-
公开(公告)号：CN114910878A
公开(公告)日：2022-08-16
申请号：CN202210585077.4
申请日：2022-05-26
Applicant: 北京理工大学
Abstract: 本发明公开的一种融合微多普勒谐波的比相法雷达测角方法，属于雷达数字信号处理领域。本发明根据目标在运动过程中，部分部位相对本体的运动，会产生微多普勒谐波信号的现象。通过互模糊函数将该微多普勒谐波信号和目标回波信号分离；然后利用互模糊函数计算目标信号及微多普勒谐波信号在不同接收通道间的相位差；进而利用比相测角法计算目标信号及微多普勒谐波信号的入射角；最后根据信号对应互模糊函数相关峰的幅值计算权重；进而计算出入射角的加权平均数，即实现对目标的方位角测量。本发明适用于军事、航空等领域，通过融合微多普勒峰的测角结果，进一步降低测量过程中的随机误差带来的影响，提高测角精度。
-
公开(公告)号：CN112580486A
公开(公告)日：2021-03-30
申请号：CN202011476490.4
申请日：2020-12-15
Applicant: 北京理工大学
Abstract: 本发明公开的一种基于雷达微多普勒信号分离的人体行为分类方法，属于雷达目标探测信号处理领域。本发明实现方法为：通过在雷达人体行为分类系统的预处理环节增加微多普勒信号分离操作，实现肢体运动微多普勒信号增强，利用联合维度优化的卷积主成分分析网络CPCAN从增强后的微多普勒时频图中自主学习高辨识度的特征，将提取的特征输入SVM分类器实现行为分类。分离操作用于防止主成分滤波提取特征和进行数据降维时丢失肢体微多普勒特征细节信息，通过维度优化算法能够准确、快速地确定CPCAN卷积网络层的滤波器数目。本发明具有网络结构简单、运算复杂度低的优点，能够以较少的网络层数实现高识别率的肢体活动受限人体行为分类，降低相似行为之间的误判率。
-
公开(公告)号：CN113901863B
公开(公告)日：2024-07-19
申请号：CN202110946427.0
申请日：2021-08-18
Applicant: 北京理工大学
IPC: G06V40/20 , G06V10/40 , G06V10/771 , G06V10/774 , G06V10/764 , G01S7/41
Abstract: 本发明涉及基于加权组稀疏贝叶斯学习的人体活动分类方法，属于雷达及模式识别技术领域。所述方法对接收的人体活动雷达回波信号，采用短时傅里叶变换进行预处理；通过主成分分析法进行特征提取；利用加权组稀疏贝叶斯学习算法对人体活动测试样本进行稀疏编码，再基于残差最小准则对人体活动进行分类识别。所述方法考虑了训练样本的标签信息，使得稀疏表示系数具有组结构特点，从而提升分类的准确性；且所采用的贝叶斯模型考虑了噪声的影响，对实际环境具有较好的适应性，能稳健地实现人体活动分类；与传统方法相比，在有噪情况下具有更好的分类性能。
-
公开(公告)号：CN113341392A
公开(公告)日：2021-09-03
申请号：CN202110609841.2
申请日：2021-06-01
Applicant: 北京理工大学
Abstract: 本发明公开的一种基于多站雷达微多普勒运动测向的人体行为分类方法，属于雷达目标探测信号处理领域。本发明实现方法为：通过利用基于多站雷达多普勒频率的人体运动方向估计方法，实时测量人体运动相对于不同雷达接收机的方位角。根据测量的角度值和不同方位角对分类性能影响的不同对多站数据进行区间划分，并依据划分的区间进行数据级融合，利用双通道的卷积主成分分析网络CPCAN对不同区间的数据进行特征提取与分类，将两个通道的分类结果进行自适应加权的决策级融合得到最终的行为类别结果。本发明通过充分考虑运动方位变化带来的微多普勒数据的影响，能够简化多站分类网络结构，具有更佳的分类性能和更稳健的分类效果。
-
公开(公告)号：CN113341392B
公开(公告)日：2023-06-16
申请号：CN202110609841.2
申请日：2021-06-01
Applicant: 北京理工大学
IPC: G01S7/41 , G01S13/87 , G01S13/88 , G06F18/25 , G06F18/2135 , G06F18/2411 , G06N3/0464
Abstract: 本发明公开的一种基于多站雷达微多普勒运动测向的人体行为分类方法，属于雷达目标探测信号处理领域。本发明实现方法为：通过利用基于多站雷达多普勒频率的人体运动方向估计方法，实时测量人体运动相对于不同雷达接收机的方位角。根据测量的角度值和不同方位角对分类性能影响的不同对多站数据进行区间划分，并依据划分的区间进行数据级融合，利用双通道的卷积主成分分析网络CPCAN对不同区间的数据进行特征提取与分类，将两个通道的分类结果进行自适应加权的决策级融合得到最终的行为类别结果。本发明通过充分考虑运动方位变化带来的微多普勒数据的影响，能够简化多站分类网络结构，具有更佳的分类性能和更稳健的分类效果。
-
Patent Agency Ranking
公开(公告)号：CN112580486B
公开(公告)日：2022-12-09
申请号：CN202011476490.4
申请日：2020-12-15
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/77 , G06V10/774
Abstract: 本发明公开的一种基于雷达微多普勒信号分离的人体行为分类方法，属于雷达目标探测信号处理领域。本发明实现方法为：通过在雷达人体行为分类系统的预处理环节增加微多普勒信号分离操作，实现肢体运动微多普勒信号增强，利用联合维度优化的卷积主成分分析网络CPCAN从增强后的微多普勒时频图中自主学习高辨识度的特征，将提取的特征输入SVM分类器实现行为分类。分离操作用于防止主成分滤波提取特征和进行数据降维时丢失肢体微多普勒特征细节信息，通过维度优化算法能够准确、快速地确定CPCAN卷积网络层的滤波器数目。本发明具有网络结构简单、运算复杂度低的优点，能够以较少的网络层数实现高识别率的肢体活动受限人体行为分类，降低相似行为之间的误判率。
-
公开(公告)号：CN114755647A
公开(公告)日：2022-07-15
申请号：CN202210279399.6
申请日：2022-03-21
Applicant: 北京理工大学
Abstract: 本发明公开的一种基于短时傅里叶变换数据的时差快速预测方法，属于雷达目标探测信号处理领域。本发明通过直接利用回波信号预处理时的短时傅里叶变换所得到的频谱信号进行时差快速预测，在处理流程上直接省去将回波时域信号变到频域步骤。当雷达系统探测到有效目标时，将预处理过程得到的两路频谱信号矩阵进行恒虚警检测后进行时频域复乘；再复乘所得的时频域信号矩阵沿着时间维进行叠加操作；将叠加所得到列信号进行快速逆傅里叶变换，实现多部被动雷达侦测接收信号时差快速预测。本发明充分利用被动雷达系统短时傅里叶变换信号预处理过程所得的频谱信号，在保证相同准确度的前提下，不仅简化信号处理流程，还降低运算量，提高目标定位的效率。
-
公开(公告)号：CN114660553A
公开(公告)日：2022-06-24
申请号：CN202210313912.9
申请日：2022-03-28
Applicant: 北京理工大学
Abstract: 本发明公开的基于原子范数的外辐射源雷达多径杂波的时延估计方法，属于数字信号处理领域。本发明实现方法为：将监测信号和参考信号进行等速率采样和时间同步处理，并计算监测信号的信道频域响应；利用监测信号的信道频域响应在原子集合中的稀疏性，通过联合优化使原子范数最小作为目标来约束重构信号的稀疏性，重构出无噪的信道频域响应；计算信道频域响应的对偶多项式，寻找监测信号的信道频域响应的频率支撑集，根据所得到的频率支撑集得到外辐射源雷达多径杂波的分数时延估计值，从而实现外辐射源雷达多径杂波的时延估计。本发明能有效估计多径杂波的分数时延，更有利于去除杂波的干扰，从而更好地实现外辐射源雷达目标的探测。
-
公开(公告)号：CN114387672A
公开(公告)日：2022-04-22
申请号：CN202210053959.6
申请日：2022-01-18
Applicant: 北京理工大学
IPC: G06V40/20 , G06K9/62 , G06V10/774 , G06V10/764 , G06V10/77
Abstract: 本发明公开的一种基于时‑空‑频三维雷达点云的人体行为分类方法，属于雷达人体行为分类领域。本发明实现方法为：利用雷达点云构建方法将人体回波转换成一系列三维3D点云立方体，集成人体运动在距离图、距离多普勒图、微多普勒谱三个域的信息；利用卷积多线性主成分分析网络CMPCANet处理生成的3D点云立方体，提取具有高辨识能力的特征，实现不同人体行为的分类。本发明利用时间、距离、频率三维变量联合表征处理的3D点云方式，充分挖掘不同变量间的相互依赖和潜在关系，CMPCANet网络架构简单，能够以较少的训练样本实现高识别率的人体行为分类。本发明通过点云处理还能够准确估计人体运动的时间‑距离‑多普勒3D轨迹，增强行为分类方法对噪声环境的鲁棒性能。
-
公开(公告)号：CN113901863A
公开(公告)日：2022-01-07
申请号：CN202110946427.0
申请日：2021-08-18
Applicant: 北京理工大学
Abstract: 本发明涉及基于加权组稀疏贝叶斯学习的人体活动分类方法，属于雷达及模式识别技术领域。所述方法对接收的人体活动雷达回波信号，采用短时傅里叶变换进行预处理；通过主成分分析法进行特征提取；利用加权组稀疏贝叶斯学习算法对人体活动测试样本进行稀疏编码，再基于残差最小准则对人体活动进行分类识别。所述方法考虑了训练样本的标签信息，使得稀疏表示系数具有组结构特点，从而提升分类的准确性；且所采用的贝叶斯模型考虑了噪声的影响，对实际环境具有较好的适应性，能稳健地实现人体活动分类；与传统方法相比，在有噪情况下具有更好的分类性能。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.022 seconds)
