-
公开(公告)号：CN113780242B
公开(公告)日：2025-02-07
申请号：CN202111160013.1
申请日：2021-09-30
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G10L25/51 , G06N3/0464 , G06N3/096 , G06N3/042 , G06N3/0985 , G06N3/045 , G10L25/30 , G10L25/18
Abstract: 本发明公开了基于模型迁移学习的跨场景水声目标分类方法，属于水声目标被动侦察技术领域，适用于分类基于阵列形式接收的水声目标信号。本方法将时频分析方法提取的目标信号特征作为跨场景分类的共享特征空间样本，对卷积神经网络进行训练，首先在源数据域将知识编码在模型参数、模型先验知识和模型架构中形成稳定分类能力。然后迁移至目标场景，基于知识蒸馏技术将模型中的类别关系知识在新的样本和标签空间进行拟合实现分类能力。本发明通过基于模型迁移学习技术解决已有水声目标分类方法跨场景应用泛化能力差的问题，在小样本和数据不均衡条件下可快速适应新环境和新任务，大幅节省目标域大量数据采集和模型重新训练所消耗的时间和精力和资源。
-
公开(公告)号：CN117668645A
公开(公告)日：2024-03-08
申请号：CN202311616535.7
申请日：2023-11-30
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06F18/241 , G06F18/25 , G06F18/214 , G06F18/213
Abstract: 本发明提出一种基于多模型融合的水面水下目标判别方法，涉及水声目标被动识别领域。本发明包括：对水声样本进行梅尔频率倒谱系数特征提取，对单个模型进行训练优化，采用集成学习进行多模型融合，使用融合后的强分类器进行测试应用。本发明针对水面水下判别容易过拟合、在复杂海况条件下判别精度较低的问题，综合利用深度学习、机器学习、迁移学习、统计分析等基于数据的处理方法，实现了基于多模型融合的水面水下目标判别。本发明在有效避免过拟合的情况下，极大提升了复杂海况下水面水下目标判别的准确率。
-
公开(公告)号：CN115329821A
公开(公告)日：2022-11-11
申请号：CN202211087510.8
申请日：2022-09-07
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明提出了一种基于配对编码网络和对比学习的舰船噪声识别方法，属于舰船辐射噪声识别领域。本发明针对目标辐射噪声在频谱图上存在的伪装问题，利用基于对比的无监督学习思想，在保证模型实时效果的前提下，搭建了卷积神经网络和长短时记忆网络并进行两次映射。此外，本发明使用时序矩阵和交叉熵函数，迫使模型丢弃样本的原始声学无用信息和噪声，并学习不同目标之间的高级特征区别，提高了识别目标时的准确性。本发明通过对比学习思想重构损失函数，在保证模型简单结构的同时，达到了实时识别准确率高的效果，还有效解决了舰船目标伪装自己的频谱图，干扰现有识别系统的问题。
-
公开(公告)号：CN115293214A
公开(公告)日：2022-11-04
申请号：CN202210988928.X
申请日：2022-08-17
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明提出了一种基于样本扩充网络的水声目标识别模型优化方法，属于水声目标识别模型优化领域。本发明针对目标数据不足导致的分类准确率不高的问题，利用基于掩模的样本生成思想，在保证模型实时效果的前提下，搭建了两对结构完全对称的生成器和判别器，将源域样本映射到目标域。实验结果表明，本发明通过掩模提示思想搭建循环对抗生成网络，在保证模型结构明了的同时，生成了目标域的可靠真实样本，并加入训练集来优化识别模型，提高了识别准确率。
-
公开(公告)号：CN112364779B
公开(公告)日：2022-10-21
申请号：CN202011264120.4
申请日：2020-11-12
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种信号处理与深‑浅网络多模型融合的水声目标识别方法，属于水声目标被动侦察技术领域。本方法首先用信号处理方法对被动侦察阵列采集的目标信号数据进行预处理，滤除干扰并提取目标特征，然后采用卷积神经网络和残差网络构建多模型识别架构，最后引入投票决策机制，实现对水中机动目标的分类识别。本发明以声纳信号处理为预处理应对复杂海况下干净样本获取困难的问题；采用多个维度的特征作为训练样本提升不同海况和工况下适应能力和识别正确率；基于多神经网路模型的融合识别提升本方法的识别正确率和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN117457025A
公开(公告)日：2024-01-26
申请号：CN202311087233.5
申请日：2023-08-28
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于声纹模糊匹配的自生长式水声目标识别方法，属于水声目标识别技术领域，适于处理声纳设备被动接收的水声目标辐射噪声信号。本方法充分考虑了舰船等水中目标受工况影响出现特征参数偏差的现实情况，将具有个体区分度的特征线谱频率序列、相对能量和分布规律等信息作为模糊匹配特征向量，针对性设计度量两个体差异的综合评价指标，在工况不同特征向量存在偏差情况下，利用其整体性同步偏移现象，通过模糊匹配方法度量待分析目标与模板库目标特征向量间的匹配置信度，实现目标识别的能力。并将模板库未登记目标的特征向量参数和自定义标签信息扩展入模板库，通过母板库知识的自生长，实现本方法识别能力的不断提升。
-
公开(公告)号：CN113435276A
公开(公告)日：2021-09-24
申请号：CN202110665957.8
申请日：2021-06-16
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于对抗残差网络的水声目标识别方法，属于水声目标被动侦察技术领域。本方法首先用声呐处理技术对水听器采集的目标信号数据进行预处理得到时频特征谱图，然后采用一种新的对抗残差网络构建针对水声目标时频特征谱图的识别架构，利用样本采集时的海况标签和目标身份标签作为水声目标时频特征谱图的双标签，经过人工智能的方法对网络架构进行训练，最终实现水声目标识别。本发明主要针对水声信道畸变严重所带来的信号信噪比低、模型稳定性差、信号固有特征难以确定等问题，基于对抗残差网络，构建面向水声目标识别的人工智能网络架构，实现水声目标识别，提升识别准确率和稳定性。
-
公开(公告)号：CN113780242A
公开(公告)日：2021-12-10
申请号：CN202111160013.1
申请日：2021-09-30
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了基于模型迁移学习的跨场景水声目标分类方法，属于水声目标被动侦察技术领域，适用于分类基于阵列形式接收的水声目标信号。本方法将时频分析方法提取的目标信号特征作为跨场景分类的共享特征空间样本，对卷积神经网络进行训练，首先在源数据域将知识编码在模型参数、模型先验知识和模型架构中形成稳定分类能力。然后迁移至目标场景，基于知识蒸馏技术将模型中的类别关系知识在新的样本和标签空间进行拟合实现分类能力。本发明通过基于模型迁移学习技术解决已有水声目标分类方法跨场景应用泛化能力差的问题，在小样本和数据不均衡条件下可快速适应新环境和新任务，大幅节省目标域大量数据采集和模型重新训练所消耗的时间和精力和资源。
-
公开(公告)号：CN119788162A
公开(公告)日：2025-04-08
申请号：CN202411947713.9
申请日：2024-12-27
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于通专结合的无人蜂群通信终端，属于蜂群无人机通信技术领域。本发明针对无人蜂群通信终端随蜂群平台定制研发，导致通信终端设备形态多变、接口形式不一，传输体制各异、互联互通能力弱的问题，设计了一种基带模块通用化、射频信道模块系列化、专用接口模块按需适配的无人蜂群通信终端。其中通用基带模块采用Zynq7045+CX9261的核心架构，支持70MHz‑6GHZ的射频信号输入输出范围，具备软件动态重构、快速跳频功能；射频信道模块根据频率和输出功率选择不同功率等级的功放芯片；专用接口模块按需适配，根据需要选装不同类型的接口芯片用来扩展不同的接口类型，隔离平台对通用基带模块的接口需求。本发明支持即插即用、多域互联，具有很好的应用前景。
-
公开(公告)号：CN112364779A
公开(公告)日：2021-02-12
申请号：CN202011264120.4
申请日：2020-11-12
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种信号处理与深‑浅网络多模型融合的水声目标识别方法，属于水声目标被动侦察技术领域。本方法首先用信号处理方法对被动侦察阵列采集的目标信号数据进行预处理，滤除干扰并提取目标特征，然后采用卷积神经网络和残差网络构建多模型识别架构，最后引入投票决策机制，实现对水中机动目标的分类识别。本发明以声纳信号处理为预处理应对复杂海况下干净样本获取困难的问题；采用多个维度的特征作为训练样本提升不同海况和工况下适应能力和识别正确率；基于多神经网路模型的融合识别提升本方法的识别正确率和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.031 seconds)
