[发明专利]利用深度学习卷积神经网络估计复杂微动空间锥体目标参数的方法在审
| 申请号： | 202010366837.3 | 申请日： | 2020-04-30 |
| 公开（公告）号： | CN111598232A | 公开（公告）日： | 2020-08-28 |
| 发明（设计）人： | 陈如山;丁大志;樊振宏;何姿;李猛猛;叶晓东;张杰;张晓杰 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04;G06T17/00;G01S13/50 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 朱显国 |
| 地址： | 210094 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种利用深度学习卷积神经网络估计复杂微动空间锥体目标参数的方法。该方法为：首先建立弹道导弹目标几何模型，然后对目标发射单一频率脉冲，接收目标的回波，通过对目标回波做时频分析得到目标的时频分布图，将时频图作为CNN的输入让网络学习时频图特征，最终得到锥体目标高度，底面半径及进动角的估计值，之前估计空间锥体目标的方法是从时频图中估计目标的微多普勒频率曲线，该方法稳定性差，估计的微多普勒频率会对参数估计结果造成很大影响，本发明介绍的方法直接从时频图中提取特征，估计的稳定性和精度均有提升，而且之前的方法只能估计进动目标，而本发明的方法既能估计进动的空间锥体目标也能估计章动空间锥体目标的参数。 | ||
| 搜索关键词： | 利用 深度 学习 卷积 神经网络 估计 复杂 微动 空间 锥体 目标 参数 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010366837.3/，转载请声明来源钻瓜专利网。
