-
题名复杂多径信号下基于空域变换的米波雷达稳健测高算法
被引量：4
- 1
-
-
作者
陈根华
陈伯孝
-
机构
南昌工程学院信息工程学院
西安电子科技大学雷达信号处理国家重点实验室
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2020年第5期1297-1302,共6页
-
基金
国家自然科学基金(61401187)
江西省教育厅科学技术研究项目(GJJ170990)。
-
文摘
针对米波(VHF)雷达的复杂多径信号中散射分量的非高斯性严重影响测高的稳定性,该文提出了稳健的空域符号变换最大似然测高算法。该算法先对多维阵列快拍矢量进行空域符号变换处理,以抑制散射分量野值点对阵列协方差矩阵及其测高算法的影响,再计算符号协方差矩阵(SCM),然后根据符号协方差矩阵的映射等效性和特征空间不变性,将符号协方差矩阵应用到最大似然(SCM-ML)测高算法中,实现了稳健的米波雷达低角测高。该算法有效抑制了多径信号中散射分量和波束打地形成的强杂波的非高斯性,提高了米波雷达低角测高的稳健性。仿真结果和实测数据验证了算法的稳健性与有效性。
-
关键词
米波雷达
空域符号变换
散射分量
非高斯性
测高
-
Keywords
Very High Frequency(VHF)radar
spatial sign transform
Diffuse component
Non-Gaussian
Altitude estimation
-
分类号
TN958
[电子电信—信号与信息处理]
-
-
题名基于改进深度孪生网络的分类器及其应用
被引量：8
- 2
-
-
作者
沈雁
王环
戴瑜兴
-
机构
湖南大学电气与信息工程学院
温州大学数理与电子信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第10期19-25,共7页
-
基金
浙江省自然科学基金重点项目(No.LZ16E050002)
-
文摘
孪生神经网络由两组共享参数的孪生神经网络组成,可对高维度非线性的数据进行低维度映射,其在低维特征空间中变得可分。利用其优异的相似度计算性能,针对像交通标志识别这样具有复杂环境条件的分类问题,提出并设计基于孪生神经网络结构的高效分类器。采用卷积神经网络作为其基本构成,运用max-pooling,dropout等技术形成特征提取所需的多尺度卷积神经网络。同时辅助以空间变换器网络来进一步提高识别的准确率。通过对GTSRB交通标志数据集进行测试,其识别的准确率达到了99.40%。该分类器方法同时具备了结构简单、训练时间短、准确率高以及识别速度快的优点。
-
关键词
孪生神经网络
分类器
空间变换器网络
交通标志识别
-
Keywords
Siamese network
classifier
spatial transformer networks
traffic sign recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于注意力机制的交通标志识别
被引量：5
- 3
-
-
作者
廖璐明
张伟
王亚刚
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2021年第6期1262-1266,共5页
-
基金
国家自然科学基金项目(11502145)资助.
-
文摘
针对现有的交通标志识别算法在识别率和识别速度等方面存在的不足,在空间不变性方面还可以进一步利用的问题,提出一种基于空间变换网络和注意力机制的交通标志识别算法.首先将交通标志图片经过数据增强,然后输入到空间变换网络中,使得图片具有空间不变性,经过卷积层提取特征和池化层降维,提取图片抽象语义信息进行分类,在模型中加入改进的注意力机制模块,在通道和空间两个维度对特征图施加注意力机制,实现交通标志的准确快速识别.最终实验结果表明,在公开的德国交通标志数据集上,在43个类别12630个测试集上达到99.80%的识别率,平均识别时间只需0.29ms.
-
关键词
卷积神经网络
注意力机制
交通标志识别
深度学习
空间变换网络
特征图
-
Keywords
convolutional neural network
attention mechanism
traffic sign recognition
deep learning
spatial transformer networks
feature map
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
