期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
Radar automatic target recognition based on feature extraction for complex HRRP 被引量:9
1
作者 DU Lan LIU HongWei BAO Zheng ZHANG JunYing 《Science in China(Series F)》 2008年第8期1138-1153,共16页
Radar high-resolution range profile (HRRP) has received intensive attention from the radar automatic target recognition (RATR) community. Usually, since the initial phase of a complex HRRP is strongly sensitive to... Radar high-resolution range profile (HRRP) has received intensive attention from the radar automatic target recognition (RATR) community. Usually, since the initial phase of a complex HRRP is strongly sensitive to target position variation, which is referred to as the initial phase sensitivity in this paper, only the amplitude information in the complex HRRP, called the real HRRP in this paper, is used for RATR, whereas the phase information is discarded. However, the remaining phase information except for initial phases in the complex HRRP also contains valuable target discriminant information. This paper proposes a novel feature extraction method for the complex HRRP. The extracted complex feature vector, referred to as the complex feature vector with difference phases, contains the difference phase information between range cells but no initial phase information in the complex HRRR According to the scattering center model, the physical mechanism of the proposed complex feature vector is similar to that of the real HRRP, except for reserving some phase information independent of the initial phase in the complex HRRP. The recognition algorithms, frame-template establishment methods and preprocessing methods used in the real HRRP-based RATR can also be applied to the proposed complex feature vector-based RATR. Moreover, the components in the complex feature vector with difference phases approximate to follow Gaussian distribution, which make it simple to perform the statistical recognition by such complex feature vector. The recognition experiments based on measured data show that the proposed complex feature vector can obtain better recognition performance than the real HRRP if only the cell interval parameters are properly selected. 展开更多
关键词 complex high-resolution range profile (HRRP) radar automatic target recognition (RATR) feature extraction minimum Euclidean distance classifier adaptive Gaussian classifier (AGC)
原文传递
基于中心矩特征的雷达HRRP自动目标识别 被引量:32
2
作者 袁莉 刘宏伟 保铮 《电子学报》 EI CAS CSCD 北大核心 2004年第12期2078-2081,共4页
针对雷达高分辨距离像 (HRRP)的方位敏感性和平移敏感性 ,对一定角域内的HRRP非相干平均 ,提取具有平移不变性的中心矩作为特征向量 ,采用Karhunen Loeve变换进一步进行特征压缩 ,建立相应的支撑矢量机(SVM)分类算法 .与基于原始距离像... 针对雷达高分辨距离像 (HRRP)的方位敏感性和平移敏感性 ,对一定角域内的HRRP非相干平均 ,提取具有平移不变性的中心矩作为特征向量 ,采用Karhunen Loeve变换进一步进行特征压缩 ,建立相应的支撑矢量机(SVM)分类算法 .与基于原始距离像特征的最大似然 (ML)方法和基于中心矩特征的ML方法识别结果比较 ,该方法在减少计算量的同时具有较高的识别率 。 展开更多
关键词 中心矩特征 高分辨距离像 自动目标识别 支撑矢量机
下载PDF
基于集合和神经网络架构搜索的自动历史拟合方法 被引量:1
3
作者 张黎明 陈昕晟 +6 位作者 李国欣 马小鹏 张凯 谷建伟 姚军 王健 孙海 《中国石油大学学报(自然科学版)》 EI CAS CSCD 北大核心 2022年第2期127-136,共10页
由于人工经验选取的局限性,难以获取决定模型重构精度的最优网络参数是目前使用深度学习方法在自动历史拟合中对油藏地质模型进行降维时的难点之一。针对此问题,通过将深度自编码器与粒子群优化算法相互结合实现最佳网络架构的自动搜索... 由于人工经验选取的局限性,难以获取决定模型重构精度的最优网络参数是目前使用深度学习方法在自动历史拟合中对油藏地质模型进行降维时的难点之一。针对此问题,通过将深度自编码器与粒子群优化算法相互结合实现最佳网络架构的自动搜索,并以此构建一种基于集合数据同化和神经网络架构自动搜索的油藏自动历史拟合方法。分别对一个二维河流相油藏渗透率场分布模型以及SPE-10单层油藏数值模型应用该方法,并与单一的自动历史拟合方法进行对比验证。结果表明,经优化后自动搜索出最优神经网络构架的自动历史拟合方法要比优化前及单一的自动历史拟合方法能够更准确地提取出油藏数值模型的地质特征。 展开更多
关键词 自动历史拟合 深度学习 复杂地质特征 深度自编码 网络架构搜索 数据同化
下载PDF
基于集合光滑的深度学习自动历史拟合方法 被引量:1
4
作者 马小鹏 张凯 +3 位作者 陈昕晟 曹庆平 姚传进 谷建伟 《中国石油大学学报(自然科学版)》 EI CAS CSCD 北大核心 2020年第4期68-76,共9页
针对具有复杂地质特征的大规模油藏反演建模难题,研究整合深度学习模型与数据同化算法的自动历史拟合方法。提出奇异值分解-深度变分自编码模型,基于奇异值差分谱估计油藏模型参数的本征维数,并以此作为潜变量维数;编码器对油藏模型参... 针对具有复杂地质特征的大规模油藏反演建模难题,研究整合深度学习模型与数据同化算法的自动历史拟合方法。提出奇异值分解-深度变分自编码模型,基于奇异值差分谱估计油藏模型参数的本征维数,并以此作为潜变量维数;编码器对油藏模型参数进行特征提取并降维至低维潜变量空间,解码器将低维潜变量重构生成与先验地质统计特征一致的油藏模型;结合多次迭代同化的集合光滑方法,更新低维潜变量并解码重构至对应的油藏模型参数,进行生产历史拟合。结果表明:保留90%信息估计的模型参数本征维数作为潜变量维数,能够保持清晰的相边界;相比传统的奇异值分解降维方法深度变分自编码模型能够有效地处理复杂离散地质特征;提出的方法能够准确地预测河流相分布。 展开更多
关键词 复杂地质特征 自动历史拟合 深度学习 数据同化 奇异值分解 变分自编码
下载PDF
基于支持向量机的复杂地质分形特征自动提取 被引量:2
5
作者 张钰帆 郑寒 王艳霞 《计算机仿真》 北大核心 2021年第1期261-264,335,共5页
为了提升勘探工作效率,准确提取复杂地质分形特征,提出一种支持向量机的复杂地质分形特征自动提取方法。在两种线性可分情况下,将最佳的分类面简化为最佳分类直线,获得最佳分类平面;考虑噪声及其它干扰因素造成线性不可分的状况,得到广... 为了提升勘探工作效率,准确提取复杂地质分形特征,提出一种支持向量机的复杂地质分形特征自动提取方法。在两种线性可分情况下,将最佳的分类面简化为最佳分类直线,获得最佳分类平面;考虑噪声及其它干扰因素造成线性不可分的状况,得到广义的最佳分类面;基于两点可以得出支持向量机内积;通过抽取异常重磁分维数的频率域角度获得分维值,反映出不同频率能量关系,计算地质图像内的方差、均值、相关性、对比度以及角二阶矩,即可完成地质分形特征自动提取。实验结果表明,所提方法能够很好区分各类泥岩样本,特征提取效果准确。 展开更多
关键词 支持向量机 复杂地质特征自动提取 异常重磁分维数 频率能量
下载PDF
基于DBN的频率与相位编码信号快速调制识别方法 被引量:4
6
作者 许程成 张剑云 +1 位作者 黄健航 谌诗娃 《现代雷达》 CSCD 北大核心 2018年第2期33-39,共7页
为提升低信噪比条件下雷达/通信频率、相位编码信号调制识别性能,降低特征提取复杂度,提出了基于深度信念网络DBN(Deep Belief Network,DBN)以及快速特征提取的调制识别方法。结合快速傅里叶累加算法FAM(FFTr Accumula—tion Met... 为提升低信噪比条件下雷达/通信频率、相位编码信号调制识别性能,降低特征提取复杂度,提出了基于深度信念网络DBN(Deep Belief Network,DBN)以及快速特征提取的调制识别方法。结合快速傅里叶累加算法FAM(FFTr Accumula—tion Method)算法,提出了将循环谱估计图像转化为有效可识别特征向量的提取算法;设计了用于编码信号调制识别的DBN网络训练与识别框架。仿真结果表明,文中方法较传统方法具有更低的特征提取与预处理复杂度,提取的特征在几种典型编码调制模式信号中具有明显区分,DBN训练识别框架对雷达/通信编码信号调制识别均具有可行性与有效性,在低信噪比条件下对无线电编码信号有更高的识别正确率。 展开更多
关键词 调制识别 特征提取 深度信念网络 循环谱 快速傅里叶累加算法 计算复杂度
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部