孙晶明
- 作品数：22 被引量：70H指数：5
- 供职机构：中国电子科技集团第十四研究所更多>>
- 发文基金：国家自然科学基金中国人民解放军总装备部预研基金更多>>
- 相关领域：电子电信更多>>
- 基于深度学习的雷达自动目标识别架构研究被引量：10
- 2019年
- 针对深度学习运用于雷达目标识别时存在的数据量欠缺和数据人工标注难等问题,提出将传统目标识别方法与人工智能技术结合,建立面向应用的新的目标识别架构,通过融合处理以及基于传统方法的机器自动标注,获得更优越的识别效果,大幅减少人工标注的工作量,确保系统在低数据量、低标注数据下仍可维持一定的识别效果。雷达实测数据证明了该识别框架的有效性。
- 李士国张瑞国张瑞国孙晶明
- 关键词：雷达自动目标识别架构
- 对数变换在高分辨距离像目标识别中的应用被引量：5
- 2016年
- 在基于高分辨距离像的雷达目标识别中,幂变换是一种常用的非线性预处理方法,对提高识别率有一定的作用。但幂变换对高分辨距离像目标识别的性能提升受信噪比情况影响较大,且幂变换指数的选取对识别结果影响明显,甚至有不利影响。文中针对幂变换存在的问题,提出用对数变换对高分辨距离像进行预处理。比较分析了对数变换与幂变换的作用机理的异同点,并重点分析了对数变换对高分辨距离像类内和类间相关系数的影响。研究表明:对数变换相较于幂变换更适于对高分辨距离像进行预处理,且实测数据的实验结果表明对数变换比幂变换能更有效地提高识别率。
- 孙晶明杨予昊邢远见王梓谦
- 关键词：高分辨距离像目标识别预处理
- 基于深度学习的HRRP识别姿态敏感性分析被引量：1
- 2022年
- 特征提取是基于高分辨距离像(high resolution range profile, HRRP)的雷达目标识别的关键技术之一。传统人工提取特征的算法,仅利用浅层结构特征,无法有效解决姿态敏感性问题,从而限制了目标识别方法的泛化性。对此,提出一种基于深度学习的目标识别方法,并通过详细的姿态角性能测试分析了该方法的应用边界条件。通过构造适合处理HRRP的卷积神经网络(convolutional neural network, CNN)模型,充分发掘目标深层次姿态不敏感属性特征,完成高精度目标识别。基于实测数据的实验结果表明,所提方法具有一定的抗姿态敏感性特性,边界条件分析可为该方法的工程化应用提供指导。
- 孙晶明虞盛康孙俊
- 关键词：雷达目标识别高分辨距离像卷积神经网络
- 基于机器学习的海面扩展目标检测被引量：3
- 2022年
- 宽带高分辨雷达较窄带雷达可获得更多的目标和环境信息,且可更精确地测量目标的位置和运动参数,同时也具有更好的低截获性能。但目标在宽带波形下通常表现为扩展目标,基于点目标假设的传统的信噪比阈值检测方法难以充分利用扩展目标的回波特性。因此,文中提出了基于支持向量机和卷积神经网络两种机器学习方法的海面扩展目标检测器。通过建立仿真平台生成样本数据,对两种机器学习模型进行了训练和测试。阈值检测、支持向量机和卷积神经网络三种方法的检测性能曲线的对比展现了两种基于机器学习方法在海面扩展目标检测上的优势。实测场景的测试进一步表现出卷积神经网络能有效提升点迹质量,从而有利于提升航迹质量,也表明了采用仿真生成的样本数据集对应用于海面扩展目标检测的机器学习模型进行训练和验证的有效性。
- 王治飞于俊朋孙晶明张强张强
- 关键词：宽带信号卷积神经网络支持向量机
- 稀疏随机矩阵的观测次数下界被引量：2
- 2012年
- 压缩感知理论中的稀疏重构问题,要将一个高维信号从它的低维投影中恢复出来,通常选用稠密随机矩阵作为观测矩阵来解决这一问题。而某些稀疏随机矩阵作为观测矩阵也可以达到这一目的。稀疏随机矩阵的特点是,在编码和重构过程中都具有较低的计算复杂度,更新方便,且对存储容量的要求较低。该文基于压缩感知理论,分别对列重固定、行重固定以及一般的稀疏随机矩阵进行了研究,当这些稀疏随机矩阵满足有限等距性质时,推导了观测次数应满足的下界条件,并对三种矩阵的性能进行了分析。以二值稀疏随机矩阵为特例,进行了仿真实验。实验结果显示,结论给出的观测次数下界是比较紧的,并验证了列重固定、行重固定的稀疏随机矩阵作为观测矩阵的可行性和实用性。
- 孙晶明王殊董燕
- 关键词：压缩感知
- 面向机器学习的高分辨距离像对齐算法被引量：1
- 2020年
- 平移敏感性问题是机器学习方法应用在基于高分辨距离像的雷达目标识别领域的重要限制。在实际雷达工作场景中,高分辨距离像中的目标可能出现在高分辨距离像的不同位置,导致将高分辨距离像作为样本向量直接输入机器学习系统时不同样本的相同特征维度代表信息不统一,严重制约了机器学习系统的性能。针对这一问题,文中尝试建立高分辨距离像样本集对齐的目标函数,并给出该目标函数的近似解。在将高分辨距离像样本集进行对齐处理后,使用机器学习方法进行基于高分辨距离像的雷达目标识别的性能将得到显著提升。基于实测数据对该方法进行了性能验证,实验结果证实了该方法的有效性。
- 虞盛康孙晶明于俊朋
- 关键词：高分辨距离像对齐算法目标识别
- 压缩感知中观测矩阵的研究
- 传统信号采样压缩过程基于经典的奈奎斯特采样定理这一理论框架,由于采样数据量的增大,导致采样成本过高,甚至存在资源浪费等问题。近年来,信号处理领域出现的压缩感知理论/(Compressed Sensing,简称CS理论/)...
- 孙晶明
- 关键词：压缩感知
- 文献传递
- CS-DOA估计中观测矩阵性能分析被引量：1
- 2016年
- 利用压缩感知(CS)理论解决阵列信号波达方向角(DOA)估计问题,具有对快拍数据量要求低、可处理相关源等优点。CS-DOA估计中的一个关键问题是构建合适的观测矩阵。文中对比分析了均匀线阵与随机稀布阵两种阵列流形的稀疏重构性能,分析结果表明在实际应用中基于随机稀布阵构建的观测矩阵性能更优。仿真实验从三个方面比较了两种观测矩阵的DOA估计性能,验证了随机稀布阵性能的优越性,在不增加阵元数的前提下,能有效提高阵列的空间角分辨率。
- 孙晶明
- 关键词：压缩感知
- 一种雷达目标检测跟踪一体化方法、装置、电子设备
- 本发明涉及雷达数据处理领域，具体涉及一种雷达目标检测跟踪一体化方法、装置、电子设备。方法包括以下步骤：接收雷达探测回波数据，并进行预处理；从预处理后的雷达探测回波数据中，提取目标特征，将目标特征输入预训练的基于时序神经网...
- 叶宇于俊朋杨予昊孙晶明张强冯元力
- 基于网络集成的分角域高分辨雷达目标识别研究
- 2021年
- 雷达探测中,目标识别是关键问题。借助人工智能技术提高雷达目标识别性能是近几年的研究热点。针对神经网络运用于雷达目标识别时存在的网络训练困难和数据量欠缺等问题,将网络集成的思想引入高分辨雷达目标识别,通过将传统目标识别方法与网络集成技术结合,降低网络的复杂度,减少对数据量的要求,并利用角域划分,建立分角域网络集成高分辨雷达目标识别架构,确保系统在低数据量下仍可获得较好的识别效果。雷达实测数据证明了该方法的有效性。
- 李士国孙晶明
- 关键词：雷达高分辨距离像自动目标识别神经网络集成角域
