-
公开(公告)号：CN109584273B
公开(公告)日：2022-11-18
申请号：CN201811389171.2
申请日：2018-11-21
Applicant: 西安电子科技大学
IPC: G06T7/246
Abstract: 本发明属于图像处理技术领域，公开了一种基于自适应收敛参数的运动目标检测方法。该方法包括如下步骤：首先利用红外热像仪持续采集待检测区域的红外图像，然后通过对预设的初始收敛参数进行自适应调整，得到自适应收敛参数，然后采用鲁棒主成分分析法对连续红外图像进行训练，得到每一帧红外图像对应的稀疏图像，进而顺序输出每一帧红外图像对应的稀疏图像，完成运动目标检测。本发明提供的方法能够在使用鲁棒主成分分析法对连续红外图像进行训练之前，对预设的初始收敛参数进行自适应调整，进而在对连续红外图像进行训练以得到每一帧红外图像对应的稀疏矩阵时，能够减少训练过程的迭代次数，减少运算量，提高运算效率。
-
公开(公告)号：CN115015906A
公开(公告)日：2022-09-06
申请号：CN202210610416.X
申请日：2022-05-31
Applicant: 西安电子科技大学
Abstract: 本发明提供一种目标航迹估计方法以及相关装置，本发明的目标航迹估计方法包括：利用R‑CPHD滤波器获取所述目标对应的环境的杂波密度以及检测概率；基于所述杂波密度确定所述环境中新生目标的分布信息；基于所述传感器的量测信息、所述目标运动模型、所述检测概率、所述杂波密度以及所述新生目标的分布信息确定所述目标的航迹信息。解决了未知杂波参数与检测概率先验信息和目标漏检的问题。
-
公开(公告)号：CN111931900A
公开(公告)日：2020-11-13
申请号：CN202010478558.6
申请日：2020-05-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于残差网络与多尺度特征融合的GIS放电波形检测方法，包括：获取原始放电波形数据并标记类别标签，将所有样本数据进行打乱分为训练样本数据集和测试样本数据集；设计分类网络模型，并将训练样本数据集中的训练样本按批次传入该分类网络模型；使用交叉熵构造该分类网络模型的损失函数，在该分类网络模型的训练过程中使用随机梯度下降法，使得所述批训练样本在分类网络模型上的损失函数的平均值最小；将测试样本送入训练完成的分类网络模型中，得到检测结果。本方法由引入残差网络单元的全卷积网络提取放电波形特征，抑制了网络层数加深而带来的退化问题，提高了分类准确率。
-
公开(公告)号：CN109584273A
公开(公告)日：2019-04-05
申请号：CN201811389171.2
申请日：2018-11-21
Applicant: 西安电子科技大学
IPC: G06T7/246
CPC classification number: G06T7/246 , G06T2207/10048 , G06T2207/20081
Abstract: 本发明属于图像处理技术领域，公开了一种基于自适应收敛参数的运动目标检测方法。该方法包括如下步骤：首先利用红外热像仪持续采集待检测区域的红外图像，然后通过对预设的初始收敛参数进行自适应调整，得到自适应收敛参数，然后采用鲁棒主成分分析法对连续红外图像进行训练，得到每一帧红外图像对应的稀疏图像，进而顺序输出每一帧红外图像对应的稀疏图像，完成运动目标检测。本发明提供的方法能够在使用鲁棒主成分分析法对连续红外图像进行训练之前，对预设的初始收敛参数进行自适应调整，进而在对连续红外图像进行训练以得到每一帧红外图像对应的稀疏矩阵时，能够减少训练过程的迭代次数，减少运算量，提高运算效率。
-
公开(公告)号：CN103399291A
公开(公告)日：2013-11-20
申请号：CN201310329158.9
申请日：2013-07-22
Applicant: 西安电子科技大学
IPC: G01S3/00
Abstract: 本发明公开了一种基于快速稀疏恢复的超分辨波达方向估计方法，主要解决现有技术的相干源情况下空间分辨率不足，低信噪比情况下估计性能不佳，以及运算速度慢难以满足硬件实时性要求的问题。其实现过程为：利用阵元去噪对接收数据进行去噪处理，获得大信噪比的数据观测矢量；对待测角度空间进行栅格划分获得角度单元；根据角度单元和阵元坐标构造观测矩阵；根据观测矩阵和数据观测矢量通过零空间调整和正交投影获得目标的波达方向估计值。本发明实现了在低信噪比和相干源情况下获得超分辨的多目标波达方向估计，空间分辨率高，运算速度快，适合于硬件实现。
-
Patent Agency Ranking
公开(公告)号：CN119850678A
公开(公告)日：2025-04-18
申请号：CN202411939444.1
申请日：2024-12-26
Applicant: 西安电子科技大学
Abstract: 本发明涉及联合多特征与双阈值更新策略的视频单目标跟踪方法，该方法通过提取特定区域的联合特征数据，以确定对应的检测响应图，其中，联合特征数据包含HOG特征、CN特征和LBP特征，可以获得更加丰富的目标特征信息，并且利用检测响应图中的最大值与平均响应值的比较结果，以及结合历史信息变化趋势的置信度与平均置信度值的比较结果，判断视频图像中是否有遮挡物闯入，从而根据不同的判断结果，选择是否更新跟踪模型系数，以实时精准追踪目标，极大降低误判几率，提高模型性能，克服常规跟踪方法的跟踪性能下降甚至完全失效的问题。
-
公开(公告)号：CN114879131B
公开(公告)日：2024-07-16
申请号：CN202210296928.3
申请日：2022-03-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种稀疏线阵结合内插虚拟变换技术的无网格DOA估计方法，包括：接收端采用稀疏线阵的阵型排布，建立稀疏线阵的阵列信号模型；根据阵列信号模型计算得到阵列第一接收数据协方差矩阵R；将第一接收数据协方差矩阵R进行内插虚拟变换，得到虚拟协方差矩阵#imgabs0#对虚拟协方差矩阵#imgabs1#进行核范数最小化求解，得到内插虚拟阵列协方差矩阵T(u)；对内插虚拟阵列协方差矩阵T(u)进行范德蒙分解得到估计频率F，以根据估计频率F得到波达方向估计值。本发明基于内插虚拟阵列信号协方差矩阵T重构的思想设计优化问题，在优化问题设计的过程中无需预先定义空间网格点，实现了无网格化的波达方向估计，同时保证了波达方向估计的分辨率以及计算效率。
-
公开(公告)号：CN111812606B
公开(公告)日：2023-12-22
申请号：CN202010495880.X
申请日：2020-06-03
Applicant: 西安电子科技大学
IPC: G01S7/41 , G01F23/284
Abstract: 本发明公开了一种基于导波雷达的物位提取方法，包括：利用导波雷达物位计采集不同距离的完整回波信号并记录实际物位距离，并将所述回波信号通过低通滤波器进行滤波；将所述滤波后回波信号的顶部回波点作为参考点，对齐不同距离下的回波信号的参考点；进行回波峰值寻找，找出滤波后回波信号中所有波峰值和波谷值；在波峰值点中找到理想回波点，得到理想回波点对应的距离；通过三次样条插值方式进行距离插值计算，得到不同距离对应的回波点，以及对应的距离；将插值计算得到物位距离与实际物位距离对比，获得所述物位提取方法的误差值。该物位提取方法比传统的峰值寻找算法性能更佳，误差更小。
-
公开(公告)号：CN117053898A
公开(公告)日：2023-11-14
申请号：CN202311035614.9
申请日：2023-08-16
Applicant: 西安电子科技大学
IPC: G01F23/80 , G01F23/284 , G01S7/02 , G01S7/36 , G01S7/41
Abstract: 本发明公开了一种基于毫米波雷达强杂波区弱物位检测与盲区缩小方法，包括：对雷达回波数据进行平方律检波处理，得到检测统计量；利用近距离右切CFAR算法得到前沿参考单元样本；计算门限系数和背景杂波功率水平估计值；根据门限系数和背景杂波功率水平估计值计算门限值，并将检测统计量与门限值进行比较，判断有无目标；当判断有目标存在时，根据关联波门和功率阈值对前沿参考单元样本中的所有峰值数据进行筛选，得到备选峰值数组；基于预设阈值对备选峰值数组进行距离判断，并选出目标峰值作为目标物位检测结果。该方法降低了近距离区弱小目标信号湮没在强多重回波中而被剔除的风险，缩小了盲区，提升了毫米波物位量测的鲁棒性，提高了测量精度。
-
公开(公告)号：CN110146847B
公开(公告)日：2022-12-23
申请号：CN201910368240.X
申请日：2019-05-05
Applicant: 西安电子科技大学
Abstract: 本发明属于雷达信号处理技术领域，公开了一种基于伪框架理论的强干扰信号抑制方法，包括以下步骤：设置雷达阵元为均匀直线阵列，对其接收到的目标信号进行采样处理，得到有效样本数据,构建强干扰信号的导向矢量和弱目标信号的导向矢量；通过有效样本数据构建的协方差矩阵构建噪声子空间矩阵，与强干扰信号的导向矢量进行处理得到张成的噪声空间矩阵；对弱目标信号导向矢量矩阵的正交子空间矩阵做特征值分解，提取其特征向量矩阵构造信号零空间矩阵；以张成的空间矩阵和信号零空间矩阵为基础，通过计算其调整系数得到伪框架权值矢量，进而构建伪框架权值矩阵；使用伪框架权值矩阵处理有效样本数据，得到弱目标信号的真实信号矩阵。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.027 seconds)
