-
公开(公告)号：CN109283501B
公开(公告)日：2024-06-04
申请号：CN201811397320.X
申请日：2018-11-22
Applicant: 北京遥感设备研究所
IPC: G01S7/40
Abstract: 本发明公开了一种二维转台基线对准方法，该方法是在外场试验环境下利用雷达设备和低成本设备实现二维转台基线快速对准。主要使用的辅助测量设备有GPS机设备、地磁传感器和水平仪。该方法的实施方式是：1，将雷达设备固定于转台，并调平转台。2，在距离转台400m之外设置参考点，放置角反射器，用GPS测量转台位置和参考点位置的经度纬度和高度。3，调整转台将雷达基座前视方向对准参考点位置，使转台基线与参考基线重合。4，计算转台基线的方位角和俯仰角，将其与地磁传感的测量值融合，得到最终的转台基线测量值。该方法在外场试验条件下充分利用了雷达设备自身的测角特性，采用成本低廉容易购买的辅助设备，是一种简单便捷的转台基线对准方法。
-
公开(公告)号：CN117610632A
公开(公告)日：2024-02-27
申请号：CN202311394109.3
申请日：2023-10-25
Applicant: 北京遥感设备研究所
IPC: G06N3/082
Abstract: 本发明公开了一种基于参数截断定点化的神经网络轻量化方法，包括：搭建智能算法神经网络模型；采用高精度数据类型对所述智能算法神经网络模型进行训练直至收敛；将训练收敛后获得的高精度网络参数截断成低精度网络参数；将低精度网络参数类型的网络参数存储为模型计算调用参数，生成截断后的神经网络模型；测试截断后的神经网络模型的性能。将高精度网络参数截断成低精度网络参数，存储低精度网络参数并用于网络模型计算。利用低精度网络参数所具有的高效时效性、低计算开销、小存储规模进行全网络整体参数的存储，能够应用于解决训练网络计算开销过大的问题。
-
公开(公告)号：CN110308437A
公开(公告)日：2019-10-08
申请号：CN201910633953.4
申请日：2019-07-15
Applicant: 北京遥感设备研究所
IPC: G01S7/497
Abstract: 本发明公开了一种雷达光学设备引导误差补偿方法，实施过程是：将雷达光学设备固定于转台，调平转台，将方位向调至选定的基准方向；选取一到两个参考地物，控制伺服运动机构将雷达光学设备前视方向对准参考点位置，并使参考点地物位于设备的视场中心；记录转台位置和参考点位置的经度、纬度、高度和伺服机构的俯仰方位角度，确定设备相对地理坐标系的误差；对得到的引导信息进行误差补偿。本发明用于雷达光学设备数据采集外场试验，通过测量转台台面坐标系与当地地理坐标系的误差角，对GPS引导信息进行补偿，实现了对雷达光学设备的精确引导，保证了采集数据的质量。
-
公开(公告)号：CN119961780A
公开(公告)日：2025-05-09
申请号：CN202411936262.9
申请日：2024-12-26
Applicant: 北京遥感设备研究所
IPC: G06F18/2415 , G06F18/213 , G06N3/0455 , G06N3/047 , G06N3/084 , G06F123/02
Abstract: 本说明书公开了一种基于Transformer的脑电识别方法，属于雷达信号处理技术领域，包括获取脑电信号；以所述脑电信号为输入信号，采用脑区Transformer模块提取第一特征，所述第一特征至少包含所述脑电信号在各个脑区内以及整体脑区上的全局空间特征，以及所有电极间的全局空间依赖性；以所述第一特征为输入信号，采用时间Transformer模块提取第二特征，所述第二特征至少包含所述脑电信号的全局时序特征；以所述第二特征作为输入，采用时空多尺度卷积模块提取第三特征即最终特征，所述第三特征至少包含所述脑电信号的深层次时空特征，以解决特征提取过程中时空信息提取不完全和识别性能低下的问题。
-
公开(公告)号：CN118013288A
公开(公告)日：2024-05-10
申请号：CN202410279318.1
申请日：2024-03-12
Applicant: 北京遥感设备研究所
IPC: G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/084 , G06F17/16
Abstract: 本说明书公开了一种基于深度特征变换的雷达数据增强方法、系统和装置，涉及相雷达探测和深度学习领域，包括：构建雷达实测样本集；构建深度神经网络模型；基于所述雷达实测样本集训练深度神经网络模型，获得预训练深度神经网络模，并从预训练深度神经网络模型中提取出预训练卷积神经网络；基于所述预训练卷积神经网络对所述雷达实测样本集进行编码；基于所述雷达实测样本集的编码结果进行深度特征变换和逆变换，从而获取所述雷达实测样本集的数据增强结果。基于此，通过将样本映射到深度特种空间并进行特征变换，实现样本扩充，从而缓解因雷达探测样本积累不足，而带来的模型过拟合和泛化能力不足问题。
-
Patent Agency Ranking
公开(公告)号：CN119961643A
公开(公告)日：2025-05-09
申请号：CN202411936223.9
申请日：2024-12-26
Applicant: 北京遥感设备研究所
IPC: G06F18/213 , G01S7/41 , G06F18/214 , G06N3/0464 , G06N3/084
Abstract: 本说明书提供了一种雷达时频域数据特征原型向量智能化提取方法，涉及雷达智能探测领域。该方法通过构建雷达时频域训练数据，为智能化提取方法提供训练样本；将雷达时频域训练数据分为支持集和查询集；对支持集样本标签进行分析处理，生成支持集样本的分割掩码；搭建卷积特征提取网络模型，并初始化网络模型参数；对卷积特征提取网络提取的雷达时频域数据特征图进行掩码平均池化处理；设计卷积特征提取网络优化函数；使用查询集数据标签计算损失函数，并对卷积特征提取网络模型参数进行迭代更新，直到训练结果收敛满足需求，输出目标信号的特征原型向量。解决了现有特征提取方法提取到的特征显著性不足，不利于分类识别的问题。
-
公开(公告)号：CN118013340A
公开(公告)日：2024-05-10
申请号：CN202410282557.2
申请日：2024-03-12
Applicant: 北京遥感设备研究所
IPC: G06F18/24 , G06F18/213 , G06F18/25 , G06F18/10 , G06N3/0464 , G06N3/084 , G06F17/18 , G06F17/16
Abstract: 本说明书提供了一种基于时间自注意力与动态图卷积的脑电识别方法及系统，涉及雷达信号处理技术领域。该方法包括获取脑电信号；以所述脑电信号为输入信号，采用自注意力机制和多尺度卷积方式提取第一特征，所述第一特征至少包含所述脑电信号在时间上的全局和局部上下文特征；以所述脑电信号为输入信号，采用多维度的图卷积网络提取第二特征，所述第二特征至少包含所述脑电信号的电极通道间的空间特征；融合所述第一特征和所述第二特征，得到时空特征。融合第一特征和第二特征获得的时空特征不仅在时序和空间信息上具有优势，还可有效抑制多类别样本数据产生的类别偏移问题，以大大降低误检率，进而提高上述脑电信号的识别准确率。
-
公开(公告)号：CN109283501A
公开(公告)日：2019-01-29
申请号：CN201811397320.X
申请日：2018-11-22
Applicant: 北京遥感设备研究所
IPC: G01S7/40
Abstract: 本发明公开了一种二维转台基线对准方法，该方法是在外场试验环境下利用雷达设备和低成本设备实现二维转台基线快速对准。主要使用的辅助测量设备有GPS机设备、地磁传感器和水平仪。该方法的实施方式是：1，将雷达设备固定于转台，并调平转台。2，在距离转台400m之外设置参考点，放置角反射器，用GPS测量转台位置和参考点位置的经度纬度和高度。3，调整转台将雷达基座前视方向对准参考点位置，使转台基线与参考基线重合。4，计算转台基线的方位角和俯仰角，将其与地磁传感的测量值融合，得到最终的转台基线测量值。该方法在外场试验条件下充分利用了雷达设备自身的测角特性，采用成本低廉容易购买的辅助设备，是一种简单便捷的转台基线对准方法。
-
公开(公告)号：CN119963851A
公开(公告)日：2025-05-09
申请号：CN202411936245.5
申请日：2024-12-26
Applicant: 北京遥感设备研究所
IPC: G06V10/44 , G01S7/41 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/045
Abstract: 本发明公开一种基于双向特征金字塔网络的雷达距离‑多普勒图目标特征提取方法及系统，涉及人工智能和雷达回波目标检测技术领域。该方法通过改进主干网络连接的多尺度特征融合网络结构提升计算效率，通过带权重的快速归一化融合方法为不同尺度特征图附加适当权重，以区分特征图对检测的贡献度，从而解决现有网络特征提取能力不足导致雷达回波距离‑多普勒图中的噪点被神经网络误判为目标的问题。
-
公开(公告)号：CN116010849A
公开(公告)日：2023-04-25
申请号：CN202211733022.X
申请日：2022-12-30
Applicant: 北京遥感设备研究所
IPC: G06F18/24 , G06F18/214 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于时频域信号二维差异性特征的智能目标检测方法，从时频维对目标二维差异性特征进行分析，提出了一种基于目标时频域二维差异性特征的智能目标检测算法，并结合目标特征对算法性能评价指标进行了优化。第一步，通过构建时频二维图训练样本数据集，为智能目标检测方法提供训练样本；第二步，利用训练集样本标签信息，构建基于时频域信号二维差异性特征的标签数据集；第三步，搭建智能目标检测方法的深度神经网络模型及基于二维数据的损失函数模型，并设定网络模型参数；第四步，利用标签数据集和深度神经网络输出信息对网络模型参数进行迭代更新，直到训练结果收敛满足需求；最后，对二维预测信息进行处理，得到目标检测结果，并基于目标标签特征对模型性能进行评价。本发明的优点是：利用信号时频域二维差异性特征，对模型更新策略及评价方法进行优化，能够实现智能目标检测方法在快速收敛的同时实现精度提升，有利于提升雷达导引头的智能化目标检测性能并提供高精度、高可靠性评价。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.016 seconds)
