有源角度欺骗干扰识别模型的训练方法及装置

    公开(公告)号:CN114818777B

    公开(公告)日:2023-07-21

    申请号:CN202210273471.4

    申请日:2022-03-18

    Abstract: 本公开的实施例提供了一种有源角度欺骗干扰识别模型的训练方法及装置,该方法包括:基于射频探测系统回波生成模型生成回波数据并进行标注,生成训练样本;对所述训练样本进行预处理,生成时频图像训练集;利用所述时频图像训练集对有源角度欺骗干扰识别模型进行训练;其中,所述有源角度欺骗干扰识别模型包括多个卷积层、全连接层;所述多个卷积层的卷积核依次减小。以此方式,可以采用联合数字仿真技术产生训练数据,不依赖于大规模人工标注数据集,易于实现;应用于射频探测系统干扰对抗中,从数据的全局视角寻找规律,判断干扰与目标,提高了对有源角度欺骗干扰的识别率。

    有源角度欺骗干扰识别模型的训练方法及装置

    公开(公告)号:CN114818777A

    公开(公告)日:2022-07-29

    申请号:CN202210273471.4

    申请日:2022-03-18

    Abstract: 本公开的实施例提供了一种有源角度欺骗干扰识别模型的训练方法及装置,该方法包括:基于射频探测系统回波生成模型生成回波数据并进行标注,生成训练样本;对所述训练样本进行预处理,生成时频图像训练集;利用所述时频图像训练集对有源角度欺骗干扰识别模型进行训练;其中,所述有源角度欺骗干扰识别模型包括多个卷积层、全连接层;所述多个卷积层的卷积核依次减小。以此方式,可以采用联合数字仿真技术产生训练数据,不依赖于大规模人工标注数据集,易于实现;应用于射频探测系统干扰对抗中,从数据的全局视角寻找规律,判断干扰与目标,提高了对有源角度欺骗干扰的识别率。

    一种基于高斯滤波和比值变换的SoC芯片图像处理融合方法

    公开(公告)号:CN109544495A

    公开(公告)日:2019-03-29

    申请号:CN201811345251.8

    申请日:2018-11-13

    Abstract: 本发明公开了一种基于高斯滤波和比值变换的SoC芯片图像处理融合方法,该算法首先使用SoC芯片图像加速处理模块的高斯滤波功能快速获取全色图像和多光谱的低频信息,然后对多光谱图像进行多元线性回归处理,结合全色低频信息合成低分辨率全色图像,最后利用SoC芯片多核处理器对图像进行比值变换处理获取高保真融合图像,消除了融合结果中全色和多光谱原始图像中对空间细节和光谱的干扰信息。本方法利用SoC芯片的图像加速模块的快速滤波和多核处理功能,使得算法运算效率高,鲁棒性好,解决了全色图像和多光谱图像融合中存在的光谱信息和空间细节失真问题。

    一种基于图像加速处理SoC芯片自动化仿真测试方法

    公开(公告)号:CN108052427A

    公开(公告)日:2018-05-18

    申请号:CN201711392871.2

    申请日:2017-12-21

    CPC classification number: G06F11/261

    Abstract: 本发明公开了一种基于图像加速处理SoC芯片自动化仿真测试方法,通过多规格测试数据产生模块(1)、软件功能驱动模块(2)、可配精度算法黄金模型模块(3)、测试激励及对比结果数据库模块(4)和自动对比结果模块(5)来完成。配置多规格测试数据产生模块(1)按需求产生测试数据,软件功能驱动模块(2)与可配精度算法黄金模型模块(3)产生测试激励及对比结果数据库模块(4),最后利用自动对比结果模块(5)对比测试结果,定位出错功能点。本方法解决了SoC芯片图像加速处理模块测试功能点多,验证时间长问题,能自动产生测试数据,完成功能设计指标检测,达到快速定位硬件设计问题目的。

    一种基于强化学习异步分布式架构优化方法

    公开(公告)号:CN116542318A

    公开(公告)日:2023-08-04

    申请号:CN202310385466.7

    申请日:2023-04-12

    Abstract: 本发明公开了一种基于强化学习异步分布式架构优化方法,该架构分为两个系统,一个是决策执行系统,负责和真实环境直接交互,一个是决策训练系统,负责训练优化决策模型:第一步,获取环境反馈信息并构建线下环境。第二步,决策执行系统做出决策。第三步,决策训练系统优化线下决策模型。第四步,更新线上决策模型。本方法相较于现有强化学习方法,可在动态博弈环境下,即可以和真实环境进行实时交互,又能稳定优化策略模型,提升强化学习模型的鲁棒性和稳定性。

    一种基于无观测状态下的网络型强化学习方法及系统

    公开(公告)号:CN114399040A

    公开(公告)日:2022-04-26

    申请号:CN202111616498.0

    申请日:2021-12-27

    Abstract: 本发明公开了一种基于无观测状态下的网络型强化学习方法,包括:初始化DQN算法网络模型的网络模型参数、输入参数;依据网络模型参数、输入参数采用估计网络,确定初始策略;根据当前时刻与初始策略交互的环境反馈出的价值评估值,确定当前假设状态;依据价值评估值及当前假设状态,确定当前时刻对应的最优策略;根据价值评估值、当前时刻对应的最优策略,优化DQN算法网络模型。本发明还公开了一种基于无观测状态下的网络型强化学习系统。该基于无观测状态下的网络型强化学习方法及系统的目的是解决在真实动态博弈场景下对抗双方存在信息不对等情况下,无法获取对方状态信息时,现有强化学习模型难以在该场景下直接应用的问题。

    一种基于场景红外图像非线性校正SoC并行优化系统和方法

    公开(公告)号:CN109889694B

    公开(公告)日:2021-03-02

    申请号:CN201910130008.2

    申请日:2019-02-21

    Abstract: 本发明公开了一种基于场景红外图像非线性校正SoC并行优化系统和方法,所述方法包括:第一步,使用SoC芯片上图像加速模块的非线性校正功能对图像进行定标校正;第二步,使用SoC图像加速模块的高斯滤波处理器对定标校正图像进行滤波处理;第三步,将当前帧定标校正图像和前一帧低通图像信息合成时域低通滤波图像;第四步,将当前帧校正后图像键入合成的时域低通滤波图像,最终获得基于场景校正结果。本发明利用场景图像两帧之间时域信息合成时域低通滤波数据,有效消除了图像噪声;并利用了具有自主知识产权的SoC芯片图像加速模块优化了基于场景的红外图像非均匀校正算法,形成流水化处理,减少图像存储次数,显著提高了图像算法处理效率。

    一种基于场景红外图像非线性校正SoC并行优化系统和方法

    公开(公告)号:CN109889694A

    公开(公告)日:2019-06-14

    申请号:CN201910130008.2

    申请日:2019-02-21

    Abstract: 本发明公开了一种基于场景红外图像非线性校正SoC并行优化系统和方法,所述方法包括:第一步,使用SoC芯片上图像加速模块的非线性校正功能对图像进行定标校正;第二步,使用SoC图像加速模块的高斯滤波处理器对定标校正图像进行滤波处理;第三步,将当前帧定标校正图像和前一帧低通图像信息合成时域低通滤波图像;第四步,将当前帧校正后图像键入合成的时域低通滤波图像,最终获得基于场景校正结果。本发明利用场景图像两帧之间时域信息合成时域低通滤波数据,有效消除了图像噪声;并利用了具有自主知识产权的SoC芯片图像加速模块优化了基于场景的红外图像非均匀校正算法,形成流水化处理,减少图像存储次数,显著提高了图像算法处理效率。

    一种改进的基于Retinex红外图像细节增强方法

    公开(公告)号:CN109584181A

    公开(公告)日:2019-04-05

    申请号:CN201811462774.0

    申请日:2018-12-03

    Abstract: 本发明公开了一种改进的基于Retinex红外图像细节增强方法,该算法第一步对原始红外图像进行限制对比度自适应直方图均衡化处理,使得图像在一定灰度范围内的像素数量大致相同;第二步,对均衡处理后的红外图像从实数域变换到对数域,以便去除图像中的乘性噪声;第三步,用均值滤波器将对数域上的红外图像进行低通滤波处理;第四步,将细节增强后的红外图像从对数域转换到实数域,并线性拉伸转换成相应的像素精度。本方法相较于传统Retinex方法,对红外图像先进行了自适应均衡处理,使原始图像亮度均衡,解决了传统Retinex方法在亮度相差很大区域的边缘处产生光晕问题,并使用均值滤波器代替计算量复杂的高斯滤波器,提高了运算效率。

    一种基于图像加速处理SoC芯片自动化仿真测试方法

    公开(公告)号:CN108052427B

    公开(公告)日:2019-03-29

    申请号:CN201711392871.2

    申请日:2017-12-21

    Abstract: 本发明公开了一种基于图像加速处理SoC芯片自动化仿真测试方法,通过多规格测试数据产生模块(1)、软件功能驱动模块(2)、可配精度算法黄金模型模块(3)、测试激励及对比结果数据库模块(4)和自动对比结果模块(5)来完成。配置多规格测试数据产生模块(1)按需求产生测试数据,软件功能驱动模块(2)与可配精度算法黄金模型模块(3)产生测试激励及对比结果数据库模块(4),最后利用自动对比结果模块(5)对比测试结果,定位出错功能点。本方法解决了SoC芯片图像加速处理模块测试功能点多,验证时间长问题,能自动产生测试数据,完成功能设计指标检测,达到快速定位硬件设计问题目的。

Patent Agency Ranking