-
公开(公告)号：CN114002674A
公开(公告)日：2022-02-01
申请号：CN202111184250.1
申请日：2021-10-08
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于SBRIM的多重叠动目标位置与速度估计方法，针对基于谱估计的相关方法在低信噪比情况下无法有效估计多个重叠的动目标的准确位置的问题，它通过提取多重叠动目标在图像域的多通道信号的幅度和相位信息，构建线性观测模型及相应的测量矩阵，利用动目标在速度谱中的稀疏性，通过SBRIM稀疏重构算法实现了在低信噪比情况下的多动目标的准确位置估计与高精度径向速度估计。本发明能够突破瑞利限制，在速度谱中的多个重叠的动目标，对其真实位置进行准确估计，并实现高精度的速度估计；有效解决了较低信噪比情况下的多重叠动目标难以进行准确位置估计的问题。
-
公开(公告)号：CN111967292A
公开(公告)日：2020-11-20
申请号：CN202010446269.8
申请日：2020-05-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种轻量级的SAR图像船只检测方法，它是基于深度学习理论的检测模型。该方法是使用轻量级深度分离卷积神经网络、采用更少的卷积层和设置更窄的卷积通道建立的，其网络结构主要由骨干网络、特征融合模块、特征增强模块和尺度共享特征金字塔模块组成。骨干网络实现船只特征的提取，特征融合模块进行深层特征和浅层特征的融合，特征增强模块完成船只特征的增强，尺度共享特征金字塔模块保证多尺度特征的充分共享。该方法实现了97.07％mAP精度和233FPS速度，且该方法的模型尺寸仅为0.82MB，达到了轻量级的要求。
-
公开(公告)号：CN110119686B
公开(公告)日：2020-09-25
申请号：CN201910307891.8
申请日：2019-04-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的安全帽实时检测方法，它采用多线程提取I帧的方式对视频解码；通过YOLOv3卷积神经网络算法实现端到端的安全帽和人脸实时检测；提出了基于安全帽和人脸实时检测的结果判断是否佩戴安全帽的方法；对于未佩戴安全帽的人通过FaceNet算法实现了人脸识别来对他们进行智能语音提醒；采用了通道剪枝和量化的方法对模型进行了压缩，更加利于模型在SoC系统上的集成。本发明结合了YOLOv3和FaceNet的各自优势，解决了视频流中实时佩戴安全帽的精确端到端的检测问题，实现了在视频流中对安全帽的佩戴实时检测，能够实时监督工作人员是否按照规定佩戴安全帽来降低安全风险。
-
公开(公告)号：CN111696207A
公开(公告)日：2020-09-22
申请号：CN202010467199.4
申请日：2020-05-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于引导滤波的多基线DEM融合方法，该方法首先以先验DEM为基础将各单基线干涉处理得到的DEM进行两尺度分解，先验DEM作为其中的基准层，分解出来的另一部分作为细节层，然后以幅度图作为引导图像，利用引导滤波对单基线对应的细节层DEM进行加权融合，权重由不同基线对应的干涉测高精度来决定，最后将基准层DEM与引导滤波融合后的细节层DEM相加即为多基线融合后的DEM。该方法通过利用先验DEM辅助引导滤波对多基线DEM进行融合，有效地保留了观测场景的地形细节信息，有效提高了多基线InSAR数字高程模型的精度。
-
公开(公告)号：CN110133656A
公开(公告)日：2019-08-16
申请号：CN201910491663.0
申请日：2019-06-06
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了提出了一种基于互质阵列的分解与融合的三维SAR稀疏成像方法，该方法首先对互质阵列以及互质阵列的子阵列分别采用压缩感知迭代最小化稀疏贝叶斯重构(SBRIM)成像算法分别进行成像，得到三幅合成孔径雷达图像后，再将得到的成像结果进行融合，得到最终基于阵列分解与融合三维SAR稀疏成像结果。本发明是结合互质采样方法及压缩感知稀疏重构方法优势，利用互质采样不仅可以降低采样数据，相对于传统随机采样方式更易于系统实现；与传统稀疏成像方法相比，本发明方法能有效抑制栅瓣和虚假目标，提高成像质量。
-
Patent Agency Ranking
公开(公告)号：CN105426578B
公开(公告)日：2018-06-19
申请号：CN201510734462.0
申请日：2015-11-03
Applicant: 电子科技大学
IPC: G06F17/50
CPC classification number: G01S13/90
Abstract: 本发明提供了一种基于遗传算法的MIMO‑SAR面阵天线阵元位置优化方法，它是基于天线相位中心近似原理建立了一种阵列方向图的优化模型，以最小峰值旁瓣比和最小主瓣宽度为优化目标，在遗传算法的编码过程中，在网格点上选取阵元位置；并在布阵区域的四个端点处布设两个发射阵元和两个接收阵元，保证了阵列的最大长度；抑制遗传算法的早熟，得到了最优的阵元位置；采用这种阵元最小间距约束的平面阵形式，需要的阵元数目大大减少，从而有效地降低了天线系统的成本与计算量，更适合工程设计的需要，为MIMO‑SAR三维成像及目标检测与识别提供方便。
-
-
公开(公告)号：CN108008389A
公开(公告)日：2018-05-08
申请号：CN201711246749.4
申请日：2017-12-01
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于GPU的快速频域后向投影三维成像方法，该方法基于GPU的并行化处理能力，运用三维频域后向投影算法，通过利用图形处理器GPU采用一种单程序多数据的指令模式来对其丰富的硬件资源进行调度的能力，使图形处理器GPU中的一个线程负责一个频谱网格点，在各个线程内并行计算当前频域网格点在所有阵列向的后向投影值并累加，最后通过三维傅里叶逆变换得到三维SAR图像，从而大幅度提升了后向投影算法的运行效率。与现有技术相比，本发明具有较高的运算效率实现了线阵SAR的三维成像的特点，适用于合成孔径雷达成像、地球遥感等领域。
-
公开(公告)号：CN105929399B
公开(公告)日：2018-02-13
申请号：CN201610260460.7
申请日：2016-04-25
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了一种干涉SAR数据成像及高程估计方法，它是基于后向投影成像理论，利用干涉SAR后向投影算法成像过程中干涉相位与地形高程之间的对应关系，借助成像空间地形高程为真实地形高程时所获得的干涉相位最小原理，通过最速下降法寻找干涉相位最小时对应的地形高程，最后将干涉SAR数据投影到最速下降法估计得到的最佳成像空间地形高程进行成像，从而实现了干涉SAR回波数据成像与高程估计的同步处理。与现有技术相比，本发明减小了地形高程起伏导致的干涉SAR图像畸变效应，提高了地形高程起伏情况下干涉SAR成像图像质量和地形高程估计精度。
-
公开(公告)号：CN107544068A
公开(公告)日：2018-01-05
申请号：CN201710575477.6
申请日：2017-07-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于频域BP的图像域宽带合成方法。它是基于频域BP成像理论，先对接收到的子带回波信号进行距离压缩，然后将距离压缩后的回波频谱后向投影到图像空间频域，再对后向投影后得到的图像空间谱进行二维傅里叶逆变换得到子带空域图像。对得到的子带图像进行距离向空间谱平移，最后对平移后的子带图像进行距离向空间谱累加得到宽带合成图像。本发明的优点是基于频域BP的图像域宽带合成方法较传统的宽带合成方法性能更佳，能够很好的解决相位不连续问题，并且无需增加系统和信号处理难度；由于采用频域BP成像算法，成像效率高，并且在子带重叠时能够根据系统参数自动进行谱截断处理。
-
-
-
-
-
-
-
-
-
Search Results
292
records
(took 0.034 seconds)
