申请/专利权人：复旦大学

申请日：2021-05-12

公开（公告）日：2022-12-02

公开（公告）号：CN115421114A

主分类号：G01S7/41

分类号：G01S7/41;G01S13/90;G06N3/04;G06N3/08;G06K9/62

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.12.20#实质审查的生效;2022.12.02#公开

摘要：本发明提供一种基于HRRP信号幅度统计特征的自然场景分类方法，属于雷达回波信号解译领域。本发明的自然场景分类方法包括以下步骤：步骤S1，获取不同自然场景的HRRP实测数据；步骤S2，对步骤S1中的HRRP实测数据采用经验ITM杂波仿真的仿真方法获取仿真数据；步骤S3，采用对数累积量参数估计法，对获取的仿真数据做幅度统计建模，获得模型参数；步骤S4，基于步骤S3的模型参数，构造训练及测试模型参数序列样本集，构建一维卷积神经网络用于训练；步骤S5，训练步骤S4的一维卷积神经网络，使得损失函数值趋于稳定并接近0；步骤S6，调取步骤S5中的训练完成的一维卷积神经网络，测试分类结果。最终实现自然场景的分类。

主权项：1.一种基于HRRP信号幅度统计特征的自然场景分类方法，其特征在于，包括以下步骤：步骤S1，获取不同自然场景的HRRP实测数据；步骤S2，对获取的所述HRRP实测数据采用经验ITM杂波仿真的仿真方法获取仿真数据；步骤S3，采用对数累积量参数估计法对获取的所述仿真数据做幅度统计建模获得模型参数；步骤S4，基于所述步骤S3的所述模型参数，构造训练及测试模型参数序列样本集，构建一维卷积神经网络用于训练；步骤S5，训练所述步骤S4的一维卷积神经网络，使得损失函数值趋于稳定并接近0；步骤S6，调取所述步骤S5中的训练完成的所述一维卷积神经网络，测试分类结果。

全文数据：

权利要求：

百度查询： 复旦大学 基于HRRP信号幅度统计特征的自然场景分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD