一种基于机器学习的雷达测量精度补偿方法.pdf
志信****pp
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于机器学习的雷达测量精度补偿方法.pdf
本发明提供了一种基于机器学习的雷达探测精度补偿方法,采集设定时长内的空间环境特征参数、时空特征参数以及雷达探测剩余误差数据构建数据集,采用异常值剔除和数据下采样技术对得到的数据进行预处理;构建基于机器学习的雷达探测精度补偿模型;从雷达探测数据中解算目标方位角、测量时段、星下点经纬度、目标高度;从互联网下载提取雷达探测时刻空间环境参数;将提取的数据输入到构建的雷达探测精度补偿模型中,得到精度补偿后雷达探测数据。本发明在电波环境折射修正基础上,进一步补偿雷达探测精度,补偿电波折射修正模型时空特性局限性、雷达系
一种基于机器学习的激光雷达测风运动补偿方法和系统.pdf
本发明公开了一种基于机器学习激光雷达测风运动补偿方法和系统,包括:获取固定在浮标上激光雷达测风数据和运动传感器数据作为特征变量,获取固定在浮标附近固定安装的标准测风设备的测风数据作为目标变量;将所述特征变量和目标变量进行数据预处理,其中所述数据预处理包括将特征变量和目标变量中的角度数据转化为余弦或正弦变量;将所述特征变量和目标变量预处理后组成的数据集划分为训练集和测试集;将训练集输入到多个机器学习模型中进行训练;根据R方和平均绝度误差组成的评价指标,使用测试集对上述多个模型训练结果进行评估,选取最优的机器
一种基于机器学习提高无损检测精度的方法.pdf
本发明公开了一种基于机器学习提高无损检测精度的方法,具体涉及机器学习技术领域,其具体方法如下:(1)、建立系统:建立机器学习建模系统;(2)、模型建立:建立人工智能基本模型,收集检测数据作为学习数据;(3)、机器学习训练:将检测数据导入机器学习建模系统中进行学习训练;(4)、优化检测模型:通过对各种不同的检测数据进行分析,并对其分析结果进行验证,将数据和验证结果做成示例再补充到训练集,进而优化检测模型。本方法分析目标参数多,判断精准,自动化程度高并且相比传统技术,提高了目标参数的利用,且采用人工智能判断,
一种基于机器学习的雷达杂波抑制方法.pdf
本发明公开了一种基于机器学习的雷达杂波抑制方法,实测数据产生包含杂波和目标的数据集作为输入数据,对输入数据进行预处理,初步处理后选取合适特征和初始权重进行加权,然后对其聚类,将聚为不同类别结果进行评价,再反馈到特征加权模块调整权值,直到找到评价指标最优的一组权重和聚类数。最佳聚类数中,一类为目标,其余类为不同类型杂波,可将实时雷达回波数据与之进行比较,实现杂波抑制,从而得到目标信号。相比于以往利用杂波图抑制杂波的方法,实现结构简单,实现成本低,效果更好,且具有很高的简捷性、实时性和通用性。
一种基于机器学习的雷达目标检测系统及方法.pdf
本发明公开了一种基于机器学习的雷达目标检测系统及方法,涉及雷达目标检测技术领域,包括侦察无人机探测模块、天线设计模块、检测目标分析模块和监控报警模块;侦察无人机探测模块用于通过侦察无人机上安装的雷达向外探测目标,并验证所探测目标的真实性;天线设计模块用于对天线方向图进行优化,得到天线模型;检测目标分析模块用于根据目标的状态和第二侦察无人机的飞行轨迹,分析第二侦察无人机与目标的距离结果;增强了天线向一个特定方向收发信号的能力,能够灵活的设计出符合特定要求的天线,提高了第一侦察无人机检测目标的能力;同时根据目