检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

计算机视觉在雷达目标识别中的应用

计算机产品与流通 2024年第2期 114-116页

作者：诸汉林深圳海警局

计算机视觉技术在雷达目标识别中发挥着越来越重要的作用。本文深入研究计算机视觉在雷达信号处理中的应用,主要关注目标检测、识别和跟踪等方面。通过对现有技术的综合分析,提出了一种综合利用计算机视觉和雷达信号的目标识别方法。通... 详细信息

计算机视觉技术在雷达目标识别中发挥着越来越重要的作用。本文深入研究计算机视觉在雷达信号处理中的应用,主要关注目标检测、识别和跟踪等方面。通过对现有技术的综合分析,提出了一种综合利用计算机视觉和雷达信号的目标识别方法。通过实验证明,该方法在提高雷达目标识别准确性和鲁棒性方面具有显著效果。

关键词：雷达目标识别雷达信号处理计算机视觉目标检测目标识别方法实验证明鲁棒性准确性

基于时频分析与深度学习的高分辨距离像雷达目标识别

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

应用科学学报 2022年第6期40卷 973-983页

作者：聂江华肖永生黄丽贞贺丰收南昌航空大学信息工程学院江西南昌330063 南京航空航天大学电子信息工程学院江苏南京211106 中国航空工业集团公司雷华电子技术研究所江苏无锡214063

传统的基于高分辨距离像(high resolution range profile,HRRP)雷达目标识别方法易受噪声影响,为此提出一种基于时频分析与深度学习的HRRP雷达目标识别方法。首先使用生成模型对低信噪比的HRRP数据进行处理,以提高数据的信噪比,生成模... 详细信息

传统的基于高分辨距离像(high resolution range profile,HRRP)雷达目标识别方法易受噪声影响,为此提出一种基于时频分析与深度学习的HRRP雷达目标识别方法。首先使用生成模型对低信噪比的HRRP数据进行处理,以提高数据的信噪比,生成模型采用深度卷积生成对抗网络(deep convolutional generative adversarial network,DCGAN)和所提出的约束朴素最小二乘生成对抗网络(constrained naive least squares generative adversarial network,CN-LSGAN);其次将处理后的数据分别进行短时傅里叶变换(short-time Fourier transform,STFT)和小波变换(wavelet transform,WT),得到二维时频数据;最后利用卷积神经网络(convolutional neural network,CNN)进行识别。实验结果表明,CN-LSGAN相对DCGAN能够更好地提高信噪比,WT相比STFT得到的数据更能获取HRRP特征信息,因而基于CN-LSGAN,WT与CNN的HRRP雷达目标识别方法具有更好的识别效果。

关键词：雷达目标识别高分辨距离像约束朴素最小二乘生成对抗网络深度卷积生成对抗网络时频分析

雷达目标识别中的BP神经网络算法改进及应用

在线全文

学校读者我要写书评

暂无评论

系统工程与电子技术 2005年第4期27卷 582-585页

作者：张静宋锐郁文贤国防科学技术大学ATR重点实验室湖南长沙410073

针对雷达目标信号的复杂性和实用雷达目标识别系统所应具备的稳健性、扩展性及通用性等要求,提出多种简单有效的BP神经网络算法改进。通过平衡训练样本数量、动态重置初始权值、评定网络规模等措施,解决了BP算法收敛速度慢、受初始样本... 详细信息

针对雷达目标信号的复杂性和实用雷达目标识别系统所应具备的稳健性、扩展性及通用性等要求,提出多种简单有效的BP神经网络算法改进。通过平衡训练样本数量、动态重置初始权值、评定网络规模等措施,解决了BP算法收敛速度慢、受初始样本分布影响大等缺陷,提高了识别算法的稳健性和泛化能力。结果已成功应用到不同型号雷达上的多套目标识别系统中。

关键词： BP神经网络算法改进雷达目标识别应用目标识别系统目标信号样本数量初始权值网络规模收敛速度 BP算法分布影响泛化能力识别算法长期使用稳健性复杂性通用性扩展性实用性

在线全文

学校读者我要写书评

暂无评论

基于深度神经网络的雷达目标识别技术研究

基于深度神经网络的雷达目标识别技术研究

作者：曹展家中国电子科技集团公司电子科学研究院

学位级别：硕士

随着信息化技术的发展,雷达被广泛应用于军事和民用领域。目标的检测与识别作为现代雷达技术的重要环节,一直是备受关注的研究内容。现阶段传统的雷达目标检测识别方法存在环境适应性差,依赖人工提取用于识别的特征等问题。本文结合深... 详细信息

随着信息化技术的发展,雷达被广泛应用于军事和民用领域。目标的检测与识别作为现代雷达技术的重要环节,一直是备受关注的研究内容。现阶段传统的雷达目标检测识别方法存在环境适应性差,依赖人工提取用于识别的特征等问题。本文结合深度神经网络,利用线性调频连续波窄带雷达实测数据,通过建立端到端的网络模型自动学习特征,实现目标分类识别。本文主要内容如下:首先介绍了传统的雷达目标检测识别方法,并简要分析了传统技术存在的问题。接着将深度神经网络引入到雷达目标识别,以目标在雷达同一距离门内的多普勒维数据构建数据集,并根据目标回波特征和神经网络的结构特点构建了堆叠双向GRU网络模型,对数据进行了预处理,并阐述了训练中用到的优化方法和正则化方法。在堆叠双向GRU网络模型前面引入一维CNN进行特征提取,通过结合CNN的计算速度和GRU的序列处理能力,在保证识别性能的同时,提高了模型运算速度。并通过实验表明,与SVM分类器相比,本文搭建的模型能够有效地提取数据特征,具有良好的分类识别性能。最后将训练好的网络模型部署到雷达信号智能处理板,在PC端开发环境中使用MindStudio转换网络模型,设计完成了应用开发并编译部署到雷达信号智能处理板上,并通过实验展示了模型在雷达信号智能处理板上的运行结果。

关键词：深度神经网络雷达目标识别门控循环单元一维卷积

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于增量学习的雷达目标识别

基于增量学习的雷达目标识别

作者：胡超中国电子科技集团公司电子科学研究院

学位级别：硕士

如今神经网络已经在雷达目标识别领域具有广泛的应用。但随着神经网络方法的不断发展,其的灾难性遗忘问题使得深度学习在雷达目标识别领域也面临这巨大的困难和挑战。于是,针对这种情况开展对于增量学习的研究。增量学习允许模型在不需... 详细信息

如今神经网络已经在雷达目标识别领域具有广泛的应用。但随着神经网络方法的不断发展,其的灾难性遗忘问题使得深度学习在雷达目标识别领域也面临这巨大的困难和挑战。于是,针对这种情况开展对于增量学习的研究。增量学习允许模型在不需要重新训练的情况下逐渐学习新数据。与传统的批量学习方法不同,传统学习方法需要在每次学习新数据时对整个数据集进行重新训练,而增量学习则只需要对新数据进行学习,并通过更新模型参数使模型适应新数据。本文在两个雷达目标识别场景下进行了增量学习研究实验:窄带跟踪雷达数据增量学习研究和合成孔径雷达(Synthetic Aperture Radar,SAR)目标类增量识别研究。在窄带跟踪雷达数据增量研究中,对数据集分别进行特征提取、样本平衡、分类、增量分类。实验发现,基于高斯核函数的支持向量机的分类效果较好,且所利用的三种数据增量方法能够在一定程度上保留旧数据的信息。在SAR目标类增量识别研究中,本文为类增量学习模式提出了两种新的增量学习方法:特征标签法和流形假设法。特征标签法通过将模型提取出的样本高维特征写入标签,并代入到新的模型中进行训练,而流形假设法修改了选择代表样本的方法,利用流形学习的思想,通过k均值的方法保留代表样本。在SAR目标类增量识别实验中,利用了多种重要的类增量学习方法对MSTAR数据集进行增量学习实验,结果表明,本文提出的两种方法都表现出良好的增量性能,且两种方法的结合能够进一步提升增量性能。

关键词：雷达目标识别深度学习增量学习

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于非参数化概率密度估计的雷达目标识别

电子与信息学报 2008年第7期30卷 1740-1743页

作者：赵峰张军英刘敬梁军利西安电子科技大学计算机学院中国科学院声学研究所北京100080

针对雷达目标识别中,参数化方法估计高分辨距离像的概率密度存在的"模型失配"问题,提出一种非参数化方法——基于累计量的随机学习算法,估计距离像的概率密度。该算法运用多层感知器估计训练样本的分布函数,然后求导得到概率密度。该算... 详细信息

针对雷达目标识别中,参数化方法估计高分辨距离像的概率密度存在的"模型失配"问题,提出一种非参数化方法——基于累计量的随机学习算法,估计距离像的概率密度。该算法运用多层感知器估计训练样本的分布函数,然后求导得到概率密度。该算法不仅能全面、精确地估计概率密度,而且回避了许多其他非参数方法面临的"窗宽"敏感性问题。基于外场实测数据的实验证明了该文方法的有效性。

关键词：雷达目标识别高分辨距离像密度估计

在线全文

学校读者我要写书评

暂无评论

双辨别子空间高分辨距离像雷达目标识别

电波科学学报 2009年第5期24卷 934-938页

作者：刘华林中国兵器装备集团火控技术中心四川成都611731

针对飞机目标的分类问题,提出了一种双辨别子空间高分辨距离像雷达目标识别方法。该方法首先依据Fisher准则导出距离像总散布矩阵的零空间中不含有辨别信息的结论,利用这一结论,对类间和类内散布矩阵进行预降维,降低了后续计算的复杂度... 详细信息

针对飞机目标的分类问题,提出了一种双辨别子空间高分辨距离像雷达目标识别方法。该方法首先依据Fisher准则导出距离像总散布矩阵的零空间中不含有辨别信息的结论,利用这一结论,对类间和类内散布矩阵进行预降维,降低了后续计算的复杂度。从全局的角度出发,基于类内散布矩阵零空间与非零空间所包含的辨别信息分别建立辨别子空间,实现对目标的特征提取。对ISAR实测飞机数据进行了分类,并与经典子空间方法进行比较,结果表明所提算法有效改善了目标识别性能。

关键词：雷达目标识别高分辨距离像双辨别子空间特征提取

小样本条件下基于数据增强和WACGAN的雷达目标识别算法

在线全文

学校读者我要写书评

暂无评论

电子学报 2020年第6期48卷 1124-1131页

作者：朱克凡王杰贵刘有军国防科技大学电子对抗学院安徽合肥230037

目前小样本条件下高分辨距离像雷达目标识别算法存在识别率较低、识别率稳定度较差等问题,对此,本文提出了基于数据增强和加权辅助分类生成对抗网络(Weighted Auxiliary Classifier Generative Adversarial Networks,WACGAN)的雷达目标... 详细信息

目前小样本条件下高分辨距离像雷达目标识别算法存在识别率较低、识别率稳定度较差等问题,对此,本文提出了基于数据增强和加权辅助分类生成对抗网络(Weighted Auxiliary Classifier Generative Adversarial Networks,WACGAN)的雷达目标识别算法.该算法首先根据雷达目标散射特性,通过时间镜像数据增强方法扩充数据集,然后将扩充数据集输入WACGAN,通过自动选择高质量的生成样本,使判别器在标签样本监督学习的基础上得到进一步优化,最后直接利用判别器实现对雷达目标的有效识别.仿真实验结果表明,本文算法在不增加识别时间的基础上,有效提高了小样本条件下对雷达目标的识别率和识别稳定度.

关键词：雷达目标识别数据增强生成对抗网络

基于QR分解的广义辨别分析用于雷达目标识别

在线全文

学校读者我要写书评

暂无评论

红外与毫米波学报 2007年第3期26卷 205-208页

作者：刘华林杨万麟电子科技大学电子工程学院四川成都610054

提出了一种基于QR分解的广义辨别分析算法,并将其用于雷达目标一维距离像识别.与传统用奇异值分解获取目标特征子空间的方式不同,新算法运用核修正格兰-施密特正交化过程直接提取最优投影变换矩阵,不仅有效地地保留了类内散度矩阵最具... 详细信息

提出了一种基于QR分解的广义辨别分析算法,并将其用于雷达目标一维距离像识别.与传统用奇异值分解获取目标特征子空间的方式不同,新算法运用核修正格兰-施密特正交化过程直接提取最优投影变换矩阵,不仅有效地地保留了类内散度矩阵最具辨别力的零空间信息,同时使所求解在数值上更稳定.对3种实测飞机数据的分类结果表明,所提方法不仅在识别性能上优于传统方法,而且在一定程度上降低了算法的计算复杂度,提高了系统的实时性能.

关键词：雷达目标识别广义辨别分析核修正格兰-施密特正交化特征提取一维距离像