System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及雷达信号侦察数据处理,更具体地讲,涉及一种基于图像目标检测的雷达信号分选方法、系统及设备。
技术介绍
1、现有技术主要包括基于直方图的分选方法、基于pri变换的分选方法、基于特征参数聚类的分选方法,这类方法的共同点是均从雷达信号特征参数如频率、脉宽、重频、幅度等维度出发进行分选。
2、上述方法对于参数固定雷达分选效果较好,但对于参数捷变雷达分选效果往往分选效果较差,容易出现增批、漏批以及特征参数获取不完整的问题,难以满足雷达信号侦察系统告警准确性的需求。
技术实现思路
1、本专利技术所要解决的技术问题是,提供一种基于图像目标检测的雷达信号分选方法、系统及设备,将侦察系统接收到的雷达信号幅度信息转换为幅度二维图像,通过对雷达扫描的二次曲线进行检测,解决了雷达信号分选问题,有效抑制了传统分选算法对参数捷变雷达信号分选的增批、漏批问题。
2、本专利技术解决技术问题所采用的解决方案是:
3、一种基于图像目标检测的雷达信号分选方法,具体包括以下步骤:
4、步骤s1:数据预处理;将脉冲序列的幅度数据转换为幅度二维灰度图像,得到幅度二维灰度图像图集;
5、步骤s2:数据增强;将幅度二维灰度图像图集中的图像进行数据增强,并生成更多图像样本;
6、步骤s3:数据集构建与划分;对步骤s2所获得的图像样本进行数据集构建和划分,获得训练集和测试集;
7、步骤s4:网络训练;基于训练集和测试集进行网络训练,,保
8、步骤s5:图像检测;
9、步骤s6:脉冲序列提取。
10、在一些可能的实施方式中,
11、所述步骤s1具体是指:
12、对脉冲序列某段中的第n个脉冲进行数据预处理,得到灰度图像中像素点的横坐标和纵坐标;
13、对应到灰度图像中像素点的横坐标xn的计算公式为:
14、
15、式中,[·]表示取整,w为图像宽度,toamax为当前片段中的最大toa,toan为第n个脉冲的toa值,toamin为当前片段中的最小toa,rest为时间分辨率;
16、其对应到灰度图像中像素点纵坐标yn的计算公式:
17、
18、式中,[·]表示取整,h为图像高度,pamax为当前片段中的最大pa,pan为第n个脉冲的pa值,pamin为当前片段中的最小pa,respa为幅度分辨率。
19、在一些可能的实施方式中,
20、所述步骤s2具体是指:通过翻转、裁剪、加噪声对幅度二维灰度图像进行数据增强,生成更多图像样本。
21、在一些可能的实施方式中,
22、所述步骤s3具体包括以下步骤:
23、步骤s31:数据集构建;
24、对数据增强之后的图像样本进行人工标注,得到标注后的灰度图像数据集和对应的标签;
25、步骤s32:数据集划分;
26、对标注后的灰度图像数据集进行划分,得到训练集和测试集。
27、在一些可能的实施方式中,
28、标签的格式为:[class,x,y,w,h],其中,class表示目标类别,(x,y)表示标注框的中心坐标,(w,h)表示标注框的相对高和宽。
29、在一些可能的实施方式中,
30、所述步骤s4具体是指:
31、采用yolo算法进行图像检测,结合端到端的训练方式进行训练,直至模型验证损失不再继续提高,停止训练,保存训练好的模型参数,其中训练集用于训练模型参数,测试集用于验证模型性能。
32、在一些可能的实施方式中,
33、所述步骤s5具体是指:
34、将训练好的模型用于雷达信号的二次扫描曲线检测,对收到的脉冲序列按照步骤s1进行数据预处理,将脉冲序列数据转化为幅度灰度图像输入网络,输出检测结果。
35、在一些可能的实施方式中,
36、所述步骤s6具体是指:
37、根据检测结果给出的坐标范围,提取出坐标范围内的脉冲作为分选结果输出。
38、一种基于图像目标检测的雷达信号分选系统,包括:
39、数据预处理模块,用于将脉冲序列的幅度数据转换为幅度二维灰度图像,得到幅度二维灰度图像图集;
40、数据增强模块,将幅度二维灰度图像图集中的图像进行数据增强,并生成更多图像样本;
41、数据集构建与划分模块,对数据增强模块生成的图像样本进行数据集构建和划分,获得训练集和测试集;
42、网络训练模块,基于训练集和测试集进行网络训练,保存训练好的模型参数;
43、图像检测模块,将网络训练模块训练好的模型用于雷达信号的二次扫描曲线检测,获得检测结果;
44、提取模块,从检测结果中提取脉冲序列。
45、一种计算机设备,包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行如以上所述方法。
46、与现有技术相比,本专利技术的有益效果:
47、本专利技术将侦察系统接收到的雷达信号的幅度信息转换为一幅幅幅度二维灰度图像,通过对雷达扫描的二次曲线进行检测,解决了雷达信号分选问题,有效抑制了传统分选算法对参数捷变雷达信号分选的增批、漏批问题;
48、本专利技术实现对雷达信号二次扫描曲线的准确检测和定位,根据检测定位结果提取出信号脉冲,解决雷达信号的分选问题。
本文档来自技高网...【技术保护点】
1.一种基于图像目标检测的雷达信号分选方法,其特征在于,具体包括以下步骤:
2.根据权利要求1所述的一种基于图像目标检测的雷达信号分选方法,其特征在于,所述步骤S1具体是指:
3.根据权利要求1所述的一种基于图像目标检测的雷达信号分选方法,其特征在于,所述步骤S2具体是指:通过翻转、裁剪、加噪声对幅度二维灰度图像进行数据增强,生成更多图像样本。
4.根据权利要求1所述的一种基于图像目标检测的雷达信号分选方法,其特征在于,所述步骤S3具体包括以下步骤:
5.根据权利要求4所述的一种基于图像目标检测的雷达信号分选方法,其特征在于,标签的格式为:[class,x,y,w,h],其中,class表示目标类别,(x,y)表示标注框的中心坐标,(w,h)表示标注框的相对高和宽。
6.根据权利要求4所述的一种基于图像目标检测的雷达信号分选方法,其特征在于,所述步骤S4具体是指:
7.根据权利要求6所述的一种基于图像目标检测的雷达信号分选方法,其特征在于,所述步骤S5具体是指:
8.根据权利要求7所述的一种基于图
9.根据权利要求1-8任一项所述的一种基于图像目标检测的雷达信号分选系统,其特征在于,包括:
10.一种计算机设备,包括存储器和处理器,其特征在于,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行如权利要求1-8任一项所述方法。
...【技术特征摘要】
1.一种基于图像目标检测的雷达信号分选方法,其特征在于,具体包括以下步骤:
2.根据权利要求1所述的一种基于图像目标检测的雷达信号分选方法,其特征在于,所述步骤s1具体是指:
3.根据权利要求1所述的一种基于图像目标检测的雷达信号分选方法,其特征在于,所述步骤s2具体是指:通过翻转、裁剪、加噪声对幅度二维灰度图像进行数据增强,生成更多图像样本。
4.根据权利要求1所述的一种基于图像目标检测的雷达信号分选方法,其特征在于,所述步骤s3具体包括以下步骤:
5.根据权利要求4所述的一种基于图像目标检测的雷达信号分选方法,其特征在于,标签的格式为:[class,x,y,w,h],其中,class表示目标类别,(x,y)表示...
【专利技术属性】
技术研发人员:赵巍,杨启伦,杜冶,沈路,刘勇,左园,
申请(专利权)人:中国电子科技集团公司第二十九研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。