-
公开(公告)号：CN102004257B
公开(公告)日：2012-11-07
申请号：CN201010283539.4
申请日：2010-09-16
Applicant: 北京理工大学
Abstract: 本发明公开一种卫星导航信息多速率播发及接收方法，属于卫星导航系统领域。本发明采用多速率方式对播发信息进行播发，由于信息速率与符号速率的不一致，因此在发送端采用复制或卷积的扩位的方式对播发信息进行处理，使得播发信息以符号速率进行播发。在接收端采用缩位方式对播发信息进行恢复，从而还原原始播发信息。由于使用多速率方式对子帧信息进行播发，提高了信息播发的灵活性，缩短了低速率下的首次定位时间。
-
-
公开(公告)号：CN101504637B
公开(公告)日：2011-07-20
申请号：CN200910080476.X
申请日：2009-03-19
Applicant: 北京理工大学
IPC: G06F17/14
Abstract: 本发明提出了一种点数可变实时FFT处理芯片，包括：输入缓冲模块、64点FFT流水处理模块、旋转因子处理模块、中间序列存储模块、16点FFT流水处理模块、单元选择控制模块、输出缓冲模块。七个模块共同完成FFT的二维处理；其中64点FFT流水处理模块实现16点或64点可变FFT运算；16点FFT流水处理模块实现2点、4点、8点或16点可变FFT运算；旋转因子处理模块基于CORDIC算法实现；选择与控制模块实现对整个芯片的控制。本发明可实现2n点可变FFT处理，而且所占芯片管芯面积小，同时具备实时高速处理、低功耗、高精度等特性，适合ASIC实现。
-
公开(公告)号：CN118747839A
公开(公告)日：2024-10-08
申请号：CN202410871424.9
申请日：2024-07-01
Applicant: 北京理工大学
IPC: G06V10/80 , G06N3/0464 , G06V10/82 , G06V10/40 , G06N3/0442 , G06N3/048 , G06N3/045 , G06V20/13
Abstract: 本发明属于遥感图像处理技术领域，提供一种面向光学SAR融合遥感图像去云装置及方法，能够充分利用光学图像和SAR图像中的有效信息，来保证恢复的去云图像同时拥有清晰的地物轮廓和全局整体颜色的一致性。该装置包括异构编码器、异构特征融合模块以及去云图像输出模块；异构编码器包含CNN分支和Decloudformer分支；CNN分支提取SAR图像的特征；Decloudformer分支由多个级联Dcloudformer Block组成，提取并融合光学数据有云和无云区域长距离的空间关联特征和局部空间关联特征，作为有云污染的光学数据图像特征；异构特征融合模块和去云图像输出模块融合SAR图像特征和有云污染的光学数据图像特征恢复出有云区域无云数据的特征图。
-
公开(公告)号：CN118314444A
公开(公告)日：2024-07-09
申请号：CN202410515120.9
申请日：2024-04-26
Applicant: 北京理工大学
IPC: G06V10/94 , G06V10/764 , G06V10/44 , G06V20/13
Abstract: 一种面向星载遥感应用的遥感场景分类方法，应用于星载遥感应用的边缘设备，边缘设备上设置有FPGA，FPGA上设置有全加网络加速器，全加网络加速器包括M个依次连接的全加网络加速引擎，M大于1，方法包括：FPGA从边缘设备获取图像数据，图像数据为星载遥感卫星拍摄的图像数据；通过全加网络加速器对图像数据进行处理，确定图像数据的特征；其中，全加网络加速器设置在FPGA上；FPGA将图像数据的特征返回边缘设备，边缘设备基于图像数据的特征，确定图像数据的遥感分类结果。通过在边缘设备的FPGA上设置全加网络加速器的方式，可以对边缘设备获取到的图像数据进行快速的处理，确定图像数据的遥感场景分类。
-
Patent Agency Ranking
公开(公告)号：CN117152072A
公开(公告)日：2023-12-01
申请号：CN202311067434.9
申请日：2023-08-23
Applicant: 北京理工大学
IPC: G06T7/00 , G06V20/10 , G06V10/62 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09 , G06N3/048
Abstract: 本发明公开了一种基于两阶段特征金字塔网络的遥感图像变化检测方法，将两张不同时间同一地点的图像分别进行编码特征提取获得两个图像的编码特征图，将编码特征图进行相似性处理和自注意力空间增强处理获得初始差异注意力特征图，通过第一阶段特征金字塔处理和第二阶段特征金字塔处理获得重优化变化特征图，通过损失函数进行深度监督和优化获得优化后的两阶段特征金字塔网络模型，基于优化后的两阶段特征金字塔网络模型进行检测获得检测结果。本发明可以很好地在高分辨率遥感场景下进行变化检测，在面对类不平衡、目标尺度差异过大的遥感场景也能取得良好效果，提升了高分辨率遥感场景中变化检测的各类衡量指标。
-
公开(公告)号：CN116580243A
公开(公告)日：2023-08-11
申请号：CN202310594974.6
申请日：2023-05-24
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/82 , G06V20/13 , G06N3/0455 , G06N3/0895 , G06V10/40 , G06V10/774
Abstract: 本发明公开了一种掩码图像建模引导域适应的跨域遥感场景分类方法，包括：构建域适应网络，对自编码器进行无标注的自监督预训练，得到预训练后的自编码器模型参数；将自编码器模型参数加载到自编码器中，将数据输入到域适应网络中，利用自编码器对源域图像和目标域图像进行掩码图像建模；利用特征适应模块对齐源域和目标域的高级语义特征分布；以及基于数据构建总体目标损失函数，并优化总体目标损失函数来迭代训练域适应网络，移除自编码器的解码器部分，利用自编码器的编码器和特征适应模块测试目标域图像，获得良好的场景分类结果。本发明在进行域不变特征提取的过程中保留域特定特征，进一步提升对于无标注数据目标域的分类泛化能力。
-
公开(公告)号：CN116071643A
公开(公告)日：2023-05-05
申请号：CN202211392985.8
申请日：2022-11-08
Applicant: 北京理工大学
Abstract: 本发明涉及一种后验实例信息引导的无锚框遥感旋转目标检测方法，属于遥感旋转目标检测技术领域。首先，采用多尺度相邻层特征融合网络对骨架网络输出的不同分辨率的特征层进行多尺度语义特征深度融合。其次，在多尺度相邻层特征融合网络之后设计像素级实例预测网络，用于获取遥感旋转目标的形状及角度信息。然后，将具有目标形状及角度信息的像素级实例预测结果注入到多尺度相邻层特征融合网络的输出特征，最后，利用基于中心点的无锚框检测算法定位图像中的遥感旋转目标。本方法显著提高了无锚框检测算法对光学遥感场景中的任意角度目标的检测效果，不仅提高了目标召回率，同时还大幅降低了虚警率，具有良好的实际应用价值。
-
公开(公告)号：CN112966209B
公开(公告)日：2023-05-05
申请号：CN202110267342.X
申请日：2021-03-11
Applicant: 北京理工大学
Abstract: 本发明涉及一种FFT处理器及其处理数据的方法。FFT处理器包括：串转并模块，将接收的第一时域数据由串行转为2n路第二时域数据并行，其中，2n不大于第一时域数据的长度。2n处理通道中的任意一个通道包括依次排列的m个操作级模块以及m‑1个乘法器模块，输入当前处理通道的第二时域数据，经过m个操作级模块以及m‑1个乘法器模块进行运算后得到第一频域数据并输出到旋转因子乘法器模块。旋转因子乘法器模块将来自2n个处理通道的第一频域数据分别与旋转因子相乘，获得2n组第二频域数据后输出。基‑2n蝶形单元对2n组第二频域数据进行基‑2n运算，并输出第三频域数据到并转串模块，并转串模块将2n组第三频域数据数据合并为串行的第四频域数据。
-
公开(公告)号：CN115953675A
公开(公告)日：2023-04-11
申请号：CN202211393486.0
申请日：2022-11-08
Applicant: 北京理工大学
IPC: G06V20/10 , G06V20/70 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种二分类嵌入空间引导角度回归的旋转目标检测方法，属于遥感旋转目标检测技术领域。首先，该方法将遥感目标的角度预测周期解耦为两个镜像对称的二分类嵌入空间，对目标的方向进行初步的类别判定。然后，在二分类子空间的引导下，在子空间内对旋转目标的角度进行进一步的精准预测。最后，通过二分类嵌入空间得分类结果和子空间内的角度预测进行真实角度计算。本方法有效地解决了网络训练过程中角度回归周期不连续问题对网络收敛的影响，提高了遥感旋转目标的角度预测精准度，具有良好的实际应用价值。
-
-
-
-
-
-
-
-
-
Search Results
162
records
(took 0.024 seconds)
