-
公开(公告)号：CN101944171A
公开(公告)日：2011-01-12
申请号：CN201010221127.8
申请日：2010-07-08
Applicant: 电子科技大学
Abstract: 本发明涉及一种RFID阅读器的多标签识别方法。包括以下步骤：步骤1：读写器向标签群发送检测命令，标签收到检测命令后随机从时隙0到时隙(2Q-1)的时隙序列中选择其中一个时隙编号，同时生成一个具有2Q个比特位的二进制数据作为标签的时隙序列。步骤2：读写器收到标签发送的时隙序列后，检测标签的时隙序列的比特位冲突。步骤3：读写器根据非空闲时隙编号表项将开始识别标签，读写器按照时隙编号从小到大的顺序，依次发送询问命令Query(S1)给标签群。本发明的有益效果是：本发明继承了二叉树算法识别率高的特点，在标签进行识别的过程中，结合了二叉树算法高识别精度和随机aloha算法快速识别的优势。
-
公开(公告)号：CN113078463B
公开(公告)日：2022-05-03
申请号：CN202110345598.8
申请日：2021-03-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种阻容混合加载井中雷达超宽带天线，属于天线技术领域。该天线包括介质基板、对称设置于介质基板两侧的两偶极子臂，偶极子臂包括沿轴向交错设置的正面金属贴片和背面金属贴片，投影重合的金属贴片部分构成电容；除第一正面矩形金属贴片外的所有金属贴片均设置有一条垂直于轴向的缝隙，缝隙内加载有电阻；电容与电阻交替排列，形成阻容混合加载结构。本发明通过阻容混合加载的方式，不仅能够将谐振状态的偶极子天线变换为行波偶极子天线，还可以大幅减少辐射能量在加载电阻上的损耗，从而提升天线辐射效率，进而提升天线增益，最终使得天线辐射的瞬态电磁脉冲幅值更大，实现天线在损耗地层中具有更远的径向探测距离。
-
公开(公告)号：CN113078463A
公开(公告)日：2021-07-06
申请号：CN202110345598.8
申请日：2021-03-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种阻容混合加载井中雷达超宽带天线，属于天线技术领域。该天线包括介质基板、对称设置于介质基板两侧的两偶极子臂，偶极子臂包括沿轴向交错设置的正面金属贴片和背面金属贴片，投影重合的金属贴片部分构成电容；除第一正面矩形金属贴片外的所有金属贴片均设置有一条垂直于轴向的缝隙，缝隙内加载有电阻；电容与电阻交替排列，形成阻容混合加载结构。本发明通过阻容混合加载的方式，不仅能够将谐振状态的偶极子天线变换为行波偶极子天线，还可以大幅减少辐射能量在加载电阻上的损耗，从而提升天线辐射效率，进而提升天线增益，最终使得天线辐射的瞬态电磁脉冲幅值更大，实现天线在损耗地层中具有更远的径向探测距离。
-
公开(公告)号：CN112053384A
公开(公告)日：2020-12-08
申请号：CN202010883760.7
申请日：2020-08-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于边界框回归的目标跟踪方法，主要解决因传统的相关滤波器预测的目标区域不准确的问题，本发明实现的步骤如下：计算连续分辨率的空间特征图；计算相关滤波器；构建边界框回归模型；回归预测的目标位置；将调整后的目标区域位置作为对于目标跟踪的结果；判断当前帧视频图像是否为待跟踪视频图像序列的最后一帧图像，若是，则执行下一步，否则，用下一帧从头开始执行；结束对待跟踪目标的跟踪。本发明通过构造边界框回归行，更准确地预测了目标区域的位置信息，也通过三次线性插值的方式丰富了神经网络对目标区域提取到的特征，最终实现了准确的目标跟踪。
-
公开(公告)号：CN112052893A
公开(公告)日：2020-12-08
申请号：CN202010904002.9
申请日：2020-09-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于生成对抗网络的半监督图像分类方法，用于解决现有技术中存在的因网络提取的特征缺乏辨识度与多样性导致的分类精度较低的技术问题，实现步骤为：获取训练样本集和测试样本集；搭建生成对抗网络模型；对生成对抗网络模型进行迭代训练；获取半监督图像分类结果。本发明利用特征金字塔网络融合不同层级提取到的特征，通过生成对抗网络的博弈过程提高模型的分类能力，增加了特征的辨识度与多样性，能够更丰富的表征分类图像的类间特征，提高了图像分类精度，并能够在只含有少量精确标注样本的样本集上获得很好的图像分类效果，可用于实际场景中目标分类。
-
Patent Agency Ranking
公开(公告)号：CN111832650A
公开(公告)日：2020-10-27
申请号：CN202010672056.7
申请日：2020-07-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于生成对抗网络局部聚合编码半监督的图像分类方法，具体实现步骤为：(1)生成训练集；(2)构建生成器网络；(3)训练生成器网络；(4)构建局部聚合编码半监督分类网络；(5)训练局部聚合编码半监督分类网络；(6)判断局部聚合编码半监督分类网络的当前损失值是否接近0.5，若是，执行步骤(7)，否则，执行步骤(3)；(7)得到生成对抗网络；(8)对待分类图像进行分类。本发明通过构建局部聚合编码半监督分类网络，降低了网络复杂度，提高了对类别间特征的辨识度，能够在只含有少量精确标注样本的样本集上获得很好的分类效果。
-
公开(公告)号：CN110474762A
公开(公告)日：2019-11-19
申请号：CN201910777120.5
申请日：2019-08-22
Applicant: 电子科技大学
Abstract: 本发明涉及环式可编辑区块链的构建方法，包括：A.初始化：根据安全参数，通过哈希函数，输出系统公开参数和初始区块；B.生成密钥：根据系统公开参数得到用户的私钥xi和公钥yi；C.生成环式可编辑区块链：将交易信息记录到区块中，各区块按生成时间排列，并将排列的最后一个区块与初始区块相连，形成环式可编辑区块链；根据环式可编辑区块链得到公钥集合，其中每个区块对应一个公钥yi，每个公钥yi对应一个私钥xi。本发明实现了对区块链提供了高效的管理和编辑，能够对区块链进行批量的编辑，还支持对区块链上区块的批量删除。而且在执行完批量编辑后，区块链的环式结构仍然保持不变。
-
公开(公告)号：CN112053386B
公开(公告)日：2023-04-18
申请号：CN202010896617.1
申请日：2020-08-31
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于深度卷积特征自适应集成的目标跟踪方法，其步骤如下：提取深度卷积特征；计算核相关滤波器；使用集成矢量更新公式更新当前帧的集成矢量；利用自适应集成计算公式预测当前帧图像的目标位置；使用深度卷积特征更新公式，更新当前帧的深度卷积特征；将选完含有待跟踪目标视频图像序列迭代终止时当前帧的目标中心位置作为待跟踪目标的中心位置。本发明通过集成特征，克服了现有技术存在的跟踪器不能充分利用不同通道目标特征包含的信息，使得本发明在目标跟踪过程中更加准确地获取待跟踪目标位置，增强了目标跟踪的准确性和可靠性。
-
公开(公告)号：CN112053384B
公开(公告)日：2022-12-02
申请号：CN202010883760.7
申请日：2020-08-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于边界框回归的目标跟踪方法，主要解决因传统的相关滤波器预测的目标区域不准确的问题，本发明实现的步骤如下：计算连续分辨率的空间特征图；计算相关滤波器；构建边界框回归模型；回归预测的目标位置；将调整后的目标区域位置作为对于目标跟踪的结果；判断当前帧视频图像是否为待跟踪视频图像序列的最后一帧图像，若是，则执行下一步，否则，用下一帧从头开始执行；结束对待跟踪目标的跟踪。本发明通过构造边界框回归行，更准确地预测了目标区域的位置信息，也通过三次线性插值的方式丰富了神经网络对目标区域提取到的特征，最终实现了准确的目标跟踪。
-
公开(公告)号：CN113468804A
公开(公告)日：2021-10-01
申请号：CN202110646373.6
申请日：2021-06-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于矩阵束与深度神经网络的地下管道识别方法，属于基于深度神经网络的识别技术领域。本发明针对现有技术中对城市地下管道现识别处理的不足，本发明提供了一种基于矩阵束与深度神经网络的地下管道识别方法，本发明采用一种高效的回波信号数据处理方法，将传统基于深度学习地下目标识别方法中的图像样本转移到频率域和衰减域样本中去，进而基于所设置深度卷积神经网络模型实现管道目标的高效、高准确度识别。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.022 seconds)
