申请/专利权人:中南大学
申请日:2023-03-22
公开(公告)日:2024-04-09
公开(公告)号:CN116310399B
主分类号:G06V10/46
分类号:G06V10/46;G06V10/82;G06N3/0455;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.04.09#授权;2023.07.11#实质审查的生效;2023.06.23#公开
摘要:本发明提供一种基于AE‑CNN的高维特征图谱目标识别方法及系统,该方法包括如下步骤:获取目标群的目标雷达数据;基于预设的滑动窗口和滑动步长从所述目标雷达数据中获取多个滑动窗口数据;构建自编码器,并通过所述自编码器分别提取多个所述滑动窗口数据中的目标特征向量;将多个所述目标特征向量进行变换并合并,得到目标多维特征图谱;将所述目标多维特征图谱输入至目标神经网络,并通过网络识别得到识别结果。本申请具有识别准确率更高的效果。
主权项:1.一种基于AE-CNN的高维特征图谱目标识别方法,其特征在于,所述方法包括如下步骤:获取目标群的目标飞行数据和静态测量数据,目标飞行数据包括目标群中各个目标的飞行速度、飞行高度、目标进动角和进动频率;结合所述目标飞行数据和所述静态测量数据计算每个观测时刻时所述目标群的目标进动姿态角数据,任意两所述观测时刻之间均预设有相同的时间间隔;根据多个所述目标进动姿态角数据计算得到所述目标群的目标雷达数据,所述目标雷达数据包括雷达散射截面积RCS、高分辨距离像HRRP和窄带极化数据;基于预设的滑动窗口和滑动步长从所述目标雷达数据中获取多个滑动窗口数据;构建自编码器,并通过所述自编码器分别提取多个所述滑动窗口数据中的目标特征向量,自编码器包括RCS自编码器、HRRP自编码器和窄带极化数据自编码器;分别对多个所述目标特征向量进行格拉姆角度场变换,得到多个特征向量二维图;将多个所述特征向量二维图合并为目标多维特征图谱;将所述目标多维特征图谱输入至目标神经网络,并通过网络识别得到识别结果。
全文数据:
权利要求:
百度查询: 中南大学 基于AE-CNN的高维特征图谱目标识别方法及系统
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。