-
公开(公告)号：CN117475016A
公开(公告)日：2024-01-30
申请号：CN202311099427.7
申请日：2023-08-29
Applicant: 北京遥测技术研究所 , 北京空间飞行器总体设计部
IPC: G06T11/00 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06T7/10 , G06T5/70
Abstract: 本发明提供一种端到端卫星重构网络模型实现虚假遥感影像生成方法，在获取地理轮廓信息的先验条件下，对已知电子地图生成虚假的遥感卫星影像，在生成对抗网络模型中，添加约束条件，利用附加标签改变生成对抗网络的生成模型，训练过程中，将获得的真实图像和标签作为生成对抗网络判别模型的输入数据，使得训练的收敛方向能够以约束条件方向生成预测样本；本发明利用深度学习算法在输入图像和目标图像之间建立映射，对图像进行转换的端到端卫星重构网络模型，将已知的电子轮廓信息作为条件约束，生成特定的遥感卫星影像图。本发明在卫星影像智能生成技术领域有一定的通用性。
-
公开(公告)号：CN115567759B
公开(公告)日：2025-02-07
申请号：CN202210915624.0
申请日：2022-08-01
Applicant: 北京遥测技术研究所 , 航天长征火箭技术有限公司
Abstract: 本发明提供一种多路微光图像采集系统，包括：多路微光图像数据采集前端、图像数据处理模块、图像数据存储模块、接口控制模块和图像显控终端；多路微光图像数据采集前端将光信号转换为电信号，然后经采集输出数字图像信号；图像数据处理模块对图像信号进行格式转化、滤波、降噪等处理并按每个图像传感器的标号送到图像数据存储模块；图像数据存储模块将采集的五路微光图像数据按每个图像传感器标识存储到存储器中。本发明同时可以对五路CMOS图像传感器进行配置，实现360度无死角的图像数据采集及显示，能够获取低照度环境下图像信息的完整性以及可靠性，并将处理好的图像数据输出，在显控终端进行显示，极大地提高低照度环境下图像信息的采集。
-
公开(公告)号：CN118433684A
公开(公告)日：2024-08-02
申请号：CN202410357038.8
申请日：2024-03-27
Applicant: 北京遥测技术研究所
IPC: H04W4/90 , H04W16/18 , H04B7/185 , H04W16/22 , H04W12/00 , H04W72/044 , H04W24/02 , H04W24/06 , H04W84/06
Abstract: 本发明提供一种用于空地应急通信的安全传输方法，首先部署2个搜救机器人，1个具有缓存的中继飞艇，1个救援队，以及1个应急指挥中心；然后通过优化功率分配P和模式选择M，提出了一个最大化加权安全和速率问题，基于构建的加权安全和速率最大化问题的目标函数与优化条件，通过李雅普诺夫优化和闭式解推导求解，从而最大化加权安全和速率；接下来基于多进制扩频设计了数据链抗干扰方案，提高安全传输方法的抗干扰性能；最后，仿真结果表明本方案的加权安全和速率明显优于比较方案。本发明面向应急通信网络，部署具有缓存功能的空中飞艇克服链路阻塞并提高空地应急通信的信息安全，提高安全传输方法的抗干扰性能，加权安全和速率优于现有方案。
-
公开(公告)号：CN118351433A
公开(公告)日：2024-07-16
申请号：CN202410245673.7
申请日：2024-03-05
Applicant: 北京遥测技术研究所
IPC: G06V20/10 , G01S13/90 , G01S7/41 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种雷达成像智能目标识别基准算法快速构建方法，使用编程环境管理模块、运行环境管理模块、基准算法管理模块、过程控制模块等四部分快速构建雷达成像智能目标识别基准算法。本发明实现了在复杂背景环境和使用场景下的雷达成像智能目标识别基准算法快速构建；将最新技术提出的模块按照神经网络模块的规范格式进行编写或适应性修改，实现了在智能目标识别基准算法模型的调用和算法性能的提升；基于基准算法构建过程的模块修改智能目标识别网络的功能模块、宽度、深度等结构，可以在保证雷达成像智能目标识别正确率的前提下降低模型参数量以及提高识别的速度；实现了在多操作系统、多框架、多开发环境下的目标识别基准算法快速构建。
-
公开(公告)号：CN117152408A
公开(公告)日：2023-12-01
申请号：CN202310930166.2
申请日：2023-07-27
Applicant: 北京遥测技术研究所
IPC: G06V10/22 , G06V10/40 , G06V20/13 , G06T7/11 , G06T7/194 , G06V20/70 , G06V10/82 , G06V10/774 , G06T3/40
Abstract: 本发明提供一种基于变化检测的遥感异常区域及目标检测方法，以孪生注意力变化检测模型，训练变化检测模型检测处理区域的能力，同时训练其检测隐藏目标和检测变化目标的能力。本发明构建了一个双分支的孪生注意力变化检测网络，通过对比学习遥感影像中出现的异常区域与原遥感影像在像素分布、色差上的变化，实现对异常区域和变化区域的自动检测；本发明在下采样模块每一层级都使用孪生网络思想，将两时相特征级联输入后续网络，通过无差别处理两时相技术，解除对时相输入顺序的限制；本发明使用注意力机制实现不同层级检测结果的融合，通过使用两种不同的特征融合手段，利用注意力机制综合对比两种融合结果，提高模型检测能力。
-
Patent Agency Ranking
公开(公告)号：CN116010798A
公开(公告)日：2023-04-25
申请号：CN202211180163.3
申请日：2022-09-27
Applicant: 北京遥测技术研究所 , 航天长征火箭技术有限公司
IPC: G06F18/213 , G06F18/214 , G06F18/24 , H04B1/713
Abstract: 本发明提供一种基于YOLOv5的复杂典型通信信号快速识别分类方法，将复杂典型通信信号使用SPWVD时频分析转换为时频图，复杂典型通信信号包括单载频信号、跳频信号和线性扫频信号，使用YOLOv5的网络对时频图进行预测并分类，针对信号类别快速变换和数据量庞大的问题改进了YOLOv5的网络结构，只保留中、小目标检测头，并结合SIoU_loss损失函数、非极大值抑制进行检测，使得网络在准确识别多种通信信号类别的同时减少了网络参数量并提高了识别速度，降低了对使用硬件环境的要求，对复杂典型通信信号拥有非常优秀的识别分类效果。
-
公开(公告)号：CN114284735A
公开(公告)日：2022-04-05
申请号：CN202111402754.6
申请日：2021-11-24
Applicant: 北京遥测技术研究所 , 航天长征火箭技术有限公司
Abstract: 本发明提供了一种宽带小型圆极化接收天线，包括放置于金属底板上的水平介质板，在此水平介质板的上表面印刷有顺序旋转馈电网络，放置于顺序旋转馈电网络输出结构下方的同轴馈电接头，顺序旋转馈电网络包括一个环形串‑并联顺序移相传输线和四个阻抗匹配传输线；四个置于水平介质板上表面的垂直介质板，在此垂直介质板的表面印刷有天线辐射体部分；天线辐射体部分采用弯曲变形单极子形式，每个变形单极子包括垂直辐射体和水平辐射体，垂直辐射体与水平介质板上的阻抗匹配微带线连接，水平辐射体尾部为锥形渐变线。本发明所述天线实现了圆极化天线的宽带化和小型化，天线工作带宽得到了较大的展宽，可作为高集成度微系统中的天线满足通信应用需求。
-
公开(公告)号：CN118397432A
公开(公告)日：2024-07-26
申请号：CN202410206265.0
申请日：2024-02-26
Applicant: 北京遥测技术研究所
IPC: G06V10/94 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/063 , G06N3/08 , G06N5/04
Abstract: 本发明提供一种国产化深度学习算法及其运行设备，依据寒武纪深度学习推理引擎与百度飞桨的适配算子，裁剪目标检测算法YOLOv8部分网络层，同时替换部分网络层，实现从训练到移植的无缝衔接，评估智能目标识别算法性能。本发明在软件方面选取百度飞桨PaddlePaddle和国产银河麒麟操作系统作为深度学习算法的运行框架及运行环境，硬件方面采用海光Hygon系列CPU和寒武纪MLU实现深度学习的训练和推理，寒武纪MLU可完全支持以百度飞桨框架编写的深度学习算法的训练，并支持其推理；本发明以PaddlePaddle为算法框架，结合寒武纪MLU，实现目标识别算法的国产化算法运行设备。本发明具备从软件到硬件，从训练到推理的全国产化。
-
公开(公告)号：CN115758104A
公开(公告)日：2023-03-07
申请号：CN202211180468.4
申请日：2022-09-27
Applicant: 北京遥测技术研究所 , 航天长征火箭技术有限公司
IPC: G06F18/213 , G06F18/214 , G06F18/24 , H04B1/713
Abstract: 本发明提供一种基于YOLOv5的异步跳频通信信号快速识别分类方法，本发明通过将异步跳频混合信号使用SPWVD转化为时频域分布图像，再应用基于YOLOv5跳频信号特征识别网络进行训练、测试后进行异步跳频通信信号的快速识别和分类，针对跳频信号类别多样性和数据量庞大的问题改进了YOLOv5的网络结构，head层由大目标检测头和中目标检测头组成，在保证识别正确率的前提下降低模型参数量以及提高识别的速度，使得网络在准确识别多种跳频通信信号类别的同时减少了网络参数量并提高了识别速度，降低了对使用硬件环境的要求，对异步跳频通信信号拥有非常优秀的识别分类效果。
-
公开(公告)号：CN115630276A
公开(公告)日：2023-01-20
申请号：CN202211180492.8
申请日：2022-09-27
Applicant: 北京遥测技术研究所 , 航天长征火箭技术有限公司
IPC: G06F18/10 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于YOLOv5的雷达脉内调制类型快速识别方法，将雷达脉内调制信号样本分别与噪声调频干扰信号叠加后使用SPWVD的方法进行时频分析并转换为时频图，搭建针对雷达混合信号的YOLOv5神经网络，head层由中目标检测头和小目标检测头组成，中目标检测头与neck层C3*6层相连，小目标检测头与neck层C3*7层相连，将训练集送入YOLOv5神经网络对时频图进行特征提取得到中目标特征图、小目标特征图后送入Detect检测网络进行检测，Detect检测网络使用SIoU_loss损失函数进行网络收敛并进行非极大值抑制处理后输出、显示雷达脉内调制信号的类别、识别准确率。本发明使用深度学习检测模型对雷达脉内调制方式进行准确识别，克服了传统识别方法中存在的需要手动提取特征和检测率低的缺点。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.035 seconds)
