公开(公告)号：CN116482679A

公开(公告)日：2023-07-25

申请号：CN202310463816.7

申请日：2023-04-26

Applicant: 西安电子科技大学

Inventor： 李洁 ,  代睿 ,  汪文豪 ,  李宇航 ,  何立火 ,  高新波 ,  路文

IPC: G01S13/88 ,  G01S7/40 ,  G06T3/40 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 利用深度自编码器进行雷达与光电数据缺失值插补方法，包括以下步骤；步骤1，构建训练集A和测试集B；步骤2，构建深度自编码器模块；步骤3，构建基于自适应学习的深度自编码模块；步骤4，利用步骤2中的深度自编码器模块，对缺失值部分进行第一次重构；得到自适应学习深度自编码器的缺失值插补模型；步骤5，对自适应学习深度自编码器的缺失值插补模型进行训练，使用堆叠动态样本对模型参数进行更新；步骤6，使用训练完成的自适应学习深度自编码器的缺失值插补模型对测试集B中的数据进行实验，以验证自适应学习深度自编码器对于雷达与光电数据缺失值插补的有效性。本发明实现在雷达轨迹与光电轨迹融合之前数据的完整性。

公开(公告)号：CN116451118A

公开(公告)日：2023-07-18

申请号：CN202310422057.X

申请日：2023-04-19

Applicant: 西安电子科技大学

Inventor： 李洁 ,  代睿 ,  李宇航 ,  汪文豪 ,  何立火 ,  高新波 ,  路文

IPC: G06F18/24 ,  G01S7/40 ,  G06F18/214 ,  G06F17/16 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/09

Abstract: 本发明公开了一种基于深度学习的雷达光电异常值检测方法，包括以下步骤；步骤1，获取雷达和光电传感器采集到的点迹数据，构建训练数据集和测试数据集；步骤2，构建卷积提取特征矩阵模块；步骤3，构建卷积编码器模块；步骤4，构建基于注意力机制的卷积‑门控循环神经网络模块，提取时间特征；步骤5，反卷积解码重构特征矩阵；得到重构的特征矩阵；步骤6，构建误差分析模块，得到误差损失函数；步骤7，构建模型训练模块；步骤8，构建模型验证模块；选取步骤7训练过程中损失函数最小的模型，在测试集上对模型进行验证。本发明通过提取点迹数据的时间和空间特征，构建多尺度异常值检测模型，以达到提高异常值检测准确性的目的。

公开(公告)号：CN116451118B

公开(公告)日：2024-01-30

申请号：CN202310422057.X

申请日：2023-04-19

Applicant: 西安电子科技大学

Inventor： 李洁 ,  代睿 ,  李宇航 ,  汪文豪 ,  何立火 ,  高新波 ,  路文

IPC: G06F18/24 ,  G01S7/40 ,  G06F18/214 ,  G06F17/16 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/09

Abstract: 本发明公开了一种基于深度学习的雷达光电异常值检测方法，包括以下步骤；步骤1，获取雷达和光电传感器采集到的点迹数据，构建训练数据集和测试数据集；步骤2，构建卷积提取特征矩阵模块；步骤3，构建卷积编码器模块；步骤4，构建基于注意力机制的卷积‑门控循环神经网络模块，提取时间特征；步骤5，反卷积解码重构特征矩阵；得到重构的特征矩阵；步骤6，构建误差分析模块，得到误差损失函数；步骤7，构建模型训练模块；步骤8，构建模型验证模块；选取步骤7训练过程中损失函数最小的模型，在测试集上对模型进行验证。本发明通过提取点迹数据的时间(56)对比文件Shun Gan等.Multisource Adaption forDriver Attention Prediction in ArbitraryDriving Scenes《. IEEE Transactions onIntelligent Transportation Systems》.2022,第23卷(第11期),20912-20925.Shi Yong等.Robust deep auto-encodingnetwork for real-time anomaly detectionat nuclear power plants《.Process Safetyand Environmental Protection》.2022,第163卷438-452.郑育靖等.基于GRU-Attention的无监督多变量时间序列异常检测《.山西大学学报(自然科学版)》.2020,第43卷(第04期),756-764.柳月强等.基于时空相关性的多传感器数据异常检测《.计算机应用与软件》.2020,第37卷(第10期),85-90.Yifeng Tan等.Multivariate Time-SeriesAnomaly Detection in IoT Using Attention-Based Gated Recurrent Unit《.2022 14thInternational Conference on WirelessCommunications and Signal Processing(WCSP)》.2023,604-609.彭洋.基于深度神经网络GRU的并行网络流量异常检测方法研究《.中国优秀硕士学位论文全文数据库 (信息科技辑)》.2022,(第02期),I139-56.罗俊海.无人机探测与对抗技术发展及应用综述《.控制与决策》.2021,第37卷(第3期),530-544.