排序方式: 共有21条查询结果,搜索用时 0 毫秒
11.
针对辐射源个体识别(SEI)中样本标签不完整和数据类别分布不平衡导致分类准确率下降的问题,该文提出了一种基于代价敏感学习和半监督生成式对抗网络(GAN)的特定辐射源分类方法。该方法通过半监督训练方式优化生成器和判别器的网络参数,并向残差网络中添加多尺度拓扑模块融合时域信号的多维分辨率特征,赋予生成样本额外标签从而直接利用判别器完成分类。同时设计代价敏感损失缓解优势样本导致的梯度传播失衡,改善分类器在类不平衡数据集上的识别性能。在4类失衡仿真数据集上的实验结果表明,存在40%无标记样本的情况下,该方法对于5个辐射源的平均识别率相比于交叉熵损失和焦点损失分别提高5.34%和2.69%,为解决数据标注缺失和类别分布不均条件下的特定辐射源识别问题提供了新思路。 相似文献
12.
为了提高雷达恒虚警(Constant False Alarm Rate,CFAR)检测器在多目标背景下的鲁棒性,更好地检测目标,提出了一种新的基于方差均值平方比(VMSR)的恒虚警检测器,并建立了相应的检测器模型,得出了标称化因子T值和置信区间(a,b)。在均匀背景和多目标背景下,对VMSR检测器进行了仿真分析。在均匀背景下,VMSR检测性能优于OS,相比CA仅有很小的检测损失;在多目标背景下,VMSR检测性能相比OS得到了提升,特别是在干扰目标个数r>N-k时,OS不能有效检测出目标,而VMSR仍能保持较好的检测性能。结果表明,VMSR在多目标背景下检测性能优于OS,其在多目标背景下具有较强的鲁棒性。 相似文献
13.
14.
15.
自动调制分类是电磁空间感知的一个关键问题,目前传统的识别技术很难适应复杂的信号情况。现有的调制分类算法大多忽略了不同特征之间的互补性和特征融合的重要性。基于此,提出一种用于自动调制分类的图像特征融合方法。该方法充分利用了不同图像特征之间的互补性,通过格拉姆角场(Gramian Angular Field, GAF)方法将原始信号转换为图像,同时利用累积极坐标特征转换技术将接收到的信号从I-Q域转换为r-θ域,在r-θ域对原始信号进行特征编码然后转换为图像。使用深度学习对两种图像进行特征提取,将提取的特征融合后用作神经网络分类器的输入,以实现对多种类型信号的自动调制分类。实验结果表明,使用Swin-Transformer网络模型对转换后的图像进行分类,在信噪比大于4 dB的情况下,调制方法的识别率超过90%。 相似文献
16.
大面积动态海洋红外视景仿真是三维红外海战场环境仿真的重要内容,具有重要的应用价值。引入法线贴图,采用GPU着色器技术,提出了一种中波段动态海洋视景的生成方法,实现了逼真的红外海面视景实时仿真。基于矩形平面构建海洋模块,利用海面纹理的法线图,在GPU着色器中计算海面像素的辐射特性、辐射强度和方向。采用了一种基于纹理坐标操作的动态波浪模拟着色器算法实现海面法线的动态变化。提出了基于视点和视场检测的海洋模块调度策略以提高系统渲染效率。实验结果表明,该方法生成的红外海面视景渲染速度可达到80帧/s以上,满足实时仿真的要求,并能逼真地仿真中波段海面的光斑现象。 相似文献
17.
18.
19.
20.