-
公开(公告)号：CN106385253A
公开(公告)日：2017-02-08
申请号：CN201610808913.5
申请日：2016-09-08
Applicant: 西安电子科技大学
IPC: H03L7/18
CPC classification number: H03L7/18
Abstract: 本发明提出了一种基于参数处理模块和锁相环级联的数字时间转换系统，用于解决现有数字时间转换系统存在的适用范围窄的技术问题，包括参数处理模块(1)、时基产生模块(2)、使能控制模块(3)和数字时间转换模块(4)；参数处理模块(1)从输入设置参数中提取四个控制参数并输出，时基产生模块(2)内部设置有两个锁相环级联结构，产生受输入设置参数调整且具有固定频差的两个时基信号，使能控制模块(3)根据两个时基信号产生并输出使能信号，时间转换模块时基信号产生时间间隔信号。本发明的输出时间间隔分辨率可调整，且资源利用率高，可用于时频测量等领域。(4)根据计数控制字在使能信号控制下利用两个
-
公开(公告)号：CN105159850A
公开(公告)日：2015-12-16
申请号：CN201510475476.5
申请日：2015-08-05
Applicant: 西安电子科技大学
IPC: G06F13/12
CPC classification number: G06F13/124 , G06F2213/0024
Abstract: 本发明公开了一种基于FPGA的多通道数据传输系统，主要解决现有技术传输速率低、结构复杂的问题。其包括：数据转接模块(1)和数据传输控制模块(2)。数据转接模块(1)接收系统外部设备输入的四通道数据，并将数据进行通道标识和组包，合并成前端一通道数据发送到数据传输控制模块(2)；数据传输控制模块(2)将接收到的前端一通道数据拆包、去标识，得到四通道数据后存储下来，用于继续进行数据传输或直接进行数据处理。本发明结构简单，有助于实现多通道数据传输系统的高速率、长距离传输，可用于运动目标的检测及遥感遥测。
-
公开(公告)号：CN103092060A
公开(公告)日：2013-05-08
申请号：CN201310050621.6
申请日：2013-02-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于FPGA的时间间隔测量系统与测量方法，主要解决现有技术测量分辨率低，测量误差大的问题。该时间间隔测量系统包括：闸门信号产生模块（1）、时钟管理模块（2）、时间间隔测量模块（3）、数据处理模块（4）、数据输出模块（5）和计算机（6）。闸门信号产生模块（1）将时间间隔信号转换为闸门信号并输出到时间间隔测量模块（3）；时间间隔测量模块（3）对闸门信号进行延迟后进行测量，并将测量数据输出到数据处理模块（4）；数据处理模块（4）将测量数据组成数据帧后输出到数据输出模块（5）；数据输出模块（5）将数据帧输出到计算机（6）计算出待测时间间隔。本发明有效地提高了测量分辨率，降低了测量误差，且实现简单，可用于高分辨率的时间间隔测量领域。
-
公开(公告)号：CN101976036A
公开(公告)日：2011-02-16
申请号：CN201010243499.0
申请日：2010-07-30
Applicant: 西安电子科技大学
IPC: G04F10/00
Abstract: 本发明公开了一种短时间间隔测量电路，在Xilinx FPGA器件中实现，包括N(例如N＝100)个D触发器，两条由专用可编程输入输出延迟单元(IODELAY)构成的延迟链，短时间间隔开始信号Start和短时间间隔结束信号Stop。本发明还提供了一种短时间间隔测量方法，包括：调节短时间间隔测量电路中两条IODELAY延迟链的延迟tap值，使两条延迟链的各级延迟单元具有均匀的延迟，同时使得两条延迟链的每一级延迟单元都具有稳定的延迟差。因为本发明中采用的是IODELAY延迟链结构，可以实现更高精度的时间间隔测量；结构简单，节省成本；开发周期短，便于升级和更新。
-
公开(公告)号：CN119341668A
公开(公告)日：2025-01-21
申请号：CN202411611717.X
申请日：2024-11-12
IPC: H04B17/309 , H04B17/318 , H04B17/391 , G06N3/0464
Abstract: 本发明公开了一种基于异构图卷积网络的频谱感知方法，主要解决现有技术在非理想信道环境下探测效果不佳，鲁棒性和泛化性弱以及可扩展性差的问题。包括：1)使用复用网络中的节点表征多模态信息，层内边和层间边建模多模态信息的潜在的相关性；2)使用非线性映射函数将不同模态信息映射到公共维度空间，构建用于复用网络节点属性聚合的异构图卷积，再结合全局池化层和分类器得到异构图卷积网络；3)将复用网络输入异构图卷积网络，训练至收敛；4)使用训练好的异构图卷积网络实现频谱感知。本发明结合多模态信息与异构图卷积网络，并以端到端的方式进行优化，有效缓解非理想信道环境造成的性能衰落，同时增强频谱感知算法的鲁棒性和泛化性。
-
Patent Agency Ranking
公开(公告)号：CN118468941A
公开(公告)日：2024-08-09
申请号：CN202410697663.7
申请日：2024-05-31
Applicant: 西安电子科技大学
Abstract: 本发明公开了基于FPGA的高精度YOLOv5s加速系统，主要解决现有模型尺寸较大，自定义部署网络困难以及检测精度不佳的问题。系统包括：YOLOv5s网络模型压缩优化单元和硬件加速单元两部分；其中YOLOv5s模型压缩优化单元通过知识蒸馏联合INT8量化设计实现对YOLOv5s模型的尺寸压缩和检测精度的提升；硬件加速单元由包含卷积加速模块和后处理模块的FPGA、作为任务调度的ARM以及直实现数据流读写的DMA构成；在卷积加速模块中设计了动态特征复用缓存结构，达到数据复用的同时减少寻址频繁所带来的延时问题；本发明通过软硬件紧密结合形成高精度、低功耗的加速系统，有效提升了计算效率。
-
公开(公告)号：CN116471154A
公开(公告)日：2023-07-21
申请号：CN202310584967.8
申请日：2023-05-23
Applicant: 西安电子科技大学
IPC: H04L27/00 , G06N3/0464 , G06N3/048 , G06F18/241 , G06F18/25 , G06F18/213
Abstract: 本发明提出了一种基于多域混合注意力的调制信号识别方法，主要解决现有方法提取特征不完备、在低信噪比下识别准确率较低的问题。方案包括：1)对离散复信号进行预处理，得到I/Q/A/P/F序列；2)构建空间特征提取模块提取序列的幅度等波形特征；3)利用离散余弦变换得到频域特征，并通过频域注意力模块提取不同频率分量的特征信息；4)构建时间特征提取模块挖掘空间特征和频域特征间的依赖关系并进行深层融合，获得调制信号的时间特征；5)将时间特征输入至分类器，经过分类器输出调制信号类别的识别结果。本发明能够获取不同域特征间的关联、互补性，增强模型稳定性及可靠性，有效提升低信噪比下各调制信号的识别准确率。
-
公开(公告)号：CN116310830A
公开(公告)日：2023-06-23
申请号：CN202310292428.7
申请日：2023-03-23
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/772 , G06V10/774 , G06V10/26 , G06V10/28
Abstract: 本发明提出了一种空‑谱协同引导联合字典构建的高光谱异常检测方法，用于解决构建字典时背景光谱和异常光谱信息挖掘不充分及噪声干扰导致检测性能不佳的问题。包括：1)分别利用空间检测器和光谱检测器对输入高光谱图像进行检测，获取检测图；2)根据检测图构建背景集和异常集；3)对任意待测像素，从背景集和异常集中挑选特定数量的像素构建背景子字典和异常子字典，并将两者合并形成联合字典；4)建立基于联合字典的协同表示模型，对其优化求解得到估计的系数向量；5)将异常子字典和对应系数的乘积作为检测结果。本发明在构建字典时充分挖掘背景光谱和异常光谱信息，且有效规避了表示残差向量中噪声的影响，提升了高光谱异常检测性能。
-
公开(公告)号：CN115731472A
公开(公告)日：2023-03-03
申请号：CN202211584933.0
申请日：2022-12-09
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/762 , G06V10/80 , G06V10/26
Abstract: 本发明公开了一种融合稀疏表示和协同表示的高光谱异常检测方法，主要解决现有检测方法中构建的背景字典表示效果不佳、检测性能差的问题。包括：1)构建过完备字典，建立稀疏表示模型，优化求解并计算稀疏残差特征；2)构建背景字典，建立协同表示模型，优化求解并计算协同残差特征；3)将稀疏残差特征和协同残差特征进行非线性融合，得到初始检测结果；4)利用引导滤波对初始检测结果进行后处理，得到最终检测结果。本发明摒弃了以双窗口方式构建背景字典，自动从稀疏表示模型中挑选使用的原子作为背景字典，并且结合稀疏残差特征和协同残差特征，有效提升高光谱异常检测效果。
-
公开(公告)号：CN114337881B
公开(公告)日：2023-02-03
申请号：CN202111422536.9
申请日：2021-11-26
Applicant: 西安电子科技大学
IPC: H04B17/382 , G06F17/11
Abstract: 本发明提出了一种基于多无人机分布式与LMS的无线频谱智能感知方法。主要解决现有无线频谱感知技术使得算法计算量大、参数估计缓慢的问题。方案包括：1)通过采用获取待检信号和噪声信号；2)将采样得到的待检信号与噪声信号的能量均值相比得到信噪比估计值；3)设立信噪比阈值，并进行阈值判断；4)根据判断结果选择无人机的频谱检测方式，采用单点的LMS频谱检测或分布式扩散协作式的频谱检测对其进行检测，得到检测结果；5)根据检测结果对待检信号中的闲置频谱进行利用，实现频谱感知。本发明有效降低了算法复杂度，具有计算量小、参数估计快且准确率高的特点。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.028 seconds)
