基于幅度相位双通道网络的雷达微多普勒目标识别方法.pdf
小云****66
亲,该文档总共14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
基于幅度相位双通道网络的雷达微多普勒目标识别方法.pdf
本发明公开了一种基于幅度相位双通道网络的雷达微多普勒目标识别方法,用于解决现有技术提取的特征有缺失导致的目标识别准确率低,以及现有技术测试阶段运算量大、实时性差的问题。本发明的实现步骤为:(1)生成训练集;(2)构建幅度相位双通道网络;(3)训练幅度相位双通道网络;(4)目标识别。本发明通过构建幅度相位双通道网络,同时利用微动分量回波信号的幅度信息和相位信息对网络进行训练,实现了对目标回波信息的充分利用。而且本发明构造的网络是一种端到端的分类模型,易训练和使用,实时性能更好,有效地提高了雷达微多普勒目标的
基于一维卷积神经网络的雷达目标多普勒像分类识别方法.pdf
本发明涉及一种基于一维卷积神经网络的雷达目标多普勒像分类识别方法,本发明通过雷达设备采集到原始回波数据,经过脉冲压缩、动目标检测得到包含目标和杂波的每帧数据,根据不同目标的多普勒差异性,提取出目标所在距离单元内的一维多普勒像,构成数据集;设计一维卷积神经网络模型,对模型参数进行初始化;通过前向传播和后向传播过程训练网络,并计损失函数;迭代训练直到损失函数收敛或者达到最大次数,训练结束得到一维卷积神经网络模型。
基于多基地雷达微多普勒和卷积神经网络的人体识别方法.pdf
本发明涉及一种基于多基地雷达微多普勒和卷积神经网络的人体识别方法,属于雷达目标识别技术领域。本方法中使用多基地雷,缓解了视角变化带来的回波信号差异,增强了识别鲁棒性,提高了识别准确率。采用卷积神经网络进行数据处理,无需手工设计特征,具有一定通用性且识别正确率性能优异。本方法采用迁移学习技术,在卷积神经网络中利用了RGB光学图像预训练权重,并利用具有类似RGB光学图像的三通道多分辨率时频图作为卷积神经网络的输入,在匹配了预训练权重维度的同时,相比单分辨率时频图提供了更多的信息,本方法能够在多种人体识别任务中
一种基于SIMO多普勒雷达的多目标动作识别方法.pdf
本发明涉及一种基于SIMO多普勒雷达的多目标动作识别方法,解决了智能人机交互与无线感知领域中基于多普勒雷达的感知方案不具备多目标感知的能力的问题。首先使用单发多收的多普勒雷达采集多个目标的手势动作信号,采集到的信号经由上位机接收并录制,交给后续算法处理;然后,对数据进行预处理,包括端点检测与信号分段、低通滤波、离散小波变换等;其次,采用基于最大信噪比的独立成分分析方法分离多目标信号,之后创新地采用双阶段特征提取的方法分别提取各个目标的特征向量,最后使用简单分类器如SVM、RF进行训练与分类,并根据分类所得
基于微多普勒特征的水下目标识别方法.pdf
本发明提出一种基于微多普勒特征的水下目标识别方法,主要包括水下目标回波高分辨率微多普勒时频图的获取、采用深度卷积生成对抗网络对时频图样本进行数据增强、选择深度神经网络对样本数据集进行学习、通过计算机仿真生成水下目标的声纳回波信号对所提出的方法进行评估,验证其在水下目标识别中的有效性。本发明通过基于压缩感知的高分辨率时频分析,提高时频图的分辨率,能够更有效地提取出水下目标的微多普勒特征,并对时频图样本进行数据增强后用于神经网络的训练,实现对水下目标识别的目的。