-
公开(公告)号：CN108919253A
公开(公告)日：2018-11-30
申请号：CN201810474134.5
申请日：2018-05-17
Applicant: 哈尔滨工业大学
IPC: G01S13/72
Abstract: 一种基于帝国竞争算法的天波雷达多路径数据关联方法，本发明涉及一种基于帝国竞争算法的天波雷达多路径数据关联方法。本发明的目的是为了解决现有MPDA算法存在计算量大、算法执行时间过长的缺点。过程为：一，建立天波雷达跟踪系统模型；二，初始化，计算滤波预测值；三，随机生成初始国家并计算权力；四，初始帝国；五，殖民地同化作用；六，殖民地革命；七，帝国增强；八，殖民竞争；九，若迭代结束或只剩一个帝国，输出结果，否则，返回五；十，计算目标状态估计值，十一，判断目标跟踪是否结束，如果没有，使k＝k+1，执行二～十。本发明用于雷达数据处理领域。
-
公开(公告)号：CN116091889A
公开(公告)日：2023-05-09
申请号：CN202310003530.0
申请日：2023-01-03
Applicant: 哈尔滨工业大学
IPC: G06V10/82 , G06V10/44 , G06V10/764 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/08
Abstract: 基于复数域多尺度视觉transformer的空间目标识别方法，属于ISAR图像处理领域。为了解决机动空间目标ISAR图像的散焦问题和单帧图像识别效果不好的问题。本发明首先获取ISAR运动空间样本数据，将每三个连续的图像帧组成一个图像序列样本，并将ISAR散焦图像序列分割成尺度大小不同的图像序列块；将分割后不同大小的图像序列块分别输入到两个不同尺度的复数域卷积模块中进行特征提取，分别得到两个尺度的图像序列在复数域中的特征嵌入，将特征嵌入与位置编码相加得到相加后的特征向量F，再与识别编码向量进行组合，之后将组合后的输出输入到基于transformer模型的复数域CVMVT网络中实现目标识别。本发明用于ISAR图像的空间目标识别。
-
公开(公告)号：CN114114190A
公开(公告)日：2022-03-01
申请号：CN202111417489.9
申请日：2021-11-25
Applicant: 哈尔滨工业大学
Abstract: 基于Mix‑CV‑CNN网络的三维转动舰船目标识别方法，涉及目标识别领域。本发明是为了解决目前舰船识别方法在针对运动状态的舰船进行目标识别时会出现模糊、散焦的现象进而造成的舰船目标识别准确率低的问题。本发明具体过程为：获取待识别的SAR三维转动舰船目标图像，将待识别的SAR三维转动舰船目标图像输入到训练好的Mix‑CV‑CNN模型中获取SAR三维转动舰船目标的类别。Mix‑CV‑CNN模型采用Mix‑CV‑CNN前向传播和Mix‑CV‑CNN反向传播方法训练，Mix‑CV‑CNN前向传播为将训练集中的图像输入到构建的Mix‑CV‑CNN模型中输出舰船目标的类别；Mix‑CV‑CNN反向传播为利用前向传播获得的全连接层输出向量获取Mix‑CV‑CNN模型中每一层的误差项，并利用误差项更新卷积层和全连接层的权值获得训练好的Mix‑CV‑CNN模型。本发明用于动态舰船目标的识别。
-
公开(公告)号：CN109035301B
公开(公告)日：2021-10-01
申请号：CN201810761110.8
申请日：2018-07-11
Applicant: 哈尔滨工业大学
IPC: G06T7/246
Abstract: 一种基于斥力模型修正随机矩阵算法的群组目标跟踪方法，本发明涉及基于斥力模型修正随机矩阵算法的群组目标跟踪方法。本发明为了解决现有方法计算复杂度高和精度低的问题。本发明包括：一：建立群组目标运动时的空间斥力模型和特征子空间斥力模型；二：将步骤一建立的群组目标运动时的空间斥力模型和特征子空间斥力转换到直角坐标系下；三：用步骤二转换到直角坐标系下的特征子空间斥力模型修正雷达量测值，并用步骤二转换到直角坐标系下的空间斥力模型修正随机矩阵算法的运动方程和修正量测方程的特性预测协方差。本发明与交互多模型随机矩阵算法相比，队列估计精度提高了11.79％，位置估计精度提高了21.12％。本发明用于群组目标跟踪领域。
-
公开(公告)号：CN110468453B
公开(公告)日：2020-09-29
申请号：CN201910899448.4
申请日：2019-09-23
Applicant: 哈工大(北京)军民融合创新研究院有限公司 , 哈尔滨工业大学
Abstract: 一种原位生长高长径比莫来石晶须的制备方法，涉及一种莫来石晶须的制备方法。本发明是要解决现有的制备莫来石晶须的方法大多需要高温(>900℃)烧制，且长径比较低的技术问题。本发明：一、铝溶胶的制备；二、硅溶胶的制备；三、水热；四、冷冻和冷冻干燥；五、热处理。本发明的水热体系中可形成纳米级纤维状物质，可降低热处理过程中莫来石晶须生长所需要的能量，进而降低莫来石晶须的制备温度；本发明通过水热与热处理制备的莫来石晶须，可在低反应温度下制备出高长径比的莫来石晶须的；本发明的制备方法具有反应温度低、重复性好、产率高等优点。
-
Patent Agency Ranking
公开(公告)号：CN107561503B
公开(公告)日：2020-08-14
申请号：CN201710752493.8
申请日：2017-08-28
Applicant: 哈尔滨工业大学
Abstract: 一种基于多重渐消因子的自适应目标跟踪滤波方法，属于目标跟踪领域，具体涉及一种自适应目标跟踪滤波方法。本发明包括：步骤一，建立运动目标的状态模型和量测模型；步骤二，初始化运动状态向量和状态误差协方差矩阵，计算目标运动状态向量预测值、量测向量预测值、新息、新息协方差和新息协方差的估计值；步骤三，计算指数加权因子和多重渐消因子；步骤四，计算状态预测协方差矩阵、卡尔曼增益、滤波值和滤波协方差；步骤五，重复执行步骤二～步骤四，直到目标跟踪结束。本发明渐消因子的计算简单，可以在系统模型未知或噪声统计信息不准确的情况下防止滤波器发散，提高了目标跟踪精度。本发明可运用于雷达目标跟踪。
-
公开(公告)号：CN110894166A
公开(公告)日：2020-03-20
申请号：CN201911222689.1
申请日：2019-12-03
Applicant: 哈工大(北京)军民融合创新研究院有限公司 , 哈尔滨工业大学
IPC: C04B38/00 , C04B35/10 , C04B35/80 , C04B35/624
Abstract: 一种莫来石多孔分级纤维质材料的制备方法，涉及一种莫来石分级材料的制备方法。本发明是要解决现有的莫来石多孔分级纤维质材料中无法做到对晶须与纤维质量比较为精确且大范围的调控的技术问题。首先本发明使用成本低廉的多晶莫来石纤维，致力于低成本高性能试样的研究。其次本发明通过控制纤维沉降与注射法相结合制备的莫来石分级纤维质材料，可以在控制低密度的前提下对分级结构中晶须与纤维比例进行调控。
-
公开(公告)号：CN105842693B
公开(公告)日：2018-03-30
申请号：CN201610169281.2
申请日：2016-03-23
Applicant: 哈尔滨工业大学
Abstract: 一种基于压缩感知的双通道SAR动目标检测的方法，涉及微波遥感技术领域，尤其涉及一种基于压缩感知的双通道SAR动目标检测的方法。本发明为解决现有单通道SAR‑GMTI系统由于平台运动导致地杂波频谱展宽，使得慢速运动目标淹没其中而难以检测的问题以及多通道SAR系统存在通道数目和数据量庞大给数据的传输和存储造成巨大压力的问题。本发明按以下步骤进行：一、双通道SAR原始数据沿方位向进行稀疏采样；二、双通道SAR回波的预处理：距离向脉冲压缩；距离徙动校正；杂波抑制处理；三、双通道SAR回波的预处理；四、利用贝叶斯稀疏重构算法实现动目标散射系数的重构。本发明可应用于微波遥感技术领域。
-
公开(公告)号：CN105403863A
公开(公告)日：2016-03-16
申请号：CN201510907373.1
申请日：2015-12-09
Applicant: 哈尔滨工业大学
Abstract: 基于多特征提取的雷达脉冲重复间隔调制识别方法，涉及雷达辐射源识别技术领域。本发明的目的是为了解决现有的雷达辐射源识别方法中存在的可识别PRI调制方式较少和雷达辐射源PRI调制方式识别正确率低的问题。本发明根据常规PRI、参差PRI、抖动PRI、滑变PRI、正弦PRI和驻留与切换PRI共6种调制方式的特点，有针对性地定义了7个特征量；然后通过比较特征量与对应门限之间的关系，建立了基于多特征量的识别处理方法，实现对6种调制PRI调制方式的识别或对未知调制方式的输出。本发明应用于雷达脉冲重复间隔调制方式的识别。
-
公开(公告)号：CN114114262B
公开(公告)日：2024-07-02
申请号：CN202111417477.6
申请日：2021-11-25
Applicant: 哈尔滨工业大学
IPC: G01S13/90 , G06N3/048 , G06N3/0464 , G06N3/084
Abstract: 基于CV‑ConvGRU的SAR三维转动目标重聚焦方法，涉及图像处理技术领域，针对现有技术中由于海浪、风、自身航行等因素的影响导致SAR成像模糊的问题，本申请提出了一种CV‑ConvGRU，CV‑ConvGRU将包括卷积层、激活函数、更新门、重置门在内的整个网络扩展到复杂域中，并在此基础上，推导出一种用于CV‑ConvGRU训练的反向传播算法。本申请基于CV‑ConvGRU设计了CV‑SSRN架构，进行SAR三维转动目标重聚焦，将SAR重聚焦任务转换为一个图像回归问题，并加入编码器与解码器，来实现目标重新聚焦，聚焦精度显着提高，避免了SAR成像模糊的问题。本申请利用SAR成像原理、复数域深度学习技术，更好的满足复杂SAR重聚焦需求，对视角变化、仿射变换、噪声保持一定程度的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.031 seconds)
