一种极化SAR图像特征提取方法
    2.
    发明公开

    公开(公告)号:CN117111063A

    公开(公告)日:2023-11-24

    申请号:CN202311059470.0

    申请日:2023-08-22

    Abstract: 本发明涉及一种极化SAR图像特征提取方法,包含以下步骤:采集原始极化SAR图像数据,获得极化SAR图像的相干矩阵;对相干矩阵进行极化指向角补偿以及椭圆率角补偿;计算散射非对称成分对应的功率占总功率的比例;将椭圆率角补偿后的相干矩阵分解为散射对称部分和散射非对称部分,获得每个部分的相干矩阵与散射功率;确定自适应体散射模型;将得到的散射对称部分分解成表面散射成分、偶次散射成分和自适应体散射成分;将散射非对称部分分解为螺旋散射成分、定向偶极子散射成分和复合非对称散射成分。本发明可以针对不同状态的地物进行更细致的描述,能够较好地提取不同地物的散射信息,对分析不同地物的散射特性起到了很大的作用。

    一种新型对称式功率滤波器网络结构及其参数设计方法

    公开(公告)号:CN106788310B

    公开(公告)日:2020-09-04

    申请号:CN201611109296.6

    申请日:2016-12-02

    Abstract: 本发明公开了一种新型对称式功率滤波器网络结构,其包含:一对电感L1,其输入端分别连接PWM驱动系统的一对输出端,用于确定系统带宽;第一电容C1,用于调节系统阻尼防止谐振,其一端连接其中一个电感L1的输出端;电阻R1,用于调节系统阻尼防止谐振,其一端连接所述第一电容C1的另一端,另一端连接另一个电感L1的输出端;一对第二电容C2,用于建立系统参考地吸收高频噪声,该一对第二电容C2串联形成串联电路,且串联点接地,该串联电路两端分别连接一对电感L1的输出端;第三电容C3,两端分别连接一对电感L1的输出端以及电机负载的一对输入端。其优点是:该对称式滤波网络可以等效为一个二阶滤波器,参数设计容易,可以实现快速设计。

    一种抑制交流伺服系统扭转振动的系统及其方法

    公开(公告)号:CN105305920B

    公开(公告)日:2018-01-19

    申请号:CN201510801858.2

    申请日:2015-11-19

    Abstract: 本发明公开了一种抑制交流伺服系统扭转振动的方法,包含以下步骤:谐振频率检测单元对电机转速误差信号进行谐振频率检测,获得谐振频率点;自适应陷波器根据谐振频率点自动调节参数,可自动跟踪谐振频率点;IIR低通滤波器抑制交流伺服系统中的中高频扭转振动,干扰观测器抑制交流伺服系统外部的扰动,实现抑制交流伺服系统扭转振动。本发明还公开了一种抑制交流伺服系统扭转振动的系统。本发明利用FPGA并行计算的特点,实时性强,可在充分保证整个交流伺服系统动态性的同时全方位的抑制交流伺服系统扭转振动。

    一种基于跨模态学习的有源干扰识别方法

    公开(公告)号:CN119441977A

    公开(公告)日:2025-02-14

    申请号:CN202411483080.0

    申请日:2024-10-23

    Abstract: 本发明公开了一种基于跨模态学习的有源干扰识别方法,具体步骤包括:构建有源干扰识别基准数据集;明确有源干扰本体模型中外部知识的知识建模形式,将有源干扰知识建模转化为语义表示;基于干扰数据特征VAE模型和干扰语义表示VAE模型,构建有源干扰数据与知识混合驱动的跨模态学习模型;构建广义零样本分类模型,实现有源干扰识别。本发明通过数据与知识混合驱动的跨模态学习,解决了有源干扰识别面临的少样本、零样本问题。

    一种融合事件相机和深度学习的空中目标检测方法

    公开(公告)号:CN119251463A

    公开(公告)日:2025-01-03

    申请号:CN202411192460.9

    申请日:2024-08-28

    Abstract: 本发明公开了一种融合事件相机和深度学习的空中目标检测方法,包括:利用高速成像事件相机完成目标信息采集,得到时空事件流数据;采用离散点去噪方法,对事件相机输出时空事件流数据进行去噪处理,获得去噪后的时空事件流数据;将事件流数据进行图像重构,并对图像进行标注,划分训练集和测试集;构建单阶段卷积神经网络目标识别模型,通过骨干网路模块获取多尺度上下文特征信息,通过颈部网络模块将多尺度上下文特征信息进行自顶向下逐层级融合,通过应用锚框和非极大值抑制,对目标的预测结果进行解析和筛选,构建损失函数以及优化策略,本发明充分结合事件相机和深度学习的优点,具有鲁棒性更强的模型,实现空中目标高精度识别。

    基于多波段视觉图像感知与融合的显著性目标检测方法

    公开(公告)号:CN117132759A

    公开(公告)日:2023-11-28

    申请号:CN202310969057.1

    申请日:2023-08-02

    Abstract: 本发明提供一种基于多波段视觉图像感知与融合的显著性目标检测方法,其包含:步骤1:构建多波段视觉图像训练样本集,对扩充后的训练样本集进行标注;步骤2:构建孪生骨干网络模型,提取多层级特征信息;步骤3:构建多尺度特征提取网络模块,对各层级特征信息提取多尺度特征信息;步骤4:构建注意力机制模块,输出可见光注意力特征图和热红外注意力特征图;步骤5:构建特征融合模块,以步骤4输出的可见光注意力特征图和热红外注意力特征图作为输入,通过加法、乘法和顺序拼接操作将其融合,形成预测输出的目标特征图,完成显著性目标的检测。本发明充分利用多波段视觉图像信息,可以实现多波段视觉图像中的目标识别,还可提高识别的精度。

    一种针对抵近飞行过程的目标跟踪方法

    公开(公告)号:CN110910425A

    公开(公告)日:2020-03-24

    申请号:CN201911142176.X

    申请日:2019-11-20

    Abstract: 本发明公开一种针对抵近飞行过程的目标跟踪方法,包含:S1、根据初始目标位置与尺度及跟踪器预装参数进行跟踪其初始化;S2、求解全局运动参数,对上一帧目标中心位置进行全局运动补偿,作为搜索窗口的中心位置;S3、提取位置样本和尺度样本;压缩位置样本和尺度样本;分别计算位置滤波频域响应图和尺度滤波频域响应图;计算位置滤波空域响应图和尺度滤波空域响应图,进行位置估计和尺度估计;自适应更新尺度增量因子;S4、提取位置样本和尺度样本;更新位置模型目标模板和尺度模型目标模板;构建位置特征投影矩阵和尺度特征投影矩阵;更新位置模型和尺度模型。本发明能确保特征点在背景上均匀分布,提高抵近飞行过程中目标跟踪的成功率。

    基于多重特征约束的船只距离多普勒数据智能生成方法

    公开(公告)号:CN119416012A

    公开(公告)日:2025-02-11

    申请号:CN202411342165.7

    申请日:2024-09-25

    Abstract: 本发明提供一种基于多重特征约束的船只距离多普勒数据智能生成方法,使用人工智能领域的深度学习方法,解决小样本学习中数据有限、特征不足等问题,实现真实样本的扩充与平衡。本发明的技术方案包括基于深度卷积神经网络的生成器模块,构成对抗性训练的判别器模块和基于正则化约束的损失函数模块。生成器模块对噪声进行采样生成,判别器模块对生成数据与真实数据进行“真假”判断,损失函数模块依据生成数据的质量计算惩罚值。整个系统需要同时训练两个模型,一个是生成器模块用来模仿真实数据分布,一个是判别器模块用来估计样本来自真实数据而不是生成模块的概率。本发明创新性的将生成对抗网络用于船只的R‑D数据集生成,并结合多重特征损失函数提高生成图像的仿真度,有效提升训练样本的质量和数量。

    一种基于物理光学法的涡旋电磁波目标散射建模方法

    公开(公告)号:CN119129204A

    公开(公告)日:2024-12-13

    申请号:CN202411135964.7

    申请日:2024-08-19

    Abstract: 本发明公开了一种基于物理光学法的涡旋电磁波目标散射建模方法,具体步骤包括:确定阵元类型是理想点源还是理想电偶极子;当阵元类型为理想电偶极子时,确定模态数范围;否则结束运算;选定均匀圆形阵列中的一个阵元,确定该阵元的参数;选定目标,计算该目标在空间中产生的散射结果;遍历均匀圆形阵列中的所有阵元,得到当前模态数下均匀圆形阵列的散射结果;对模态数进行遍历,得到均匀圆形阵列的散射结果数据库。本发明简化了模型的构建,提高了构建模型的效率,且能适应实时变化的仿真应用场景。

Patent Agency Ranking