期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多尺度注意力机制ResNet的雷达工作模式识别
1
作者
卓奕弘
熊敬伟
+1 位作者
潘继飞
郭林青
《雷达科学与技术》
北大核心
2024年第2期170-179,186,共11页
雷达工作模式识别是解释雷达行为和功能的基本任务。现有方法难以在信号灵活、环境复杂的条件下筛除脉冲序列中不同空间和不同通道中的冗余信息。本文在深度残差网络的基础上,增加了空间自注意力模块和通道自注意力模块以适应上述信号...
雷达工作模式识别是解释雷达行为和功能的基本任务。现有方法难以在信号灵活、环境复杂的条件下筛除脉冲序列中不同空间和不同通道中的冗余信息。本文在深度残差网络的基础上,增加了空间自注意力模块和通道自注意力模块以适应上述信号特点。模型引入自注意力机制以实现雷达序列不同空间和通道的自适应权值分配,使网络能更有效地关注更具差异性的信息,实现了极端条件下雷达工作模式的高精度识别。同经典深度学习网络AlexNet、LeNet、VGGNet、ResNet以及常规深度卷积网络相比,该模型在0~50%漏脉冲条件下,平均识别率提升了36%,在独立测试集40%漏脉冲比例下模型仍然具备90%以上的识别率,证明了所提网络的优越性和有效性。
展开更多
关键词
多功能雷达
模式识别
自注意力机制
特征提取
深度学习
下载PDF
职称材料
面向雷达行为识别的多尺度卷积注意力网络
2
作者
熊敬伟
潘继飞
+1 位作者
毕大平
杜明洋
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023年第6期62-74,共13页
针对低信噪比条件下雷达信号特征提取难、识别稳定性低的问题,提出了一种基于深度分组卷积、多尺度卷积和自注意力机制的雷达行为模式识别算法,在不增加训练难度的情况下提高复杂环境下的识别能力。该算法先采用深度分组卷积在浅层网络...
针对低信噪比条件下雷达信号特征提取难、识别稳定性低的问题,提出了一种基于深度分组卷积、多尺度卷积和自注意力机制的雷达行为模式识别算法,在不增加训练难度的情况下提高复杂环境下的识别能力。该算法先采用深度分组卷积在浅层网络分离弱相关的通道,再通过多尺度卷积代替常规卷积实现多维特征的提取,最后利用自注意力机制调整优化不同特征图的权值,抑制低相关和负相关的通道与空间带来的影响。对比实验表明,所提MSCANet在0~50%丢失脉冲和虚假脉冲条件下平均识别率达到约92.25%,与基线网络AlexNet、ConvNet、ResNet、VGGNet相比,准确率提升了约5%~20%,不同雷达行为模式识别稳定,模型具有更好的泛化性和鲁棒性。同时,消融实验证明了深度分组卷积、多尺度卷积和自注意力机制对模式识别的有效性。
展开更多
关键词
深度学习
机器学习
模式识别
深度分组卷积
多尺度卷积
自注意力机制
下载PDF
职称材料
军事装备计量保障体系探究
被引量:
1
3
作者
贺子杰
潘继飞
+1 位作者
郭林青
熊敬伟
《计量与测试技术》
2023年第1期92-95,共4页
随着军事装备的技术含量越来越高,急需构建与新体制、新形势相互衔接适应的计量保障体系,调整重塑计量行政管理体系,优化完善计量技术保障体系,建立健全计量法制法规,着重提高部队计量机动保障能力,加强计量人才队伍建设,加快推进计量...
随着军事装备的技术含量越来越高,急需构建与新体制、新形势相互衔接适应的计量保障体系,调整重塑计量行政管理体系,优化完善计量技术保障体系,建立健全计量法制法规,着重提高部队计量机动保障能力,加强计量人才队伍建设,加快推进计量军民融合的进程。
展开更多
关键词
军事装备
计量保障
体系
下载PDF
职称材料
题名
基于多尺度注意力机制ResNet的雷达工作模式识别
1
作者
卓奕弘
熊敬伟
潘继飞
郭林青
机构
国防科技大学电子对抗学院
出处
《雷达科学与技术》
北大核心
2024年第2期170-179,186,共11页
文摘
雷达工作模式识别是解释雷达行为和功能的基本任务。现有方法难以在信号灵活、环境复杂的条件下筛除脉冲序列中不同空间和不同通道中的冗余信息。本文在深度残差网络的基础上,增加了空间自注意力模块和通道自注意力模块以适应上述信号特点。模型引入自注意力机制以实现雷达序列不同空间和通道的自适应权值分配,使网络能更有效地关注更具差异性的信息,实现了极端条件下雷达工作模式的高精度识别。同经典深度学习网络AlexNet、LeNet、VGGNet、ResNet以及常规深度卷积网络相比,该模型在0~50%漏脉冲条件下,平均识别率提升了36%,在独立测试集40%漏脉冲比例下模型仍然具备90%以上的识别率,证明了所提网络的优越性和有效性。
关键词
多功能雷达
模式识别
自注意力机制
特征提取
深度学习
Keywords
multifunctional radar
mode recognition
self⁃attention mechanism
feature extraction
deep learning
分类号
TN971 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
面向雷达行为识别的多尺度卷积注意力网络
2
作者
熊敬伟
潘继飞
毕大平
杜明洋
机构
国防科技大学电子对抗学院
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023年第6期62-74,共13页
基金
国家自然科学基金(62071476)。
文摘
针对低信噪比条件下雷达信号特征提取难、识别稳定性低的问题,提出了一种基于深度分组卷积、多尺度卷积和自注意力机制的雷达行为模式识别算法,在不增加训练难度的情况下提高复杂环境下的识别能力。该算法先采用深度分组卷积在浅层网络分离弱相关的通道,再通过多尺度卷积代替常规卷积实现多维特征的提取,最后利用自注意力机制调整优化不同特征图的权值,抑制低相关和负相关的通道与空间带来的影响。对比实验表明,所提MSCANet在0~50%丢失脉冲和虚假脉冲条件下平均识别率达到约92.25%,与基线网络AlexNet、ConvNet、ResNet、VGGNet相比,准确率提升了约5%~20%,不同雷达行为模式识别稳定,模型具有更好的泛化性和鲁棒性。同时,消融实验证明了深度分组卷积、多尺度卷积和自注意力机制对模式识别的有效性。
关键词
深度学习
机器学习
模式识别
深度分组卷积
多尺度卷积
自注意力机制
Keywords
deep learning
machine learning
mode recognition
depth-wise convolution
multiscale convolution
self-attention mechanism
分类号
TN971 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
军事装备计量保障体系探究
被引量:
1
3
作者
贺子杰
潘继飞
郭林青
熊敬伟
机构
国防科技大学电子对抗学院
出处
《计量与测试技术》
2023年第1期92-95,共4页
文摘
随着军事装备的技术含量越来越高,急需构建与新体制、新形势相互衔接适应的计量保障体系,调整重塑计量行政管理体系,优化完善计量技术保障体系,建立健全计量法制法规,着重提高部队计量机动保障能力,加强计量人才队伍建设,加快推进计量军民融合的进程。
关键词
军事装备
计量保障
体系
Keywords
military equipment
metrology support
system
分类号
TJ06 [兵器科学与技术—兵器发射理论与技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多尺度注意力机制ResNet的雷达工作模式识别
卓奕弘
熊敬伟
潘继飞
郭林青
《雷达科学与技术》
北大核心
2024
0
下载PDF
职称材料
2
面向雷达行为识别的多尺度卷积注意力网络
熊敬伟
潘继飞
毕大平
杜明洋
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
3
军事装备计量保障体系探究
贺子杰
潘继飞
郭林青
熊敬伟
《计量与测试技术》
2023
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部