递归优化估计问题；最后，通过Updating和Downdating滑窗递归，实现斜前视区域目标散射系数的实时更新。本方法不仅有效地改善了传统方法的方位分辨率，而且显著降低了其复杂度和内存占用率，有利于机载雷达的高品质连续实时成像。仿真结果证明了所提出方法的有效性。
-
Patent Agency Ranking
公开(公告)号：CN116977176A
公开(公告)日：2023-10-31
申请号：CN202310946740.3
申请日：2023-07-31
Applicant: 电子科技大学
IPC: G06T3/40 , G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种多尺度特征融合的SAR图像快速超分辨方法，预处理光学图像，得到对应的高分辨率灰度图像HR，HR进行双三次插值下采样，得到对应的低分辨率灰度图像LR，再对HR和LR图像进行数据增强，并将其随机打乱后得到的HR‑LR图像对作为训练数据，然后构建多特征提取网络，将HR‑LR图像对传入网络进行训练，并保存网络的训练模型，最后通过保存的网络训练模型构建网络，对待处理的低分辨率SAR图像输入经过训练后的网络模型进行测试，得到高分辨率SAR图像。本发明的方法相比现有SRResNet方法，仅需少量多尺度特征提取模块堆叠就能达到更好效果，网络参数量大幅减少，网络训练速度提升，更容易收敛，具有更强的特征信息重建能力，提高SAR图像分辨率。
-
公开(公告)号：CN116400353A
公开(公告)日：2023-07-07
申请号：CN202310089983.X
申请日：2023-02-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种用于多通道雷达前视成像的实合成孔径成像方法，首先获取待成像区域的回波数据，其次对获取的数据进行距离向脉冲压缩，再将脉冲压缩后的数据分别在合成孔径和实孔径处理，对于合成孔径维度，使用BP算法进行方位向聚焦，并且将各个通道的结果进行非相干累加，得到左右模糊的图像，对于实孔径维度，将成像场景划分网格，构造导向矩阵，重构目标散射系数实现超分辨成像，最终将两个维度的结果相乘，得到无模糊且超分辨的结果。本发明的方法通过充分利用平台运动合成孔径在斜视区域获得高分辨率和方位实孔径超分辨在前视区域获得高分辨的优点，克服单基雷达前视成像模糊和分辨率低的问题，实现了多通道雷达无模糊前视高分辨率成像。
-
公开(公告)号：CN116310732A
公开(公告)日：2023-06-23
申请号：CN202310354938.2
申请日：2023-04-06
Applicant: 电子科技大学
IPC: G06V10/82 , G01S13/90 , G06V10/774 , G06V10/764
Abstract: 本发明公开一种面向开集雷达图像自动目标识别的熵感知元学习方法，应用于目标识别领域，针对现有的SAR自动目标识别对开放集目标无法有效区分的问题；本发明通过设计元学习任务，基于已知类构造动态的特征空间；为进一步增强未知类和已知类之间的区分，设计熵感知损失函数来迫使模型增强特征空间，最终实现开集环境下准确地SAR目标图像已知类识别和未知类拒绝。
-
公开(公告)号：CN116310378A
公开(公告)日：2023-06-23
申请号：CN202310166212.6
申请日：2023-02-24
Applicant: 电子科技大学
IPC: G06V10/44 , G06V10/764 , G01S13/86 , G06V10/774
Abstract: 本发明公开了一种基于特征注意和自适应分类的雷达图像舰船识别方法，首先通过构建网络内的特征金字塔作为特征提取器，获取输入图像的多尺度特征，再利用多尺度特征注意模块增强特征的类内紧凑性和类间可分离性，最后，利用自适应加权分类器选择有效的特征尺度，将用于识别的主要特征转移到特征金字塔的所有尺度之间，并基于此分类完成最终的目标识别。本发明的方法通过优化对多尺度特征的利用，自适应地选择有效特征尺度来完成最终的准确识别，缓解了舰船雷达图像中特征存在的类内方差和类间重叠较大的问题，在OpenSARShip数据集中展现了优异的性能。
-
公开(公告)号：CN116027293A
公开(公告)日：2023-04-28
申请号：CN202310005563.9
申请日：2023-01-04
Applicant: 电子科技大学
Abstract: 本发明公开了一种扫描雷达快速稀疏角超分辨方法，首先基于扫描雷达回波模型，构建目标函数，建立无超参数选取的加权平方根LASSO准则，然后针对非平滑凸优化全局收敛求解难题，采用交叉方向乘子法求解，再进行矩阵形式变换，基于Toeplitz矩阵低位移秩的特点，采用Gohberg‑Semencul算法来计算矩阵的求逆问题，获得超分辨方法的结果。本发明的方法在SS方法的基础上，利用GS算法进行快速求逆，结合圆矩阵的性质，用快速卷积运算代替了矩阵与矩阵、矩阵与向量之间的乘法，进一步降低了算法的复杂度，在拥有相同的方位分辨率的前提下，相比于现有的SS方法，规避了参数选择问题并具备更高的计算效率，避免了复杂度较高的直接求逆运算，提高了算法的运算速度。
-
-
-
-
-
-
-
-
-
Search Results
456
records
(took 0.036 seconds)
