-
公开(公告)号：CN112130142B
公开(公告)日：2023-04-21
申请号：CN202011027374.4
申请日：2020-09-25
Applicant: 中南大学
IPC: G01S13/88
Abstract: 本发明公开一种复杂运动目标微多普勒特征提取方法，步骤包括：S1.获取对运动目标检测的雷达回波信号并转化为二维的时频图像；S2.对时频图像进行骨架提取，得到目标不同散射点的微多普勒曲线；步骤S3.对目标不同散射点的微多普勒曲线进行曲线估计，逐条分离出各单个散射点的微多普勒曲线，其中对于存在交叠区间的曲线估计时，根据交叠区间附近的曲线变化趋势判断出端点，并使用插值算法估计交叠区间内值；步骤S4.分别对步骤S3得到的各单个散射点的微多普勒曲线进行模态分解，提取出目标各散射点的微动特征。本发明能够实现复杂运动目标的微动普勒曲线分离与特征提取，且具有实现方法简单、提取精度及效率高且灵活性强等优点。
-
公开(公告)号：CN111789629A
公开(公告)日：2020-10-20
申请号：CN202010607526.1
申请日：2020-06-29
Applicant: 中南大学
IPC: A61B7/00
Abstract: 本发明公开了一种基于深度学习的呼吸音智能诊疗系统及方法，该系统包括：呼吸音采集设备，用于用户呼吸音信号的实时采集，将声音转化为数字信号并传输至上位机；用户侧上位机，用于通过通信模块将用户数据传输至云端服务器；云端服务器，用于部署基于深度学习的呼吸音智能诊断方法，即云端服务器接收上位机上传的呼吸音数据，并将其送入诊断方的数据流水线，从而根据上位机上传的呼吸音数据，自动识别可能的异常病征，并将诊断结果反馈给用户侧上位机。该方法可以基于上述系统来实施。本发明具有原理简单、自动化程度高、适用范围广等优点。
-
公开(公告)号：CN110988872B
公开(公告)日：2023-10-03
申请号：CN201911358215.X
申请日：2019-12-25
Applicant: 中南大学
Abstract: 本发明公开了一种无人机载穿墙雷达探测墙体健康状态的快速识别方法，其包括：步骤S100：构建二维卷积神经网络作为训练模块；通过获取测试数据，进行数据预处理后生成数据集，然后通过二维卷积神经网络进行训练，从而生成二维卷积神经网络；步骤S200：通过无人机搭载穿墙雷达，穿墙雷达用来对高层建筑物外墙进行扫描，并通过采集的回波数据对墙体进行成像分析；然后利用二维卷积神经网络进行墙体健康状态的识别，最终得出墙体健康状况。本发明具有能够有效提升墙体空洞探测准确性、安全性和效率等优点。
-
公开(公告)号：CN110988839A
公开(公告)日：2020-04-10
申请号：CN201911356109.8
申请日：2019-12-25
Applicant: 中南大学
Abstract: 本发明公开了一种基于一维卷积神经网络的墙体健康状况的快速识别方法，其包括：步骤S100：构建一维卷积神经网络训练模块；通过获取测试数据，进行去天线耦合波、归一化操作后整理生成数据集，然后通过一维卷积神经网络进行训练，从而生成用于墙体空洞识别的一维卷积神经网络模型；步骤S200：利用一维卷积神经网络进行墙体健康状态的识别；通过无人机载雷达获取实时的墙体回波数据，通过无人机的姿态信息进行数据挑选，对去天线耦合波、归一化等操作之后，利用一维卷积神经网络进行识别，最终得出墙体健康状况。本发明具有能够有效提升墙体空洞探测准确性、安全性、效率和实时性等优点。
-
公开(公告)号：CN112184849B
公开(公告)日：2022-06-07
申请号：CN202011025381.0
申请日：2020-09-25
Applicant: 中南大学
Abstract: 本发明公开一种针对复杂动态多目标微动信号智能处理方法及装置，该方法步骤包括：S1.获取对多目标检测的雷达回波并转换为二维的时频图像；S2.对时频图像中多目标的多模态微动曲线进行目标级分离，分离出各单目标微动曲线；S3.对各单目标微动曲线中所包含的各模态微动信号进行解耦，分解得到各模态微动信号；S4.对分解得到的各模态微动信号进行微动特征提取，并使用预先基于深度学习神经网络模型训练好的分类器对提取到的微动特征进行识别。本发明具有实现方法简单、能够实现动态多目标微动特征的提取以及分类识别，且分类识别精度高、鲁棒性好等优点。
-
Patent Agency Ranking
公开(公告)号：CN112184849A
公开(公告)日：2021-01-05
申请号：CN202011025381.0
申请日：2020-09-25
Applicant: 中南大学
Abstract: 本发明公开一种针对复杂动态多目标微动信号智能处理方法及装置，该方法步骤包括：S1.获取对多目标检测的雷达回波并转换为二维的时频图像；S2.对时频图像中多目标的多模态微动曲线进行目标级分离，分离出各单目标微动曲线；S3.对各单目标微动曲线中所包含的各模态微动信号进行解耦，分解得到各模态微动信号；S4.对分解得到的各模态微动信号进行微动特征提取，并使用预先基于深度学习神经网络模型训练好的分类器对提取到的微动特征进行识别。本发明具有实现方法简单、能够实现动态多目标微动特征的提取以及分类识别，且分类识别精度高、鲁棒性好等优点。
-
公开(公告)号：CN112130142A
公开(公告)日：2020-12-25
申请号：CN202011027374.4
申请日：2020-09-25
Applicant: 中南大学
IPC: G01S13/88
Abstract: 本发明公开一种复杂运动目标微多普勒特征提取方法，步骤包括：S1.获取对运动目标检测的雷达回波信号并转化为二维的时频图像；S2.对时频图像进行骨架提取，得到目标不同散射点的微多普勒曲线；步骤S3.对目标不同散射点的微多普勒曲线进行曲线估计，逐条分离出各单个散射点的微多普勒曲线，其中对于存在交叠区间的曲线估计时，根据交叠区间附近的曲线变化趋势判断出端点，并使用插值算法估计交叠区间内值；步骤S4.分别对步骤S3得到的各单个散射点的微多普勒曲线进行模态分解，提取出目标各散射点的微动特征。本发明能够实现复杂运动目标的微动普勒曲线分离与特征提取，且具有实现方法简单、提取精度及效率高且灵活性强等优点。
-
公开(公告)号：CN110568439A
公开(公告)日：2019-12-13
申请号：CN201910911346.X
申请日：2019-09-25
Applicant: 中南大学
Abstract: 本发明公开了一种基于反卷积的冲激脉冲式穿墙雷达天线振铃抑制方法，其步骤包括：步骤S1：得到天线冲激响应函数，并转换为频域形式，预存至雷达处理器中；步骤S2：如若是多通道雷达，则对回波中各通道误差进行通道校正；如若是单通道雷达，则该步骤省略；步骤S3：将通道校正后的回波FFT变换到频域；步骤S4：频域内回波信号与天线冲激响应函数反函数相乘实现反卷积振铃抑制；步骤S5：将信号转化到时间域，此时信号中振铃效应已经消除。本发明具有适用范围广、可实现天线端信号振铃抑制、提高雷达距离向分辨率等优点。
-
公开(公告)号：CN110988839B
公开(公告)日：2023-10-10
申请号：CN201911356109.8
申请日：2019-12-25
Applicant: 中南大学
IPC: G01S7/41 , G01S13/88 , G01N22/02 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于一维卷积神经网络的墙体健康状况的快速识别方法，其包括：步骤S100：构建一维卷积神经网络训练模块；通过获取测试数据，进行去天线耦合波、归一化操作后整理生成数据集，然后通过一维卷积神经网络进行训练，从而生成用于墙体空洞识别的一维卷积神经网络模型；步骤S200：利用一维卷积神经网络进行墙体健康状态的识别；通过无人机载雷达获取实时的墙体回波数据，通过无人机的姿态信息进行数据挑选，对去天线耦合波、归一化等操作之后，利用一维卷积神经网络进行识别，最终得出墙体健康状况。本发明具有能够有效提升墙体空洞探测准确性、安全性、效率和实时性等优点。
-
公开(公告)号：CN110988871B
公开(公告)日：2023-09-08
申请号：CN201911356102.6
申请日：2019-12-25
Applicant: 中南大学
Abstract: 本发明公开了一种无人机载穿墙雷达高层建筑墙体健康离线检测系统及检测方法，该检测系统包括：穿墙雷达，用来对高层建筑物外墙进行扫描，并通过采集的回波数据对墙体进行成像分析；无人机单元，用来搭载穿墙雷达并绕高层建筑物外墙进行飞行，并回传位置、姿态信号至地面站；地面站，用来对无人机单元的飞行路线进行规划、对飞行状态进行调整，并接受穿墙雷达和无人机单元的回传数据进行分析，完成对高层建筑墙体健康的检测。该检测方法主要基于上述检测系统来实施。本发明具有结构简单、操作简便、自动化程度高、检测效果好等优点。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.022 seconds)
