-
公开(公告)号：CN104301722A
公开(公告)日：2015-01-21
申请号：CN201410607582.X
申请日：2014-11-03
Applicant: 电子科技大学
IPC: H04N17/00
Abstract: 一种基于频域的视频流模糊检测方法，包括如下步骤：对输入视频流按照场景不同进行分割，计算运动矢量；计算视频块的DCT系数，并统计出整帧各个频率分量的非零DCT系数个数矩阵A1；计算视频块的主导方向角度；计算视频块主导方向的后验概率密度；计算出权重值，构造初始权重矩阵，对初始权重矩阵中的各个参数作对应调整，得到权重矩阵；计算帧清晰指数和块清晰指数，并对和作归一化；由和归一化后的清晰指数求出模糊指数，确定整个场景的全局模糊阀值，判断出全局模糊帧和局部模糊帧。本发明大大减少了算法运算复杂度与所需内存空间，能准确检测出全局模糊帧和局部模糊帧并定量判断模糊程度；适用于各种视频流尤其是体育运动视频流的模糊检测。
-
公开(公告)号：CN115795299A
公开(公告)日：2023-03-14
申请号：CN202211660369.6
申请日：2022-12-23
Applicant: 电子科技大学
Inventor： 周代英
IPC: G06F18/213 , G06F18/24 , G06F18/2413 , G06F123/02
Abstract: 本发明属于多旋翼无人机目标识别技术领域，具体涉及一种多旋翼无人机识别中的编码特征提取方法。本发明首先通过对无人机目标的雷达回波数据序列进行短时付氏变换，获得时频谱图，将时频谱图在一些方向进行多次差分计算，得到高阶差分域图像，再将高阶差分域图像划分为多个互不交叠的子块，每一子块的元素值与子块均值差分，按差分值的正负编码和逆时针顺序构成一个编码序列，所有方向的整幅图的所有子块编码序列构成一个矢量，作为高阶差分域子块多方向编码特征，完成对多旋翼无人机的识别。由于充分利用了子块结构中方向性的细节信息，能够从雷达回波数据中提取到有关目标的局部精细特征，从而改善了对目标的识别率。
-
公开(公告)号：CN112214929B
公开(公告)日：2022-12-02
申请号：CN202011030707.9
申请日：2020-09-27
Applicant: 电子科技大学
Abstract: 本发明属于雷达技术领域，具体是涉及一种针对间歇采样重复转发式干扰的雷达干扰抑制方法。本发明采用深度学习的方法，将有干扰的回波信号作为输入数据，无干扰的回波信号作为标签数据，对网络进行训练。网络模型采用U形结构，通过降采样和上采样两部分结构，使得上采样部分的输入数据由前一层输出和对应降采样部分输出特征图结合组成，结构中若干组跨层特征融合，实现了对信号局部结构和整体结构特征的多尺度提取，进一步提高输出特征对原始信息的表达能力，从而更好的实现干扰滤除的效果。
-
-
公开(公告)号：CN110133600B
公开(公告)日：2022-11-04
申请号：CN201910519253.2
申请日：2019-06-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种直升机旋翼物理参数提取方法。本发明的方法首先对直升机旋翼的窄带RCS数据的时频谱进行图像滤波和图像分割，以降低背景噪声，改善时频谱图的清晰度，精确提取时频信号线；然后通过参数估计方法从时频信号线中直接估计出直升机旋翼的旋转周期、桨叶长度和桨叶数目，通过这些参数能更准确地识别直升机目标的类别和型号，解决了从多普勒时频谱中无法提取直升机旋翼物理参数的难题，仿真实验结果验证了该方法的有效性。
-
Patent Agency Ranking
公开(公告)号：CN114943251A
公开(公告)日：2022-08-26
申请号：CN202210548931.X
申请日：2022-05-20
Applicant: 电子科技大学
Abstract: 本发明属于无人机识别技术领域，具体涉及一种基于融合注意力机制的无人机目标识别方法。本发明的识别模型由数据输入层、预处理层、卷积模块、注意力模块、全连接层以及softmax分类层组成，数据输入层与预处理层用于处理输入的无人机微多普勒谱图；由卷积模块与注意力模块提取谱图深度特征；采用全连接层与分类层实现对无人机目标的分类识别。由于注意力模块是针对微多普勒谱图的特点设计的，能够提取有利于分类的局部特征信息，注意力模块与卷积模块相融合可以提取到分类性能更好的特征，从而进一步改善对目标的识别性能。仿真实验验证了本文方法的有效性。
-
公开(公告)号：CN114937150A
公开(公告)日：2022-08-23
申请号：CN202210548856.7
申请日：2022-05-20
Applicant: 电子科技大学
Abstract: 本发明属于无人机识别技术领域，具体涉及一种基于深度阈值残差网络的无人机目标识别方法。本发明首先通过对无人机雷达回波信号进行短时傅里叶变换(STFT)得到微多普勒谱图，然后用深度阈值残差网络从微多普勒谱图中提取分类特征，采用softmax分类器实现对无人机目标的分类识别。其中，深度阈值残差网络由一个卷积模块和三个阈值残差子网组成，在阈值残差子网中引入阈值提取模块，自动学习一个能够抑制噪声分量的阈值，从而降低特征图中的噪声强度，改善信噪比，因此该方法与常规的深度学习方法相比，在低信噪比的条件下具有更优的识别性能。仿真实验验证了本文方法的有效性。
-
公开(公告)号：CN114861809A
公开(公告)日：2022-08-05
申请号：CN202210548824.7
申请日：2022-05-20
Applicant: 电子科技大学
Inventor： 周代英
Abstract: 本发明属于目标识别技术领域，具体涉及一种真假目标一维距离像非线性类标签关联识别方法。本发明的方法首先利用非线性函数将一维距离像样本映射到高维特征空间，在高维特征空间通过相关运算建立样本数据与类标签之间的非线性关联子空间，直接获得输入一维距离像样本对应的类标签信息，完成对目标的识别。一方面避免了由于使用分类器带来的错误识别率，同时，通过引入非线性映射函数能够更好地描述样本数据分布中的非线性信息，从而提高了对目标的识别性能，对四类仿真目标的一维距离像数据进行仿真实验，实验结果验证了该方法是有效的。
-
-
公开(公告)号：CN111339493B
公开(公告)日：2022-05-24
申请号：CN202010152759.7
申请日：2020-03-06
Applicant: 电子科技大学
Abstract: 本发明属于飞机目标大小分类技术领域，具体涉及一种非均匀量化状态转移特征矩阵提取方法。本发明首先对飞机目标的窄带雷达RCS数据进行非均匀量化，然后利用训练数据集建立马尔可夫模型，抽取飞机目标的非均匀量化状态转移特征，与常规统计特征相比，更精细地使用了窄带雷达RCS数据序列中与目标结构形状有关的起伏变化信息，从而改善了对目标的分类性能。仿真实验结果验证了方法的有效性。
-
-
-
-
-
-
-
-
-
Search Results
192
records
(took 0.023 seconds)
