-
公开(公告)号：CN112507621B
公开(公告)日：2023-04-07
申请号：CN202011479825.8
申请日：2020-12-16
Applicant: 电子科技大学
IPC: G06F30/27 , G06F17/14 , G06F17/16 , G06F17/18 , G06F18/214
Abstract: 本发明公开了一种基于标签传播的雷达干扰半监督识别方法，首先，模拟有源相干和非相干干扰，通过恒虚警检测和测量算法提取干扰参数；其次，利用自适应图像处理算法得到格式统一的数据集；最后将数据集输入到PL‑LPA模型中进行干扰信号分类识别。本方案在传统LPA算法基础上引入伪标签框架，将置信度高于判决门限的节点纳入源域标记数据集中，多次迭代改进传播策略，实现干扰信号实际采集模拟，干扰检测和自适应图像处理，设计并建立干扰样本数据集，最终完成干扰信号的分类识别。与监督算法CNN和半监督LPA算法在相同数据集上对比分析表明，PL‑LPA算法泛化能力和分类识别效果更好。
-
公开(公告)号：CN115310599A
公开(公告)日：2022-11-08
申请号：CN202110490945.6
申请日：2021-05-06
Applicant: 桂林电子科技大学 , 中国科学院深圳先进技术研究院
Abstract: 本申请涉及人工智能神经网络，具体公开一种忆阻器卷积神经网络硬件系统，包括忆阻器阵列和输入模块，所述忆阻器阵列由若干忆阻器阵列形成；其特征在于，每两个器件构成一差分电路，组成每个差分电路的两器件绑定成个一神经元；该两器件中至少有一个包括忆阻器；基于构成每个差分电路的两器件的电性参数之差映射神经元的权重；所述输入模块用于根据外部计算单元基于神经元权重的更新方向反馈的信号，向忆阻器施加正向单步电脉冲或负向单步电脉冲。上述方案，简化了忆阻神经网络系统的权重更新计算过程并降低该过程中计算资源的消耗并加速硬件计算速度。
-
公开(公告)号：CN112565794B
公开(公告)日：2022-10-04
申请号：CN202011395874.3
申请日：2020-12-03
Applicant: 西安电子科技大学
IPC: H04N19/96 , H04N19/91 , H04N19/124
Abstract: 本发明提供的一种点云孤立点编码、解码方法及装置，通过获取待编码点云的几何信息；对待编码点云的几何位置进行坐标平移及坐标量化以使待编码点云包含在一个包围盒中；基于待编码点云进行坐标量化后的几何位置对包围盒迭代进行多叉树划分，获得每一次划分后的该层当前待编码块；针对每一个当前待编码块，基于点云点的几何位置和点数判断该当前待编码块是否满足截止划分条件；如果不满足截止划分条件，则继续执行多叉树划分；将满足截止划分条件的当前待编码块中的点云点熵编码为二进制码流。本发明提供的截止划分条件对于存在重复点的当前待编码块，如果满足截止划分条件，则无需继续划分，直接进行熵编码，从而降低了编解码复杂度。
-
公开(公告)号：CN115082679A
公开(公告)日：2022-09-20
申请号：CN202210723299.8
申请日：2022-06-23
Applicant: 电子科技大学
Abstract: 本发明提供一种基于语义分割的雷达复合干扰识别方法，根据单一干扰的类型、中心频率、带宽、起始时间和持续时间来产生不同时频重叠度的复合干扰信号，生成样本图片；对样本图片进行标注生成复合干扰样本；干扰类型标签包括单一干扰类型和背景部分；再语义分割模型对复合干扰样本中的所有像素点语义类型判断完毕输出当前预测结果；本发明实现了对复合干扰准确分类识别和时频分布信息提取。能自动提取复合干扰类型特征，不依赖人工选择；覆盖干扰空间大，识别准确率高。
-
公开(公告)号：CN110955179B
公开(公告)日：2022-09-06
申请号：CN201911189800.1
申请日：2019-11-28
Applicant: 电子科技大学
IPC: G05B19/042
Abstract: 本发明公开了一种基于PCI总线的双通道共享时钟触发调延装置，先通过外接的时钟和触发源通过信号输入接口给调延控制模块提供时钟信号和触发信号；同时，控制设备通过PCI总线发送调延参数到调延控制模块，通过调延控制模块的PCI接口输入至参数解析模块，最后根据解析值对时钟信号和触发信号进行延时调整，以此来补偿测量系统自身延时造成的测量不同步问题，从而使测量系统的测量同步精度更高。
-
Patent Agency Ranking
公开(公告)号：CN114839330A
公开(公告)日：2022-08-02
申请号：CN202210512703.7
申请日：2022-05-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种羊奶采集与快速质量检测装置，包括检测装置的暂存静置腔体部分和检测装置与奶罐的连接过渡部分；所述检测装置的暂存静置腔体部分包括位于静置腔体顶部的上真空口、吸奶口、检测头出线口，所述检测头出线口与位于静置腔体内部的快拆接头相连通，所述快拆接头上连接电导率传感器和PH传感器；所述检测装置与奶罐的连接过渡部分包括位于静置腔体下测的阀门出线口和下真空口，静置腔体底部设置阀门和出奶口。本发明将奶源检测相关的传感器与奶罐设计为一体，实现挤奶过程中的奶源质量在线检测，也可以及时发现奶山羊的健康状况做出预警，具有在线检测快速、低成本的特点。
-
公开(公告)号：CN112904270B
公开(公告)日：2022-06-21
申请号：CN202110056998.7
申请日：2021-01-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种阵列模型误差下基于拟合模型的波达方向估计方法，包括以下步骤：S1：搭建包含阵列误差的导向矢量模型；S2：通过设置不同比例系数生成训练集样本和测试集样本；S3：对训练集样本和测试集样本进行自相关操作，得到特征数据向量作为神经网络的输入数据，并生成来向角对应标签；S4：搭建拟合神经网络模型，并初始化参数；S5：将特征数据向量和来向角对应标签输入至拟合神经网络模型中进行训练；S6：将测试集样本输入至保存好的拟合神经网络模型中进行测试，得到估计角度。本发明采用全连接层实现拟合模型的神经网络，能够更好地适用实际工程中对阵列接收到的带干扰信号进行快速高精度测向。
-
公开(公告)号：CN114600464A
公开(公告)日：2022-06-07
申请号：CN202080017735.9
申请日：2020-10-06
Applicant: 北京小米移动软件有限公司 , 西安电子科技大学
Inventor： 张伟 , 玛丽-卢克·乔治斯·亨瑞·坎姆佩尔
IPC: H04N19/597 , H04N19/186 , H04N19/91 , H04N19/96
Abstract: 本申请公开了用于对点云进行编码和解码的方法以及编码器(10)和解码器(20)。用于对点云进行编码以生成压缩点云数据(12,28)的比特流(14,26)的方法，其中，点云的几何结构是通过基于八叉树的结构表征的，该结构包括通过递归地将包含点云的体空间分割成子体而具有父子关系的多个节点，每个子体与基于八叉树的结构的节点相关联，所述方法包括以下步骤：确定当前节点(120)的上下文信息，所述上下文信息包括平面位置上下文信息，其中，根据与所述当前节点(120)直接相邻的相邻节点(126)的占位以及与所述当前节点(120)具有相同父节点(132)的至少一个同级节点(134)的占位确定所述当前节点(120)的平面位置上下文信息(S110)；以及基于确定的上下文信息至少对父节点的占位模式进行熵编码以生成用于比特流的编码数据(S120)。
-
公开(公告)号：CN113793263A
公开(公告)日：2021-12-14
申请号：CN202110967124.7
申请日：2021-08-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多尺度空洞卷积的并行残差网络高分辨率图像重建方法，先通过大小为9*9、通道数为64的卷积层进行浅层特征提取，然后利用空洞卷积在参数量不变的情况下提高感受野的特性来构造多尺度空洞卷积块，接着将多尺度空洞卷积块与普通3*3卷积层和BN层接在一起构成残差块，将16个残差块串联在一起构成残差网络，采用多路并行结构对特征进行非线性映射，得到高层次的特征，最后通过亚像素卷积层对特征图进行重列，最终得到高分辨率图像SR。
-
公开(公告)号：CN113781232A
公开(公告)日：2021-12-10
申请号：CN202110784843.5
申请日：2021-07-12
Applicant: 杭州电子科技大学
IPC: G06Q40/06 , G06F40/242 , G06F40/289 , G06F16/35 , G06N3/12
Abstract: 本发明公开了一种基于遗传算法的智能多因子投资方法，其包括以下步骤：1)从券商报告中获取评级一致性因子和评级波动性因子；2)计算评级一致性因子和评级波动性因子的权重累加和作为染色基因，使用遗传算法求解当前市场环境下的最优因子权重；3)根据步骤2)得到的最优因子权重，对股票池中的各只股票进行打分，从而确定最优标的，根据确定的最优标的调仓仓位。本发明通过评级一致性因子和评级波动性因子这两个维度入手，对个股进行了更加全面精准的价格预测，同时定期调整因子权重的做法也保证了策略能随市场环境的变化而动态调整，提高了策略的自适应性。
-
-
-
-
-
-
-
-
-
Search Results
377
records
(took 0.044 seconds)
