-
公开(公告)号：CN119024260A
公开(公告)日：2024-11-26
申请号：CN202410973575.5
申请日：2024-07-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种脉冲噪声环境下鲁棒低阶矩DOA估计方法。本发明通过均匀线性阵列接受信号信息，根据接受信号信息计算局部信息熵，然后根据局部信息熵计算调谐参数b，再进一步构造相应的RLOM协方差矩阵，最后结合MUSIC算法得到DOA的精确估计。本发明提出一种自适应调谐参数b的选择策略，结合类FLOS方法和相关熵的优点，采用相关熵确定的自适应参数自动抑制脉冲噪声功率，有效抑制了0＜α≤2范围内的噪声，从而使传统的基于子空间的方法能够有效地应用且不需要任何先验的噪声知识。RLOM算法不仅使用了基于局部信息熵的自适应调谐参数，而且适用于各种类型的脉冲噪声。与传统的基于FLOS的算法相比，该算法在强脉冲噪声和低GSNR条件下具有明显的优越性。
-
公开(公告)号：CN118733971A
公开(公告)日：2024-10-01
申请号：CN202410973574.0
申请日：2024-07-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于信号空间的前向后向卷积核的DOA估计方法。通过静止和恒定速度移动的均匀线性阵列获取某时刻的接收数据并转化成数据向量，计算静止阵列与移动阵列的互协方差矩阵，然后对生成的互协方差矩阵进行特征分解，得到信号空间矩阵。利用变换后的信号空间矩阵的的部分信息分别推出前向卷积核矩阵和后向卷积核矩阵，进而构造出FBCK协方差矩阵，最后用ESPRIT算法对DOA进行精确估计。本发明将前向/后向卷积核方法与相干信号DOA估计问题相结合，该方法不仅重构了信号协方差阵及其对角元素，而且利用移动阵列技术有效地解决了相干信号的DOA估计问题。与空间平滑类算法相比，我们提出的FBCK方法的有更加优秀的DOA估计性能。
-
公开(公告)号：CN118112473A
公开(公告)日：2024-05-31
申请号：CN202410208869.9
申请日：2024-02-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于复数紧凑深度可分离卷积的磁共振成像方法，包括训练数据的准备、CMSU‑Net网络模型构建与训练以及预测重建。该方法考虑批内复数图像间的差异，提出复数通道标准化的方法，来提高网络的收敛速度和性能，防止复数训练时出现的梯度消失和扩散问题；提出复数紧凑深度可分离卷积，对每个通道进行单独的复数深度卷积以提取复数特征，然后通过复数逐点卷积进行特征的合并，以减小模型参数和计算量；提出复数逐点紧凑卷积，在进一步减少网络的参数量的同时保持原有性能。实验结果表明，在高加速比欠采样时，本方法可以重建出高质量的磁共振复数图像，且模型参数量小，网络训练速度快、解决梯度消失等训练失败问题。
-
公开(公告)号：CN117639725A
公开(公告)日：2024-03-01
申请号：CN202311651285.0
申请日：2023-12-04
Applicant: 杭州电子科技大学
Abstract: 本发明提供了一种基于混合网络的小型化超宽带巴伦及其设计方法，包括开关电路、无源巴伦回路和有源巴伦回路。开关电路包括至少一个单刀双掷开关和串并联开关，单刀双掷开关设置于有源巴伦回路和无源巴伦回路的两端；无源巴伦回路，包括无源巴伦，其将输入端的单端信号转换为高频的差分信号，通过输出端输出；有源巴伦回路，包括有源巴伦，其包括共源放大电路和共栅放大电路，设置于无源巴伦回路的外围且二者输出端的相位相反；其将输入端获得的单端信号转换为低频差分信号；本发明结合了有源巴伦和无源巴伦的优势，实现了小型化超宽巴伦，解决了巴伦小型化需求下难以实现工作起始频率低、截止频率高的问题。
-
公开(公告)号：CN112862783A
公开(公告)日：2021-05-28
申请号：CN202110171111.9
申请日：2021-02-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于神经网络的甲状腺CT图像结节自动诊断系统，依次包括图像预处理模块，对原始甲状腺CT图像进行预处理，对预处理图像进行结节信息的标记；图像数据增强模块，用于扩充甲状腺CT图像数据集；结节语义分割模块，通过神经网络进行图像语义分割，分割出结节部分；图像算法优化模块，使语义分割网络输出平滑过渡，适配到分类网络中；分类预测模块，使用混合网络模型对分割出的各个甲状腺结节进行良恶性分类判断。本发明能够实现端到端的甲状腺结节诊断，无需额外对CT图像进行图像处理及数据标注工作，可以实现高准确率和高效率的甲状腺结节自动识别和良恶性分类。
-
Patent Agency Ranking
公开(公告)号：CN112686336A
公开(公告)日：2021-04-20
申请号：CN202110119362.2
申请日：2021-01-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于神经网络的烧伤创面深度分类系统，包括依次连接的烧伤图像采集模块、图像预处理模块、图像数据增强模块、前端多模型特征提取模块和后端模型分类预测模块；烧伤图像采集模块，采集烧伤患者的创面图像；图像预处理模块，对创面图像预处理；图像数据增强模块，对创面图像进行数据增强，扩充创面图像数据集；前端多模型特征提取模块，对烧伤图像进行多模型的特征提取并堆叠前端多模型的输出特征矩阵；后端模型分类预测模块，进一步地提取前端多模型的输出特征，并进行烧伤深度的分类预测；本系统能够实现端到端的烧伤创面深度诊断，通过前后端不同的神经网络模型的配置，实现高准确率和高效率的烧伤深度诊断。
-
公开(公告)号：CN119375821A
公开(公告)日：2025-01-28
申请号：CN202411557647.4
申请日：2024-11-04
Applicant: 杭州电子科技大学
IPC: G01S3/74 , G01S3/14 , G06F17/16 , G06F18/213
Abstract: 本发明公开了一种脉冲噪声下嵌套阵列非圆SPFLOM‑DOA估计方法，包括如下步骤：步骤1、通过嵌套阵列天线接收信号，得到信号信息；步骤2、根据接收的信号信息构造扩展的信号信息，并计算SPFLOM矩阵；步骤3、将SPFLOM矩阵进行向量化和重排列处理，得到虚拟阵列接收信号；步骤4、对虚拟阵列接收信号去冗余，得到新的虚拟均匀线阵接收信号；步骤5、对虚拟均匀线阵接收信号中的差阵与和阵中的阵元间距为半波长的连续部分分别进行空间平滑，拼接得到虚拟阵列信息，并对虚拟阵列信息构造协方差矩阵，再用降维MUSIC方法得到DOA的精确估计。该方法能在强脉冲噪声环境下对非圆信号DOA实现了准确估计。
-
公开(公告)号：CN112712122B
公开(公告)日：2024-10-18
申请号：CN202011638346.6
申请日：2020-12-31
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V20/70 , G06V10/82 , G06N3/045 , G06N3/084 , G06V10/26 , G06T7/00 , G06T5/40 , G06T5/30 , G06T5/94
Abstract: 本发明公开了基于神经网络模型的角膜溃疡的分类检测方法及系统，涉及角膜溃疡的分类检测和疾病判别领域。主要方法包括：利用多个摄像头多角度采集被测者荧光染色后的角膜图像；制作并对角膜图像添加掩膜，提取有效部分；进一步处理提取的有效角膜图像，将其作为网络输入；使用经过大量有效数据训练后的Inception‑ResNet‑V2神经网络模型完成对点样型角膜溃疡、点片状混合型角膜溃疡和片状型角膜溃疡的初步分类；利用训练后的支持向量机处理不同角度的角膜图像检测结果，做出最终的分类判断；本发明提供的系统可实现较高准确率的角膜溃疡类型检测，且数据可上传至云端服务器供进一步分析。
-
公开(公告)号：CN112859067B
公开(公告)日：2024-01-16
申请号：CN202011644479.4
申请日：2020-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于毫米波雷达的动态目标的监测方法，包括如下步骤：S1利用毫米波雷达发射线性调频信号，经过回波信号与发射信号混频后得到基带差拍信号；S2对得到的信号进行预处理去除寄生调幅干扰、正交混频镜像干扰等影响信号质量的问题；S3利用DFT对含有目标距离信息的差拍信号进行频率的估计，继而转化成距离的估计而实现目标的距离参数测量；S4多个毫米波雷达分布式组网实现目标的三维空间定位。本发明提供的方法能够用于动态目标的监测，通过毫米波雷达获取的原始数据经过预处理、DFT计算和分布式组网实现动态目标的监测方法可用于老人、婴幼儿、精神病患者、大面积烧伤等特殊人群进行体征动态监护。
-
公开(公告)号：CN111696575B
公开(公告)日：2023-01-03
申请号：CN202010570684.4
申请日：2020-06-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于混合神经网络模型的低通气和呼吸暂停检测识别系统，属于睡眠鼾声检测技术领域；包括：通过多个麦克风采集整晚鼾声数据；对采集到的鼾声数据使用波束形成进行降噪；截取整晚鼾声数据中有效的鼾声数据片段；提取鼾声数据片段的声学特征；通过混合神经网络模型对鼾声特征进行正常鼾声、低通气鼾声和呼吸暂停鼾声的分类；根据分类结果，统计整晚低通气鼾声和呼吸暂停鼾声的数量，计算被测者整晚的睡眠呼吸暂停低通气指数AHI，进一步的，通过AHI指数完成对阻塞性睡眠呼吸暂停低通气综合征OSAHS患者的识别和检测。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.029 seconds)
