公开(公告)号：CN115424177A

公开(公告)日：2022-12-02

申请号：CN202211073134.7

申请日：2022-09-02

Applicant: 哈尔滨工程大学

Inventor： 汲清波 ,  陈奎丞 ,  候长波 ,  李子琦 ,  吴江江 ,  孔德强 ,  戚宇飞

IPC: G06V20/40 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/77 ,  G06V10/82

Abstract: 本发明公开了一种基于增量学习的孪生网络目标跟踪的方法，将增量学习应用到目标跟踪网络模型的更新过程中；首先，将跟踪网络SiamRPN++的RPN复制为学生模型，利用跟踪过程中产生的高可信度目标作为在线训练的小样本集；然后，利用增量学习的方式学习上一帧网络产生的小样本集，对模型通过域扩展以及知识蒸馏的方式训练学生模型；最后，利用学生网络模型产生的目标信息和教师网络模型产生的目标信息进行动态加权融合以更新位置；本发明利用增量学习的方式使离线训练的模型具有自适应的学习能力，不仅有效利用了跟踪过程中目标的历史信息，还避免了对模型进行大规模的离线训练，提升了孪生网络算法在跟踪过程中处理目标形变情况的能力。

公开(公告)号：CN106990386A

公开(公告)日：2017-07-28

申请号：CN201710239780.9

申请日：2017-04-13

Applicant: 哈尔滨工程大学

Inventor： 司伟建 ,  黄小梅 ,  吴娜 ,  曲志昱 ,  张春杰 ,  候长波

IPC: G01S3/14

CPC classification number: G01S3/14

Abstract: 本发明的目的在于提供一种单偶极子极化敏感旋转阵列DOA与极化参数联合估计方法，首先对所述极化敏感旋转阵列的阵列接收信号进行数学建模，之后对MUSIC算法的谱函数中的导向矢量的表达式进行修正，从而利用MUSIC算法实现入射信号DOA与极化参数的联合估计。本发明所述的旋转阵列不仅可以利用单偶极子构造极化敏感旋转阵列进行构造，还可以利用任意极化敏感天线单元或组合对其进行构造，具有很强的可移植性。该阵列可以有效降低系统的通道数，极大的降低了系统的成本，并且较少的阵元数有效的避免了阵元数较多带来的通道不一致性的问题。