哈尔滨工程大学卢志忠获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉哈尔滨工程大学申请的专利一种航海雷达目标快速检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115561726B 。
龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210791802.3,技术领域涉及:G01S7/41;该发明授权一种航海雷达目标快速检测方法是由卢志忠;毛勇峰;文保天;范瑶瑶;张润博;亓冠文;刘凯伦设计研发完成,并于2022-07-05向国家知识产权局提交的专利申请。
本一种航海雷达目标快速检测方法在说明书摘要公布了:本发明公开了一种航海雷达目标快速检测方法,在离线雷达数据中选取单一扫描线上的雷达回波数据样本,包括含有目标雷达回波样本和不含目标的纯海杂波雷达回波样本;选取特征参数,将样本的回波特征值输入RBF神经网络进行训练,得到训练后的RBF神经网络分类器模型;获取雷达图像中某单一扫描线上的回波待测数据,按照特征参数计算得到回波待测数据回波特征值,得到输入特征矩阵;将输入特征矩阵输入训练后的RBF神经网络分类器模型中,得到决策函数值y;将y和分类器阈值进行比较,判断扫描线上是否存在目标:若y大于阈值,则存在目标;若y小于阈值,则不存在目标。本发明能够减少检测时间,提升目标检测效率和目标检测精度。
本发明授权一种航海雷达目标快速检测方法在权利要求书中公布了:1.一种航海雷达目标快速检测方法,其特征在于,包括以下步骤: 步骤1:在离线雷达数据中选取单一扫描线上的雷达回波数据样本,所述样本包括含有目标雷达回波的样本和不含目标的纯海杂波雷达回波的样本;选取特征参数,将所述样本的回波特征值输入RBF神经网络进行训练,得到训练后的RBF神经网络分类器模型; 步骤1.1:初始化隐含层至输出层的连接权值向量: Wm=[wm1,wm2,…wmq]T,m=1,2,…,q 式中,q为隐藏层单元数,m表示隐藏层第m层; 隐藏层到输出层的权值初始化公式为: 式中,mink是训练的样本中的第k个神经元输出所预测的结果的最小值;maxk是训练的样本中的第k个神经元输出所预测的结果的最大值,j代表隐藏层第j个神经元; 步骤1.2:初始化隐藏层各神经元的中心参数向量: Cj=[cj1,cj2,…cjn]T 式中,j表示隐藏层第j个神经元,n表示单一扫描线采样点数; RBF神经网络中心参数的初始值为: 式中,mini是训练集中第i个特征所有输入信息的最小值,maxi为训练集中第i个特征所有输入信息的最大值,p表示隐藏层神经元总数; 步骤1.3:初始化宽度向量公式: Dj=[dj1,dj2,…djn]T 式中,j表示隐藏层第j个神经元,n表示单一扫描线采样点数; 宽度向量: 式中,df为宽度调节系数,xij表示第j条扫描线第i个特征值,cij表示中心参数值; 第j个隐含层神经元输出计算公式: 式中X,表示输入特征向量,C表示其中心参数向量,D表示宽度向量; 步骤1.4:输入雷达图像特征数据为: 计算径向基函数作为节点激活函数: 式中,R为隐藏层神经元值; 步骤1.5:计算神经元输出: 式中,yk为输出向量Y中的一个具体输出元素,其中输出向量为: Y=[y1,y2,…yq]T 期望输出向量为零向量,具体为: O=[o1,o2,…oq]T 式中q,表示隐藏层单元数; 步骤1.6:RBF神经网络采用梯度下降法自适应调节RBF神经网络参数连接权值向量、中心参数向量和宽度向量至最佳值;所述连接权值向量、中心参数向量和宽度向量计算公式分别为: 式中,W表示训练权值向量,C表示其中心参数向量,D表示宽度向量; 步骤1.7:中心、宽度和权值更新后,按给定η和α的取值及迭代终止精度ε的值,网络输出的均方根误差RMS的值计算公式: 式中,O表示输出期望矩阵,N为扫描线数,若RMS≤ε,则训练结束,否则返回步骤1.6,对连接权值向量、中心参数向量和宽度向量进行迭代计算; 步骤2:获取雷达图像中某单一扫描线上的回波待测数据,按照步骤1选取特征参数计算得到回波待测数据的回波特征值,得到输入特征矩阵; 步骤3:将步骤2中得到的输入特征矩阵输入训练后的RBF神经网络分类器模型中,得到决策函数值y; 步骤4:将得到的决策函数值y和分类器阈值进行比较,判断扫描线上是否存在目标:若y大于阈值,则存在目标;若y小于阈值,则不存在目标。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人哈尔滨工程大学,其通讯地址为:150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
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。