一种极化欧拉特征融合深度学习的海上目标识别方法

发明专利有效专利

申请号：
CN201911142677.8
IPC分类号：G06K9/62;G01S7/41
申请日期：
2019-11-20
申请人：
上海无线电设备研究所

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种极化欧拉特征融合深度学习的海上目标识别方法
申请号	CN201911142677.8	申请日期	2019-11-20
法律状态	实质审查	申报国家	中国
公开/公告日	2020-02-21	公开/公告号	CN110826643A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;1;S;7;/;4;1查看分类表>
申请人	上海无线电设备研究所	申请人地址	上海市闵行区中春路1555号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	上海无线电设备研究所	当前权利人	上海无线电设备研究所
发明人	顾丹丹;李永晨;高伟;魏飞鸣
代理机构	上海元好知识产权代理有限公司	代理人	徐雯琼;章丽娟

摘要

本发明公开了一种极化欧拉特征融合深度学习的海上目标识别方法，该方法包含以下步骤：S1、海上人造目标的极化散射机制分析；S2、基于步骤S1的分析结果，构建对应的海上几何体极化距离矩阵数据集，并对极化距离矩阵数据集的样本进行多极化特征提取；S3、基于步骤S2，训练多极化特征融合的深度学习模型；S4、采用海上人造目标对步骤S3的多极化特征融合的深度学习模型识别测试验证。其优点是：该方法从海上目标的基础极化散射机制出发，基于深度学习融合利用HRRP和极化信息实现目标识别，消除了方位敏感性带来的不利影响，提高了雷达目标识别的精度，具有检测率高、虚警率低、扩展应用灵活、处理过程全自动的优点。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供