-
公开(公告)号：CN118429721A
公开(公告)日：2024-08-02
申请号：CN202410653031.0
申请日：2024-05-24
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V20/10
Abstract: 本发明是一种基于域泛化的轻量化高光谱图像跨场景分类方法。本发明涉及图像处理分类技术领域，本发明获取高光谱数据，并构建跨场景数据集，搭建基于注意力机制辅助的级联瓶颈网络模型，得到若干在不同模型参数下的级联瓶颈网络模型；对若干在不同模型参数下的级联瓶颈网络模型进行训练；将若干在不同模型参数下的级联瓶颈网络模型在目标场景验证集上进行交叉验证，得到验证结果；从验证结果中筛选出分类效果最好的级联瓶颈网络模型作为目标分类模型，并通过目标分类模型对目标域的高光谱图像进行分类。本发明的基于注意力机制辅助的级联瓶颈网络模型只需要有限的源域样本即可完成训练，更加具有实际意义，鲁棒性也能够得到保证。
-
公开(公告)号：CN118133526A
公开(公告)日：2024-06-04
申请号：CN202410192190.5
申请日：2024-02-21
Applicant: 哈尔滨工程大学
IPC: G06F30/20 , G01S3/14 , G06F111/04
Abstract: 一种基于曲线映射的约束条件阵列设计方法及其系统，涉及阵列信号处理技术领域。为了解决如何设计一种在规定大小的孔径内，利用规定个数的阵元数摆放出一个最小阵元间距受限的非半波长、非均匀的无理数阵列的问题，而提出的一种基于曲线映射约束条件的阵列设计方法。设计方法为：确定阵列相关参数；根据确定的阵列相关参数，建立曲线映射模型，根据所述曲线映射模型求出曲线映射参量c；根据所述曲线映射参量c计算出各阵元位置；根据所述各阵元位置进行阵列测向。本发明适用于阵列信号处理领域中中的波达方向估计。
-
公开(公告)号：CN117214881A
公开(公告)日：2023-12-12
申请号：CN202310907783.0
申请日：2023-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达数据处理中的多目标跟踪技术领域，具体涉及一种复杂场景下基于Transformer网络的多目标跟踪方法。本发明利用航迹标签分配网络，将历史航迹与有效量测进行关联，即可在跟踪过程中得到每个被跟踪目标的航迹信息。本发明利用目标状态预测网络以及估计得到的检测概率确定有效量测筛选的概率阈值，该阈值会根据估计得到的检测概率自适应调整，使有效量测的筛选更加准确。在漏检发生时，使用目标状态预测值作为目标状态估计值，提高了对目标数目估计的稳定性。本发明利用估计检测概率确定的目标消亡阈值和目标新生阈值进行航迹管理，对错误跟踪的航迹及时进行终止并剔除，对正确跟踪的航迹进行终止，并对新生目标对应的航迹进行起始。
-
公开(公告)号：CN110716574B
公开(公告)日：2023-05-02
申请号：CN201910934428.6
申请日：2019-09-29
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明属于UUV控制技术领域，具体涉及一种基于深度Q网络的UUV实时避碰规划方法。本发明使网络体系在复杂环境的局部避碰规划时具有自我学习的能力实现端到端模型，不对输入的声呐数据进行人工提取特征和特征匹配，直接从原始数据集上学习状态与动作的映射关系，将深度学习和强化学习相结合应用到避碰规划问题的解决上。本发明使用深度强化学习，无需像深度学习那样进行大规模的采样和做标签，也不像传统的方法需建立环境和UUV本身的数学模型，无需环境的模型，采用强化学习不会因为路径过于复杂而无法执行策略，使其在实际应用中缩短了项目的开发周期、实施更加简洁、高效、鲁棒性高。
-
公开(公告)号：CN109214975B
公开(公告)日：2023-03-28
申请号：CN201811017222.9
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 一种基于二维稀疏信号恢复的二维逐步正交匹配追踪方法，属于信号处理领域。本发明方法包括以下步骤：(1)输入二维观测矩阵下图像的观测量，初始化系数值；(2)迭代计算直至满足收敛条件，每次迭代根据残差变动选取阈值，将满足阈值的多个算子一同运算处理；(3)更新残差，得到原始图像二维矩阵。本发明能够解决目前现有的二维信号恢复方法重构质量差、鲁棒性不佳的问题，在重构时长得到控制的情况下，提高重构效率，改善重构图像的质量，改善鲁棒性，将其应用在计算成像领域可以更高质量的恢复压缩感知采集到的图像。
-
Patent Agency Ranking
公开(公告)号：CN111624549B
公开(公告)日：2023-03-24
申请号：CN202010408859.1
申请日：2020-05-14
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供非共视条件下无源滤波跟踪方法，由观测信息及模型建立系统状态方程和量测方程；判断是否发生非共视情形，调整过程噪声矩阵及其附加系数；根据可视观测站个数，确定量测矩阵维数并进行滤波跟踪中的预测、估计及更新。本发明在跟踪过程中出现非共视情形，即观测站在各时刻接收到的目标信息量不均等，为保证连续跟踪，给定不同的阶段过程噪声及非线性过程噪声附加系数，实时调节对目标预测值与观测值的信任程度，并应用更适合非线性系统的UKF算法，使得跟踪效果更加优越。
-
公开(公告)号：CN112305506B
公开(公告)日：2023-02-14
申请号：CN202011156030.3
申请日：2020-10-26
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于CNN的LPI雷达信号检测方法，使用CNN进行信号检测，将信号检测问题转化成基于CNN的特征提取问题，对截获到的雷达信号脉冲进行采样，将采样后的离散信号的同相分量和正交分量直接输入神经网络，实现在一定误差范围内的高准确率信号检测。本发明对不同SNR下的LPI雷达信号检测具有泛化能力；由于信号带宽、载频等参数的随机性，可以保证测试集具有泛化性，说明对未经训练的信号具有一定的泛化能力，具有良好的应用前景。
-
公开(公告)号：CN110781924B
公开(公告)日：2023-02-14
申请号：CN201910932848.0
申请日：2019-09-29
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于全卷积神经网络的侧扫声纳图像特征提取方法，利用原有的声纳图像进行数据增广，获得模型训练和测试所需的样本集；对样本集中的每幅图像的海底地形的边缘区域进行人工标注，区分目标和背景，获得模型训练和测试标签图；构建FCNs模型；将海底地形图像及对应的标签图输入网络，采用带动量项的小批量梯度下降法训练网络，保存最优网络模型；对比随机梯度下降法与小批量梯度下降法下网络的收敛性、稳定性；对地形边缘轮廓特征提取并输出特征提取结果，对结果进行定性评价。本发明方法无需复杂的预处理，声纳特征特征提取方法速度快、效率高，具有较强的抗散斑噪声的能力；提高了网络的性能，确保了FCNs各个网络模型的收敛性和稳定性。
-
公开(公告)号：CN115685065A
公开(公告)日：2023-02-03
申请号：CN202211406703.5
申请日：2022-11-10
Applicant: 哈尔滨工程大学
Abstract: 基于多站的子空间数据融合的直接定位与极化参数估计方法，本发明涉及基于多站的子空间数据融合的直接定位与极化参数估计方法。本发明的目的是为了解决传统的两步单站无源定位算法无法避免多项定位参数估计，导致定位的收敛性和定位精度差的问题。具体过程为：步骤一：生成多站的子空间数据矩阵；步骤二：构造关于辐射源目标位置的代价极值函数；步骤三：在二维平面内对代价极值函数进行谱峰搜索，基于谱峰确定目标位置，基于目标位置确定空域DOA估计结果；步骤四：基于步骤三确定的空域DOA估计结果，恢复极化域的DOA参数。本发明用于辐射源定位领域。
-
公开(公告)号：CN112581928B
公开(公告)日：2022-09-02
申请号：CN202011473493.2
申请日：2020-12-15
Applicant: 哈尔滨工程大学
IPC: G10K11/162 , G10K11/178 , F16F7/00
Abstract: 一种降噪用的声学黑洞周期夹芯梁结构，涉及一种夹芯梁结构。本发明解决了现有技术中存在结构复杂和价格昂贵的问题。本发明的面板和背板的一侧平面上均设有正交加筋板，正交加筋板内有多个空腔，双侧声学黑洞嵌入板的上下两个侧面上均嵌入多个声学黑洞，且在声学黑洞厚度上最薄位置处开设截断孔，面板、双侧声学黑洞嵌入板和背板按照由上至下的顺序相互嵌入连接成夹芯梁结构，且双侧声学黑洞嵌入板上的每个声学黑洞嵌入到一个空腔内，所述嵌入到空腔内的声学黑洞为一个单胞结构，多个声学黑洞为单排排布，面板和背板的厚度均为1mm‑5mm，正交加筋板的肋梁高度为5mm‑30mm，肋梁的厚度为1mm‑5mm。本发明用于航行器的减振降噪。
-
-
-
-
-
-
-
-
-
Search Results
301
records
(took 0.078 seconds)
