-
公开(公告)号：CN114254678B
公开(公告)日：2025-02-18
申请号：CN202111579593.8
申请日：2021-12-22
Applicant: 中国地质大学(武汉) , 中建三局智能技术有限公司 , 中建三局第二建设工程有限责任公司
IPC: G06F18/24 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于去噪引导解耦网络的雷达信号脉冲内调制识别方法，具体提出了一种基于Inception结构的去噪引导解耦网络DGDNet，以端到端的方式同时完成雷达信号的去噪和识别。通过全局特征提取器得到雷达信号时频图的全局特征，特征解耦器将纯净雷达信号表达(PSR)从噪声信号表达(NSR)中分离出来，用于学习低信噪比环境下的调制模式识别器，最后通过调制模式识别器完成分类的任务。为了扩大纯净雷达信号表达(PSR)和噪声信号表达(NSR)之间的距离，提出了信号噪声互信息(SNMI)损失的概念。实验结果表明，该方法在‑8dB信噪比下的识别准确率为98.75％，在‑10dB环境下的12种调制格式的雷达信号识别准确率为89.25％。
-
公开(公告)号：CN114282576B
公开(公告)日：2024-11-15
申请号：CN202111579588.7
申请日：2021-12-22
Applicant: 中国地质大学(武汉) , 中建三局智能技术有限公司 , 中建三局第二建设工程有限责任公司
IPC: G06F18/213 , G06F18/24 , G06F18/10 , G06N3/0464
Abstract: 本发明公开了一种基于时频分析及去噪的雷达信号调制格式识别方法及装置，包括：雷达信号的选取，时频分析方法CTFD将信号转化为时频图像；改进后的ADNet网络去噪处理；改进后的Googlenet进行信号的分类识别预测；与真实的标签比对，得到识别率。本发明从抗噪性出发，利用CTFD提取信号的时频特征，新的核函数在滤波的同时也保留了信号的频率变化特征，为了在低信噪比下对被强烈噪声污染的时频图进行降噪恢复，构建改进后的ADNet网络用于含噪时频图像的复原。本发明可以很好的将被高斯或复合噪声污染的时频图像复原，提高识别精度。构建改进后的Googlenet网络用于多种雷达信号的分选识别。显著提高了低信噪比条件下雷达信号调制格式的识别精度，在‑8dB下识别准确率可达94.81％。
-
公开(公告)号：CN112670811B
公开(公告)日：2023-10-17
申请号：CN202011536371.3
申请日：2020-12-23
Applicant: 中国地质大学(武汉)
IPC: H01S3/067 , H01S3/08 , H01S3/1106 , H04B10/25
Abstract: 本发明提供了一种基于光纤环谐振腔的双光频梳产生系统及方法，该系统包括：光信号调制系统、光纤环谐振腔以及双光频梳分离系统；光信号调制系统包括连续光激光器、第一偏振控制器、第一偏振分束器、第一/第二波形发生器和偏振合束器；光纤环谐振腔包括直波导、光信号输入端/输出端、耦合器和光纤环；双光频梳分离系统包括第二偏振分束器、第一/第二带通滤波器和第二偏振控制器。本发明的有益效果是：使用单个光纤环谐振腔产生双光频梳，且所产生的双频梳重频差较低，同时，系统结构简单，成本较低。
-
公开(公告)号：CN109086797B
公开(公告)日：2021-12-28
申请号：CN201810715741.6
申请日：2018-06-29
Applicant: 中国地质大学(武汉)
Abstract: 一种基于注意机制的异常事件监测方法及系统，包括模型训练步骤和数据处理步骤，模型训练步骤包括前向传播步骤和后向传播步骤。前向传播步骤中选取VGG网络结构，将选取的图片通过VGG网络进行特征提取，每张图片得到k*k*D特征立方体，在基于注意力的模型中，每个时间，LSTM都会生成一个k*k区域的概率值并与下一帧的特征立方体相乘作为下一帧的输入。后向传播步骤在利用训练数据训练时，在前一帧训练完成时，利用损失函数和注意力惩罚所形成的双重随机惩罚函数的最优解来更新前向传播时的权值。数据处理步骤：利用训练得到的模型，对待处理视频进行处理，检测出异常事件及异常事件的发生区域。本发明不仅能更好的检测出异常还能检测出异常区域范围。
-
公开(公告)号：CN112131931A
公开(公告)日：2020-12-25
申请号：CN202010789788.4
申请日：2020-08-07
Applicant: 中国地质大学(武汉)
Abstract: 本发明涉及基于注意力机制的深度森林高光谱图像分类方法和系统，包括以下步骤：将原始的高光谱图像数据集作为训练集，将训练集进行降维操作，生成低维数据集，在低维数据集中提取光谱向量数组；将光谱向量数组输入基于注意力机制的深度森林模型进行训练，生成训练好的基于注意力机制的深度森林模型；将待分类原始的高光谱图像数据集经降维后输入训练好的基于注意力机制的深度森林模型，生成分类标签。本发明提供的基于注意力机制的深度森林高光谱图像分类方法和系统，将注意力机制结合到深度森林架构中并用于高光谱图像分类；在高光谱图像分类任务中，通过对中间特征进行注意力增强操作，实现特征的自适应细化，提高分类性能。
-
Patent Agency Ranking
公开(公告)号：CN109086797A
公开(公告)日：2018-12-25
申请号：CN201810715741.6
申请日：2018-06-29
Applicant: 中国地质大学(武汉)
Abstract: 一种基于注意机制的异常事件监测方法及系统，包括模型训练步骤和数据处理步骤，模型训练步骤包括前向传播步骤和后向传播步骤。前向传播步骤中选取VGG网络结构，将选取的图片通过VGG网络进行特征提取，每张图片得到k*k*D特征立方体，在基于注意力的模型中，每个时间，LSTM都会生成一个k*k区域的概率值并与下一帧的特征立方体相乘作为下一帧的输入。后向传播步骤在利用训练数据训练时，在前一帧训练完成时，利用损失函数和注意力惩罚所形成的双重随机惩罚函数的最优解来更新前向传播时的权值。数据处理步骤：利用训练得到的模型，对待处理视频进行处理，检测出异常事件及异常事件的发生区域。本发明不仅能更好的检测出异常还能检测出异常区域范围。
-
公开(公告)号：CN104408466A
公开(公告)日：2015-03-11
申请号：CN201410651950.0
申请日：2014-11-17
Applicant: 中国地质大学(武汉)
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/66
Abstract: 本发明公开了一种基于局部流形学习构图的高光谱遥感图像半监督分类方法，实现步骤为：(1)准备训练样本集，包括少量的带标记数据和大量的无标记数据；(2)基于光谱角制图这种距离度量方法，对训练样本集中的每个样本点选择k个最近邻点；利用局部流形学习算法，得到图结构中各连接点之间的权值，计算图邻接矩阵，得到对应的图结构；基于图邻接矩阵，基于GFHF算法对无标记数据进行分类；(3)利用GFHF的泛化算法对图像中其他数据点进行分类。本发明将局部流形学习降维算法和半监督分类算法这两种应用广泛的算法通过“图”联系起来，对多种高光谱遥感数据分类都表现出较好的适用性，能够明显提高高光谱遥感图像的分类精度。
-
公开(公告)号：CN112131931B
公开(公告)日：2023-08-29
申请号：CN202010789788.4
申请日：2020-08-07
Applicant: 中国地质大学(武汉)
IPC: G06V20/40 , G06V20/13 , G06V10/764 , G06V10/25 , G06V10/774 , G06N3/006
Abstract: 本发明涉及基于注意力机制的深度森林高光谱图像分类方法和系统，包括以下步骤：将原始的高光谱图像数据集作为训练集，将训练集进行降维操作，生成低维数据集，在低维数据集中提取光谱向量数组；将光谱向量数组输入基于注意力机制的深度森林模型进行训练，生成训练好的基于注意力机制的深度森林模型；将待分类原始的高光谱图像数据集经降维后输入训练好的基于注意力机制的深度森林模型，生成分类标签。本发明提供的基于注意力机制的深度森林高光谱图像分类方法和系统，将注意力机制结合到深度森林架构中并用于高光谱图像分类；在高光谱图像分类任务中，通过对中间特征进行注意力增强操作，实现特征的自适应细化，提高分类性能。
-
公开(公告)号：CN111967340A
公开(公告)日：2020-11-20
申请号：CN202010732380.3
申请日：2020-07-27
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于视觉感知的异常事件检测方法及系统。实时获取待检测场景监控视频的视频帧和视频特征，并检测出视频帧中每一个目标的位置，用矩形框将所述位置框出；获得每个目标的骨骼信息、骨骼特征以及骨骼特征编码向量；获得骨骼注意融合特征和目标的生物激励的视觉显著性特征；将骨骼流注意融合特征和目标的生物激励的视觉显著性特征进行融合，获得融合特征，基于融合特征，获得异常行为分类结果；基于注意机制产生的注意系数和异常行为分类结果，获得产生异常行为的目标序号，从而获得异常行为发生的位置。本发明能够筛选出和异常事件最相关的人或区域用于事件检测，排除复杂场景下的各种干扰，提升异常事件的检测精度。
-
公开(公告)号：CN111002294A
公开(公告)日：2020-04-14
申请号：CN201911394184.3
申请日：2019-12-30
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种二指抓取机器人的示教器及示教系统，该示教器包括钳子、示教器本体、第一摄像头、手柄、压力传感器、陀螺仪和惯性传感器；示教器本体前端安装有钳子，每个钳子内侧前端均安装有压力传感器，压力传感器用来实时监测钳子夹取目标物体时的抓取力；示教器本体靠近前端的顶端安装第一摄像头，用来实时获取目标物体相对于该示教器的位姿图像；示教器本体内部安装有陀螺仪和惯性传感器，分别用来实时采集该示教器的运动倾角和该示教器运动的加速度。该示教系统包括示教器、二指抓取机器人和计算机。本发明的有益效果是：充分发挥人的直觉和触觉优势，从而使示教的机器人精准、灵活的抓取目标物体，提高抓取的安全性和精确度。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.037 seconds)
