龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：哈尔滨工业大学
摘要：一种基于多机器学习与层次化分类的电离层杂波识别方法，涉及雷达信号处理技术领域，针对现有技术中不能精准地区分电离层杂波的问题，本申请提升了对不同类型杂波的识别准确率，并进一步扩充样本集，本申请在所用实测样本集上，在第一层中训练辅助分类器对未标注样本预测性能相较传统算法有较大改善，最大提升40％以上，缓解了样本数量不足的问题；对6类不同特性强电离层杂波样本识别达到88.47％的平均预测准确率，较传统算法提升50％以上。
主权项：1.一种基于多机器学习与层次化分类的电离层杂波识别方法，其特征在于包括以下步骤：步骤一：获取回波数据，并对回波数据进行特征提取，得到样本矩阵；步骤二：针对样本矩阵进行拉依达准则检验，并对拉依达准则检验后的样本矩阵进行Z-score标准化；步骤三：利用Z-score标准化后的样本矩阵训练层次分类模型，所述层次分类模型包括第一层分类器、第二层分类器以及第三层分类器，所述第一层分类器包括主分类器和辅助分类器；所述主分类器用于识别样本矩阵中电离层杂波标签数据和非电离层杂波标签数据；所述辅助分类器用于识别非电离层杂波标签数据中背景噪声标签数据和海杂波标签数据；所述第二层分类器用于识别电离层杂波标签数据中弱电离层杂波标签数据和强电离层杂波标签数据；所述第三层分类器用于识别强电离层杂波标签数据中不同特性强电离层杂波标签数据；步骤四：利用训练好的层次分类模型进行电离层杂波识别。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学 一种基于多机器学习与层次化分类的电离层杂波识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号