-
公开(公告)号：CN116299216A
公开(公告)日：2023-06-23
申请号：CN202310175054.0
申请日：2023-02-28
Applicant: 北京理工大学
Abstract: 本发明公开了基于稀疏恢复的脉冲多普勒引信抗压制式干扰方法，涉及引信抗干扰技术领域，其技术方案要点是：包括以下步骤：S1：将引信接受到的信号与本振信号进行混频，获得中频输出，并经过AD采样得到中频数字信号；S2：使用基于MCP的稀疏恢复算法对中频数字信号进行处理，得到去噪后的中频信号；S3：对去噪后的中频信号与原信号的调制载波进行相干解调，得到目标信息，引爆战斗部装药。本发明的基于稀疏恢复的脉冲多普勒引信抗压制式干扰方法具有能够从包含噪声的中频信号中有效提取目标回波脉冲串，抑制大功率噪声对引信的影响；该方法增强了脉冲包络的边沿检测效果，有效实现脉冲包络的提取的效果。
-
公开(公告)号：CN117076936B
公开(公告)日：2024-12-17
申请号：CN202311332723.7
申请日：2023-10-16
Applicant: 北京理工大学
IPC: G06F18/214 , G06F18/213 , G06F17/16 , G06F18/22 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N3/08 , G06F18/10
Abstract: 本发明涉及一种基于多头注意力模型的时序数据异常检测方法，属于计算机数据库异常检测技术领域。本发明搭建了一种基于多头注意力模型的用于时序数据异常检测的网络框架，该框架可以对多源时序数据进行处理，具有鲁棒性和较好的泛化能力，且可以实现更快的网络训练、更准确的异常样本检测。引入了频域分析模块，以充分利用时序数据的频域信息。通过将输入序列与输出序列进行频域分析，可以使模型获得有效的序列信息。通过衡量两项频域分析结果之间的距离，可以监督网络生成更精确的输出序列，从而获得更精确的异常判断阈值，实现更准确的异常检测。本发明在时序数据的特征提取能力、异常样本的检测准确率方面均具有明显优势。
-
公开(公告)号：CN117197547A
公开(公告)日：2023-12-08
申请号：CN202311102983.5
申请日：2023-08-30
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/74 , G06N3/0985
Abstract: 本发明公开了一种基于概念学习器的少样本红外图像目标识别方法，包括：构建少样本红外图像目标识别模型；少样本红外图像目标识别模型包括概念学习器模块和相似度量模块；概念学习器模块使用神经网络参数化的概念嵌入函数，学习每个概念维度的独特概念嵌入，通过定义每个概念维度上的概念原型来反映度量空间中基础概念的类别差异；相似度量模块将概念原型与概念嵌入进行比较，为每个概念维度分配概念重要性得分，并以此作为后续分类依据；模型跨概念维度聚合来自不同概念学习器和概念原型的信息，完成少样本红外图像分类任务。本发明的技术方案实现高效的红外目标识别与分类。
-
公开(公告)号：CN117152839A
公开(公告)日：2023-12-01
申请号：CN202311099846.0
申请日：2023-08-29
Applicant: 北京理工大学
IPC: G06V40/20 , G06V20/70 , G06V10/143 , G06V10/80 , G01S13/86
Abstract: 本发明公开了一种人体姿态数据集的采集方法及数据采集平台，涉及数据集制作技术领域，其技术方案要点是：包括S1：构建多模态人体姿态估计数据采集平台，数据采集平台连接有数据处理系统，数据采集平台包括RGB相机、毫米波雷达以及红外相机；S2：利用数据采集平台，获取一个或多个人体姿态数据。在本发明中，数据采集平台包含毫米波雷达、红外相机、RGB相机多种模态的传感器，所采用的红外相机与毫米波雷达能够克服RGB相机受光照和气候条件的影响，并且得益于两种传感器的探测体制，采集到的数据不涉及隐私泄露的问题，因此所搭建的系统能够适用于更广泛的场景中。
-
公开(公告)号：CN117034040A
公开(公告)日：2023-11-10
申请号：CN202311235524.4
申请日：2023-09-25
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于关系感知与增量学习的数据库模式匹配方法，属于计算机数据库技术领域。首先发现目标数据库与源数据库各自的模态信息。然后将子模态文本信息进行特征提取。之后将特征提取信息输入贝叶斯网络进行选择筛选。该过程中，同样进行特征的质量度量，保证子模态分类的准确性和稳定性。同时，引入神经元正则化与贝叶斯增量学习方法，充分发掘模型的持续学习能力。最后，将得到的目标数据库子模态与源数据库子模态通过特征关系感知模态，得到模式匹配结果。本发明能够有效提升不同数据库之间的查询和模式匹配处理效率和准确率。
-
Patent Agency Ranking
公开(公告)号：CN116704273A
公开(公告)日：2023-09-05
申请号：CN202310809010.9
申请日：2023-07-03
Applicant: 北京理工大学
Abstract: 一种自适应红外可见光双模融合检测方法，属于目标检测技术领域。使用卷积神经网络训练的权重矩阵作为特征融合的融合策略，随着网络训练自适应精确调节红外可见光图片各部分融合特征比例；采用相关权重计算网络结构；通过一个由多层卷积网络构成的相关权重计算模块对两路红外可见光特征图的不同区域进行权重计算，得到红外目标特征图的权重矩阵和相对应的可见光目标的特征图的权重矩阵；权重矩阵再和原红外可见光特征图对应位置相乘后再叠加，输出融合特征图增加训练权重矩阵的损失函数，改进多任务联合损失函数；本发明适用于目标检测领域，融合多模信息时能更好的综合多模信源不同优势区间的目的，提升目标检测的精度及环境适应性。
-
公开(公告)号：CN116681994A
公开(公告)日：2023-09-01
申请号：CN202310655119.1
申请日：2023-06-05
Applicant: 北京理工大学
IPC: G06V10/88 , G06V10/60 , G06V10/80 , G06V10/766 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了一种基于对抗学习中差分特征感知的红外可见光目标检测方法，包括：基于由KL和JS散度组成的融合散度损失函数，用非共享的特征提取网络分别提取差分的红外特征和可见光特征；使用IR‑Attention模块和RGB‑Attention模块分别对提取到的红外特征和可见光特征进行再提取，更加关注红外特征图和可见光特征图中的有效信息；使用F‑Attention模块对再提取到的差分的双模特征进行融合，保留双模特征的共性的同时追求其更多的差异信息；使用RPN对融合的双模特征进行回归与分类，完成目标检测。本发明的优点是：能够使特征提取网络产生对抗，尽可能多得提取双模独特信息，并且基于多种注意力机制的特征融合网络可以全面地融合互补的差分双模特征，从而提高模型的检测精度。
-
公开(公告)号：CN116520259A
公开(公告)日：2023-08-01
申请号：CN202310196160.7
申请日：2023-03-03
Applicant: 北京理工大学
Abstract: 本发明属于雷达抗干扰技术领域，公开了基于变分分解的脉冲多普勒雷达抗扫频式干扰方法，包括S1、将脉冲多普勒雷达接收到的信号与本振信号进行混频和模数转换，得到数字化的中频信号；S2、通过变分分解的方法提取回波脉冲串分量和扫频干扰中频分量；S3、滤除扫频干扰中频分量，保留回波脉冲串分量；S4、将回波脉冲串分量进行全相干解调，恢复出原始信号；本发明通过MCP和二阶变分惩罚项提取回波脉冲串分量和扫频中频分量，保留脉冲串分量，滤除扫频中频分量，提高雷达的抗干扰性能。解决脉冲多普勒雷达在扫频式干扰下，雷达接受信道被干扰信号饱和，目标的回波信号被淹没在干扰中，导致雷达虚警或漏警的问题。
-
公开(公告)号：CN119478663A
公开(公告)日：2025-02-18
申请号：CN202411453124.5
申请日：2024-10-17
Applicant: 中国科学院软件研究所 , 北京理工大学
IPC: G06V20/10 , G06V20/70 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于目标背景因果纠偏学习的海上目标识别方法及系统，属于遥感探测技术领域。本发明对海上目标区域进行探测，获取海上图像数据集；利用两种深度神经网络对海上图像数据集进行图像特征提取和图像语义激活；基于因果干预理论的特征校准方法对提取的图像特征和激活的图像语义进行融合，消除图像中背景噪声，获得目标特征语义；基于深度学习对目标特征语义进行识别和分类，输出目标类别的分类结果。本发明基于目标背景因果纠偏学习来识别海上目标，提高海上目标识别的准确性。
-
公开(公告)号：CN117591250B
公开(公告)日：2024-04-26
申请号：CN202410081476.6
申请日：2024-01-19
Applicant: 北京理工大学
IPC: G06F9/46 , G06N3/0442 , G06N3/092
Abstract: 本发明涉及一种基于策略因子和过载消解的硬实时准入控制方法，属于计算机数据库系统和深度强化学习决策技术领域。本方法结合了深度强化学习模型DQN实现硬实时事务的准入控制，使用GRU模型实现硬实时事务的闭环反馈控制，并通过价值成本执行过载消解机制。本方法特别关注数据库中硬实时事务在时间窗口内产生可预测的判断，以确保事务能够高准确率地在规定的时间限制内完成。本方法提高了硬实时事务执行的准确率，使其更好地适应复杂的任务环境和时间要求。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.022 seconds)
