-
公开(公告)号：CN117912119A
公开(公告)日：2024-04-19
申请号：CN202410150722.9
申请日：2024-02-02
Applicant: 桂林电子科技大学
IPC: G06V40/20 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于深度学习的毫米波雷达动作识别方法，先采用毫米波雷达感知人体动作，提取出人体动作的雷达回波中微多普勒特征，生成时频图，再将时频图输入到改进的网络模型中进行训练和识别，改进的网络模型以卷积神经网络和编码器为基础，并采用随机失活、归一化层等对网络模型进行优化，来避免过拟合现象，提高识别准确率。
-
公开(公告)号：CN108983210B
公开(公告)日：2022-08-09
申请号：CN201810607427.6
申请日：2018-06-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种汽车雷达测角方法，在采样时钟的控制下，对汽车上安装的2个接收天线所分别接收到的2个相互正交的模拟回波数据分别进行AD采样，得到2路数字回波数据；通过对数字回波数据进行数据处理，即利用相位干涉法测角原理，并通过坐标旋转算法获得目标与汽车的角度，同时采用有序统计恒虚警进行目标检测检测目标，并得到目标与汽车的距离和速度；并利用目标与汽车的距离、速度和角度来实现预警报警。本发明具有复杂度低，实时性强，处理速度快，能够在FPGA上进行系统实现，开发周期快，工程实现方便的特点。
-
公开(公告)号：CN109783960B
公开(公告)日：2022-07-05
申请号：CN201910064660.9
申请日：2019-01-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于网格部分细化的波达方向估计方法，通过学习和裂变过程，裂变过程通过产生新格点对网格进行细化，学习过程不断逼近波达方向，在真实的波达方向附近网格被细划分，而在远离波达方向的网格区域被粗划分，这就实现了网格的部分细化，不但保证了估计精度，而且与之前的离格DOA估计算法相比，网格点数大大减少，计算量随之减小。本发明不需要将信源数作为先验，以尽量稀疏的网格划分，减少了网格数，从而减小计算复杂度，算法耗时少；在非常稀疏的初始格点划分的条件下，通过最小间隔阈值自定义，保证了算法的估计精度。
-
公开(公告)号：CN109447161B
公开(公告)日：2021-07-13
申请号：CN201811287954.X
申请日：2018-10-31
Applicant: 桂林电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于汽车雷达数据的实时增量与自适应聚类方法，提出将EKF与DBSCAN算法结合来实现汽车雷达数据实时聚类，目的是解决工作在多目标复杂坏境下的汽车雷达数据聚类效率低的缺点，以及无法应对数据密度簇不均匀问题。本发明方法考虑到汽车雷达在对目标进行跟踪预测时常会用到EKF的特点，改进DBSCAN算法，改进的DBSCAN算法可以很大限度上保证聚类结果不受航迹重合的影响；还可以使得卡尔曼滤波参数在同一目标中可以持续迭代，节省了从初始参数迭代需要的时间，提高了聚类效率。本发明方法同时实现增量和自适应DBSCAN聚类，可以保持较低时间内存开销，并且可以用来解决汽车雷达数据簇密度不均匀的情况。
-
公开(公告)号：CN111007880B
公开(公告)日：2022-09-02
申请号：CN201911350055.4
申请日：2019-12-24
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于汽车雷达的扩展目标跟踪方法，根据状态集建立实际目标汽车的随机有限集模型，根据测量集建立量测目标汽车的随机有限集模型，修正异常多普勒速度，在方位‑多普勒速度预分区处理后使用吉布斯采样进行数据关联，关联成功则更新多目标PMBM后验密度，再预测下一时刻的多目标PMBM先验密度，关联不成功则判断是否有新目标进入，对于新目标则预测下一时刻的多目标PMBM先验密度，再结合完全状态向量计算目标输出结果，否则剔除该杂波，本发明增加少量的时间复杂度便能大幅度提升跟踪效率，提高跟踪精度。
-
Patent Agency Ranking
公开(公告)号：CN109901130B
公开(公告)日：2022-04-22
申请号：CN201910195620.8
申请日：2019-03-15
Applicant: 桂林电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于Radon变换和改进2DPCA的旋翼无人机检测与识别方法，其特征在于，包括如下步骤：1）对雷达回波数据进行短时傅里叶变换即STFT获取无人机旋翼微多普勒特征的时频图；2）对步骤1）获取的时频图进行Radon变换，提取微多普勒特征的边缘信息；3）对步骤2）radon变换后的图像采用改进2DPCA算法进一步提取有效特征向量；4）依据步骤3）提取的特征向量采用KNN分类算法识别不同种类的无人机，得到识别结果。这种方法在低信噪比的复杂场景下具有高识别率。
-
公开(公告)号：CN109948532A
公开(公告)日：2019-06-28
申请号：CN201910207974.X
申请日：2019-03-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于深度卷积神经网络的超宽带雷达人体动作识别方法，利用超宽带雷达的高距离分辨力，并针对人体动作的动态特性，先提取出人体目标的距离—时间二维特征，弥补了单一距离特征的不足，后设计一种深度卷积神经网络模型进行训练和识别。并且通过采用Drop-out层、添加L2正则化项、LRN(局部响应归一化)层等对卷积神经网络进行优化和改进，来避免过拟合现象，提高识别准确率。实验证明，本方法能够在多个人体动作识别任务中取得较高的识别准确率，本发明具有较好的可行性和有效性。
-
公开(公告)号：CN107229052A
公开(公告)日：2017-10-03
申请号：CN201710617055.0
申请日：2017-07-26
Applicant: 桂林电子科技大学
IPC: G01S13/93
CPC classification number: G01S13/931
Abstract: 本发明公开的基于多频移键控体制的车载雷达目标测量系统及运行方法，采用多频移键控（MFSK）作为调制信号，采样回波差频信号，对数据进行拆分、重组，然后再做全相位FFT变换、求模、CA‑CFAR处理，对虚警后的数据进行峰值搜索、频率匹配、峰值点相位求解，最后得到目标的距离速度信息。该方法可以有效避免虚假目标的出现，对多目标进行无模糊测量；采样全相位FFT避免了频谱泄露、抑制了高斯噪声，保证了测量精度；算法简单，易于实现。本发明系统使用锁相环产生调制信号提高调制精度，系统结构简单、成本较低。
-
公开(公告)号：CN102353954A
公开(公告)日：2012-02-15
申请号：CN201110180308.5
申请日：2011-06-30
Applicant: 桂林电子科技大学
Abstract: 本发明为线性调频连续波汽车防撞雷达系统及使用方法，本雷达系统的信息处理平台包括DSP和FPGA双处理器，FPGA的信息处理算法单元中含有时空复杂率分配模块。DSP有一个RAM，FPGA有双RAM，提高运算速度。FPGA配有串口、USB、I/O、PCI总线及光纤接口。FPGA可嵌入NIOS II。FPGA连接有人机界面的上位机，上位机可连接报警装置和/或自动刹车装置等。本系统使用方法为信息处理平台对实时数据计算处理，得到前方目标的位置和速度的实时数据，在人机界面显示。时空复杂率分配方法根据处理雷达信号算法的时空复杂率Q进行m-t分解，按上下门限将各种算法分别送给FPGA和DSP完成，充分二者的优势，工作流畅、效率高，实时反映车前图像，辅助安全驾驶，可保“防撞”。
-
公开(公告)号：CN109001702B
公开(公告)日：2022-05-13
申请号：CN201810565067.8
申请日：2018-06-04
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种无载波超宽带雷达人体动作识别方法，先利用样本数据构建支持向量机模型，后利用构建好的支持向量机模型实现人体动作识别。在训练和识别的过程中，采用了基于PCA和DCT相结合的特征提取方法，提取人体动作回波信号中的有效特征，从而能够有效提高人体动作的识别率；此外，在训练支持向量机模型的过程中，结合利用了改进后的网格搜索算法优化SVM模型参数，从而避免了传统网格搜索算法优化SVM模型参数容易陷入局部最优的情况。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.024 seconds)
