-
公开(公告)号：CN103127583A
公开(公告)日：2013-06-05
申请号：CN201310088858.3
申请日：2013-03-19
Applicant: 南京理工大学
IPC: A61M5/168
Abstract: 本发明公开了一种基于视频图像的输液监控装置。该装置包括输液瓶监控探头、滴斗监控探头、输液监控终端、信号线、网络接口和直流变换器；输液瓶监控探头和滴斗监控探头均通过信号线与嵌入式系统处理器连接，输液监控终端的电源输入端通过直流变换器接通电源，且输液监控终端通过网络接口与护士控制台相连。应用监控探头获取输液瓶和滴斗部位的视频图像，利用嵌入式系统对上述两部位的图像进行实时信号处理，获得输液点滴速度和剩余药液信息，并根据事先设定的门限，发出输液过快、输液过慢和输液完成告警。该装置采用非介入式方案，可24小时监控，对输液装置无特殊要求，不妨碍传统人工监视，安装方便灵活，可大大减轻劳动强度。
-
公开(公告)号：CN101452074A
公开(公告)日：2009-06-10
申请号：CN200710191058.9
申请日：2007-12-07
Applicant: 南京理工大学
Abstract: 本发明公开了一种模拟数字联合处理的强杂波自适应对消装置。本发明装置中，雷达的视频回波信号通过本装置分成两路，一路为原视频回波信号，另一路通过高速模/数和数模变换获取实时杂波样本信号，将增益可控的杂波样本信号与原视频回波作抵消处理获得抑制杂波的信号输出，根据输出信号的直流分量大小自动调整杂波样本信号的增益，实现自适应控制。本发明可以实时自适应地抑制强杂波的干扰，提高系统的灵敏度，增强探测能力。本发明电路简单、可靠性高、易于实现。
-
公开(公告)号：CN113553901B
公开(公告)日：2024-12-03
申请号：CN202110657730.9
申请日：2021-06-14
Applicant: 南京理工大学
IPC: G06F18/2131 , G06F17/14
Abstract: 本发明公开了一种基于自适应窗长的改进同步提取时频分析方法，包括：对输入信号做短时傅里叶变换；根据二阶局部调制算子估计各时频点的频率变化率；通过剥离算法迭代求解优化问题，提取时频脊线，得到各分量的频率变化率；对于单分量信号，设计自适应时窗；对于多分量信号，针对不同分量的变化趋势设计自适应时频窗；构造自适应短时傅里叶变换；基于局部峰值构造新的频率重分配算子，得到信号的瞬时频率估计；运用改进的同步提取算子提取时频系数，并且保留信号强度信息。本发明提出的改进同步提取变换可以在时间、频率方向上的自适应改变窗长，可以更精细地刻画多分量信号的不同特征，适应多种形式信号，具有更高的时频分辨率。
-
公开(公告)号：CN118566869A
公开(公告)日：2024-08-30
申请号：CN202410656800.2
申请日：2024-05-24
Applicant: 南京理工大学
IPC: G01S7/41 , G06F18/2415 , G06F18/213 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种毫米波水面流速测量雷达回波属性分类识别方法，具体为：首先采用基于多通道输入的卷积神经网络提取数据中的空间特征；之后使用双向门控循环单元同时建立特征向量前向和后向时序关系，提取数据中的时序特征；最后为了使网络能有侧重性的处理特征，引入改进的有效通道注意力机制模块，学习通道注意力信息，进一步抑制无关通道的权值，降低网络的运算量。本发明能够在毫米波水面流速测量雷达回波属性分类的应用中展现出优异的识别准确率。
-
公开(公告)号：CN112684427B
公开(公告)日：2024-05-17
申请号：CN202011482719.5
申请日：2020-12-15
Applicant: 南京理工大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于串行二次强化训练的雷达目标识别方法，构建基于注意力机制的Transformer网络模型，将原始雷达频域信号作为输入，使用串行结构分两步进行训练，得到更强分类效果的分类器。本发明创新性地提出串行二次强化训练结构，使用了加权相似度损失函数以及交叉熵损失函数先后对模型进行训练，相较于传统的单纯使用交叉熵损失函数来训练分类器，加权相似度损失函数这种度量学习方式，能够极大提升模型针对任务数据特别是困难样本的分辨能力，能有效地提升分类器的分类能力。
-
Patent Agency Ranking
公开(公告)号：CN117853864A
公开(公告)日：2024-04-09
申请号：CN202311872472.1
申请日：2023-12-31
Applicant: 南京理工大学
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06V10/40 , G06V20/10 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于二维多通道自适应加权卷积神经网络的雷达目标识别方法，输入二维数据通过三个通道，将提取的特征进行相加，之后进行全局平均池化和全局最大池化并行处理，得到的特征向量相加，对特征向量进行提取，提取的特征图与经过自适应最终提取的特征向量相乘，之后将得到的三个不同的向量相加通过一个坐标注意力模块；将得到的二维数据和原始数据做相加残差处理得到最终输出。本发明在通道注意力的基础上变为多通道，通过多个不同尺度的感受野提取特征信息同时引入一个自适应参数，使得通道之间可以获得更多的跨通道信息交互，同时结合了坐标注意力，使得输入特征图的特征被更有效的提取，进而让雷达目标分类的准确率更高。
-
公开(公告)号：CN112327292B
公开(公告)日：2024-01-09
申请号：CN202011080876.3
申请日：2020-10-11
Applicant: 南京理工大学
Abstract: 本发明公开了一种二维稀疏阵列DOA估计方法，包括以下步骤：构造二维稀疏阵列的方向矩阵；基于二维稀疏阵列的方向矩阵，构造其接收信号矩阵；然后计算接收信号矩阵的自相关矩阵；再将自相关矩阵按照分块矩阵的形式进行Topelitz重构得到新的自相关矩阵；最后基于DOA估计算法对新的自相关矩阵进行特征分解，进而估计出接收信号的来波方向。本发明提出的二维稀疏阵列DOA估计方法有效地解决了二维稀疏阵列信号模型估计精度低的问题；同时，在二维阵列缺失阵元较多和信噪比较低的情况下，采用本发明方法的DOA估计依然保持很高的精度。
-
-
公开(公告)号：CN114740444A
公开(公告)日：2022-07-12
申请号：CN202210368762.1
申请日：2022-04-09
Applicant: 南京理工大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于长时间相参积累的高速目标检测方法，该方法将积分区间划分为若干子区间，通过补偿各区间内的速度差并基于二阶Keystone变换进行距离弯曲校正，最后通过BAS算法快速实现GRFT，最终实现目标的相参检测。对于匀加速运动目标在分区间后，本发明不再需要对整个慢时间维进行加速度搜索，只需要对每个区间内的信号进行补偿运算，使得运算量降低；并且对每个区间内的信号做傅里叶变换，信号的能量得到了集中，信噪比得到提高的同时搜索准确度相对提高；该方法能更加有效地对雷达频域目标信号进行目标检测。
-
公开(公告)号：CN113988121A
公开(公告)日：2022-01-28
申请号：CN202111212450.3
申请日：2021-10-19
Applicant: 南京理工大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于特征提取的加权投票多分类器地面雷达目标自动识别方法，包括对时域回波信号进行时域特征提取，对下变频处理后的基带回波时域信号进行FFT变换，进行频域特征提取；对提取后的特征进行5折交叉验证的朴素贝叶斯分类器、决策树分类器、LDA分类器、K邻近分类器和支持向量机分类器训练，并通过贝叶斯优化对支持向量机和K邻近分类器的超参数进行优化，得到最终的五个子分类器；根据混淆矩阵计算五个子分类器的精度权值，通过加权投票的方式得到最终的集成分类器；将待测回波数据进行时域、频域特征提取，输入到子分类器并通过加权投票得到最终分类结果。本发明能够在低分辨地面雷达的目标分类识别的应用中展现优异的识别准确性。
-
-
-
-
-
-
-
-
-
Search Results
166
records
(took 0.025 seconds)
