-
-
公开(公告)号：CN113850273A
公开(公告)日：2021-12-28
申请号：CN202111084757.X
申请日：2021-09-16
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于DMD及随机傅里叶特征变换的图像分类方法，属于图像分类技术领域。所述方法，包括：步骤1、对训练图片进行基于颜色的动态模式分解，得到训练图片显著色彩矩阵；步骤2、基于步骤1得到的显著色彩矩阵作为DMD特征，得到提取特征后的同类图片，并基于同类图片构建特征训练集X；步骤3、对特征训练集X中的同类图片特征进行训练，得到训练好的分类模型参数；步骤4、对于待分类图片进行分类。所述方法对于小样本图像、单一样本图像的识别准确率高；对于具有复杂背景的图像识别准确率高，且时间复杂度和空间复杂度低；避免神经网络结果选择和局部最小值问题；对高维、非线性分类问题具有很好的泛化性。
-
公开(公告)号：CN105119632B
公开(公告)日：2017-09-15
申请号：CN201510428915.7
申请日：2015-07-20
Applicant: 北京理工大学
Abstract: 本发明公开一种基于多跳频图案的适用于无线移动自组织网的通信方法，在限定带宽的条件下，能够解决固定时隙分配方式组网中传输大业务量数据会产生的时延较大的问题，以及动态时隙分配方式组网中传输大业务量数据会产生的协议性能下降较快和不能满足实时业务需求的问题。所述方法包括：对于预先建立的无线移动自组织网，源节点通过预设的跳频图案组中预设的公用跳频图案建立的组网与目的节点单独建立通信链路；在单独建立通信链路成功之后，所述源节点通过所述跳频图案组中前一个单独建立的通信链路使用的跳频图案后第一个非所述公用跳频图案的跳频图案建立的组网将待发送的大业务量数据发送给所述目的节点。
-
-
-
Patent Agency Ranking
公开(公告)号：CN105553507A
公开(公告)日：2016-05-04
申请号：CN201510971541.3
申请日：2015-12-22
Applicant: 北京理工大学
IPC: H04B1/7075
CPC classification number: H04B1/7075
Abstract: 本发明公开了基于FFT全相干累积时频域并行捕获方法，旨在实现低信噪比、大频偏、突发直接序列扩频信号的快速捕获。本发明有两大实现部分：基于FFT的伪码相关和基于FFT的全相干累积。采用两个符号相关和补零FFT方法进一步降低了伪码相关过程中的sinc损耗和累积过程中的扇贝损耗。该并行捕获方法通过大量中间数据信息的缓存和基于FFT的并行处理架构降低了处理资源消耗，在短时间内累积得到很高的相关峰信噪比，在并行搜索伪码相位的过程中同时高精度地估计出多普勒频偏，降低了平均捕获时间。
-
公开(公告)号：CN103427870A
公开(公告)日：2013-12-04
申请号：CN201310358815.2
申请日：2013-08-16
Applicant: 北京理工大学
IPC: H04B1/7075 , H04B1/7097
Abstract: 本发明涉及基于稀疏傅里叶变换的深度扩频捕获与干扰抑制方法，属于扩频通信信号处理技术领域。本发明通过采用深度扩频技术提高用户端的隐蔽性和抗截获性能；采用干扰抑制算法进一步提高系统的干扰容限，保证通信可靠性；将捕获技术与干扰抑制算法联合处理，降低星载信号处理的复杂度；直扩接收机的带内干扰在频域具有稀疏性，运用稀疏傅里叶变换，降低运算复杂度。
-
公开(公告)号：CN113850256B
公开(公告)日：2024-08-13
申请号：CN202111065576.2
申请日：2021-09-10
Applicant: 北京理工大学
IPC: G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 发明涉及基于FSAF及快‑慢速权重的目标检测与识别方法，属于监督学习及目标识别技术领域。包括：1)搭建包括卷积层、特征图层、预测层的主干网络和RetinaNet有参考框分支；2)搭建FSAF分支并生成图像特征层的有效区及忽略区，具体为：在RetinaNet有参考框分支中每个层级的预测层都添加一个无参考框分支，对标准框在不同特征层的映射框按照A1倍比例缩小后作为有效区、A2倍比例缩小后作为忽略区；3)基于FSAF分支计算分类损耗加回归损耗的和：综合损耗；4)将最优化特征层对应的综合损耗输入标准优化器及LookAhead优化器，使得综合损耗收敛。所述方法引入无参考框机制和Lookahead快‑慢速权重优化器，实现了比RetinaNet网络更好的识别效果，识别精准度和损耗收敛速度都有提升。
-
公开(公告)号：CN113518320B
公开(公告)日：2024-03-15
申请号：CN202110670822.0
申请日：2021-06-15
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于加权距离及紧凑路由的数据传输方法，属于无线网络路由及数据传输技术领域。所述方法初始化节点各参数后，依据距离、带宽、信道质量及能量的线性叠加计算加权距离，发送查询信号并建立路由；采集信息并进行编码封装后受控制模块控制，经数据传输模块进行传输；判决节点是否有邻居节点、是否有足够多能量以及邻居是否还有其他邻居节点来决定数据传输还是该邻居节点从路由表中删除；当节点间距离变动即节点移动、信道、带宽及能量变动时，路由表会相应修改。所述方法的加权距离为混合动态加权，大大降低了运算量；采用紧凑路由与数据传输，大大提升了传输效率；同时有利于避免信息泄露和侦听，提高了信息传输的安全性。
-
公开(公告)号：CN113850256A
公开(公告)日：2021-12-28
申请号：CN202111065576.2
申请日：2021-09-10
Applicant: 北京理工大学
Abstract: 发明涉及基于FSAF及快‑慢速权重的目标检测与识别方法，属于监督学习及目标识别技术领域。包括：1)搭建包括卷积层、特征图层、预测层的主干网络和RetinaNet有参考框分支；2)搭建FSAF分支并生成图像特征层的有效区及忽略区，具体为：在RetinaNet有参考框分支中每个层级的预测层都添加一个无参考框分支，对标准框在不同特征层的映射框按照A1倍比例缩小后作为有效区、A2倍比例缩小后作为忽略区；3)基于FSAF分支计算分类损耗加回归损耗的和：综合损耗；4)将最优化特征层对应的综合损耗输入标准优化器及LookAhead优化器，使得综合损耗收敛。所述方法引入无参考框机制和Lookahead快‑慢速权重优化器，实现了比RetinaNet网络更好的识别效果，识别精准度和损耗收敛速度都有提升。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.04 seconds)
