-
公开(公告)号：CN112565127A
公开(公告)日：2021-03-26
申请号：CN202011350799.9
申请日：2020-11-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于残差网络和频域图形的测控信号调制识别方法。本发明步骤：1、通过数字接收机实现对输入的FM复合调制信号的解调；2、通过降采样和频谱搬移等方法对信号进行处理；获取处理后的内调制信号频谱和平方谱图形；3、将频谱特征图像输入残差网络分类器，将信号分为2k带宽的2FSK‑FM信号、MPSK‑FM信号，128K的MPSK‑FM信号和32k带宽的2FSK‑FM四类；4、对上一个分类器的输出标记是MPSK‑FM信号的平方谱图像送入分类器，实现对BPSK‑FM和QPSK‑FM的调制识别。本发明通过接收机提取测控信号的内调制信号频谱和平方谱特征，利用频域特征在低信噪比下的稳定性，和残差网络模型在相似图像分类识别中的高效性，实现了复合信号的调制方式识别。
-
公开(公告)号：CN110163123B
公开(公告)日：2021-02-26
申请号：CN201910362774.1
申请日：2019-04-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于单幅近红外手指图像指纹指静脉融合识别方法，首先利用对比度受限自适应直方图均衡CLAHE算法增强近红外手指图像中的指纹纹理，通过指纹和指静脉预处理方法分别提取指纹细线特征图和静脉细线特征图。再提出一种基于细线顺序统计量的指纹识别方法，根据指纹和指静脉识别量化值，通过最佳权值融合识别算法将指纹指静脉量化值进行加权融合，实现指纹指静脉融合识别。本发明能够充分利用近红外手指图像中的指纹信息，对于近红外图像提取的指纹，本发明充分利用稳定的细线纹理结构，有效提高了识别性能。因此，基于单幅近红外手指图像指纹指静脉融合识别算法是一种对近红外图像中特征信息合理利用的高效的识别算法。
-
公开(公告)号：CN107657209B
公开(公告)日：2020-07-28
申请号：CN201710550909.8
申请日：2017-07-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于手指静脉图像质量的模板注册机制。本发明只有同时满足三个判决条件的图像，方可在数据库中注册：一是判决是否为曝光过度或不足的图像；二是判决是否为静脉清晰但静脉稀疏的图像；三是判决是否为静脉图像模糊不清晰的图像；具体的：首先由采集设备采集到手指静脉注册模板图像，经过预处理后，依次对图像进行曝光程度判别、稀疏程度判别和静脉模糊程度判别，若判决为低质量图像，则由系统拒绝下一步操作并语音提醒采集失败，需重新采集，只有同时满足图像曝光程度判别、模糊程度判别和静脉稀疏程度判别条件，才被允许进行接下来的注册操作。本发明能够更好的控制低质量图像被注册为模板图像，提高系统的识别性能。
-
公开(公告)号：CN109951406A
公开(公告)日：2019-06-28
申请号：CN201910026924.1
申请日：2019-01-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种联通异步WCDMA实采信号用户数和扰码盲估计方法。本发明先把长PN码WCDMA信号降维建模成短PN码载波调制混合矩阵模型。再推导出异步WCDMA信号协方差矩阵的信号特征值个数和用户数间关系，后设置判定条件来判定信号协方差矩阵中信号特征值个数，进而获得信号中的用户数。通过估计到的用户数来设置后续主分量分析法中的主成分数目。对于联通异步WCDMA上行扰码的盲估计，提出利用盲源分离、锁相环以及构成扰码的m序列的生成多项式，来估计出信号延迟、对估计到的部分扰码纠错以及推导出完整扰码。本发明有效估计出联通异步WCDMA空中实采信号中的用户数和长扰码，且性能比传统的盲估计方法更优。
-
公开(公告)号：CN105680903B
公开(公告)日：2018-06-12
申请号：CN201610144599.5
申请日：2016-03-14
Applicant: 杭州电子科技大学
IPC: H04B1/707
Abstract: 本发明涉及周期长短码直扩码分多址信号多伪码估计方法。现有的直扩码分多址信号伪码盲估计技术无法应用于采用短码扩频长码加扰的周期长短码直扩码分多址信号。本发明是将结构复杂的周期长短码直扩码分多址信号构建为短码直扩码分多址信号的缺失矩阵模型，将复合码矩阵估计建模为盲源信号分离问题；再将矩阵填充理论应用于复合码矩阵估计，基于奇异值阈值算法和快速独立成分分析算法估计各用户复合码序列；最后利用m序列的移位叠加性性，提出延迟三阶相关算法，从各用户复合码序列中估计其包含的长短伪码序列。本发明充分利用矩阵填充的数学模型和m序列三阶相关峰特性，依次实现信号各用户复合码序列、长扰码序列和短扩频码序列的盲估计。
-
Patent Agency Ranking
公开(公告)号：CN107657209A
公开(公告)日：2018-02-02
申请号：CN201710550909.8
申请日：2017-07-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于手指静脉图像质量的模板注册机制。本发明只有同时满足三个判决条件的图像，方可在数据库中注册：一是判决是否为曝光过度或不足的图像；二是判决是否为静脉清晰但静脉稀疏的图像；三是判决是否为静脉图像模糊不清晰的图像；具体的：首先由采集设备采集到手指静脉注册模板图像，经过预处理后，依次对图像进行曝光程度判别、稀疏程度判别和静脉模糊程度判别，若判决为低质量图像，则由系统拒绝下一步操作并语音提醒采集失败，需重新采集，只有同时满足图像曝光程度判别、模糊程度判别和静脉稀疏程度判别条件，才被允许进行接下来的注册操作。本发明能够更好的控制低质量图像被注册为模板图像，提高系统的识别性能。
-
公开(公告)号：CN114299560B
公开(公告)日：2025-04-15
申请号：CN202111617435.7
申请日：2021-12-27
Applicant: 杭州电子科技大学
IPC: G06V40/14 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种真实人体指静脉检测方法。本发明具体包括如下步骤：1、制作数据集，本次数据集划分为训练集和测试集两部分，为了增加数据集的多样性，将训练集和测试集中添加正常清晰图像、模糊图像、脏污受损图像来模拟生活中常见图像类型；2、构建基于加权差分卷积与梯度方向残差单元的真实人体指静脉检测模型。本发明利用局部邻域关系挖掘指静脉图像中对环境变化鲁棒的细节纹理特征，增加特征稳定性，提升了算法的泛化性能。同时本发明对低质量的真实和虚假人体指静脉图像的梯度方向图进行分析，针对真伪样本材质细节纹理存在差异的特点，提出了梯度方向残差单元结构，通过水平梯度和垂直梯度获取梯度方向特征，增强网络梯度方向特征表达。
-
公开(公告)号：CN118252494A
公开(公告)日：2024-06-28
申请号：CN202410253478.9
申请日：2024-03-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于双摄像头信息互补的牛只体尺测量方法。采用在通道中架设的正上方和侧方两个摄像头采集同一头牛的不同角度图像，并且在牛只侧身图像不完整的情况下，首先利用基于yolov5s与包络角点检测的牛只肩胛‑尾尻测点提取算法从牛背图像中进行测点提取，然后在侧方摄像头画面中通过辅助标尺进行目标检测来获取身高计算所需参数，接着采用所提基于肩胛测点提取的视觉三角身高测量算法可以计算出牛只肩胛测点距地高度，即牛只的身高；然后将牛只身高与正上方摄像头高度作差，获得正上方摄像头画面中牛只的景深，最后采用所提基于肩胛‑尾尻测点提取的相似三角体直长测量算法进行出牛只的体直长数据。
-
公开(公告)号：CN117935314A
公开(公告)日：2024-04-26
申请号：CN202410253052.3
申请日：2024-03-06
Applicant: 杭州电子科技大学
IPC: G06V40/10 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 针对在复杂牛场环境下由于牛群拥挤，牛群遮挡、以及边缘局部个体无法准确检测等问题引起的牛只检测精度不高的难题。本发明公开了一种复杂牛场环境牛只检测方法。包括：牛只数据采集；SWT‑YOLOv5复杂牛场环境牛只检测模型建立；将所述数据集输入至模型中训练得到SWT‑Yolov5s牛只目标检测模型；使用SWT‑Yolov5s牛只检测模型中进行牛只目标检测。本发明提升了牛只目标检测精度，解决了复杂环境下牛只拥挤及边缘局部个体无法准确检测问题，为精细化牧场牛只养殖提供技术支持。
-
公开(公告)号：CN117857269A
公开(公告)日：2024-04-09
申请号：CN202410204431.3
申请日：2024-02-23
Applicant: 杭州电子科技大学
IPC: H04L27/00
Abstract: 本发明公开了一种P波段突发信号调制方式识别方法。利用了P波段突发信号的前导特征，解决了低信噪比环境下信号信息段特征难以区分的问题，还避免了传统信号前导自相关识别算法对信号前导先验信息的依赖以及频偏影响。该方法首先利用信号前导频谱完成图像化构造，利用不同突发信号前导规律码字所形成的频谱特征进行区分；其次，所提多语义特征融合网络既充分利用低层残差网络提取的信号前导频谱边缘轮廓等纹理特征，又融合了高层残差网络提取信号频谱抽象复杂的高级语义特征，以此解决残差网络仅利用高级抽象语义特征而忽视低级特征的问题，提高了突发信号调制方式识别性能。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.03 seconds)
