-
Patent Agency Ranking
公开(公告)号：CN110109090A
公开(公告)日：2019-08-09
申请号：CN201910241637.2
申请日：2019-03-28
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于微波雷达的未知环境多目标检测方法和装置，该方法包括步骤：分别采集多个典型场景的雷达数据，并拆分为训练数据和测试数据；对训练数据和测试数据分别进行预处理；将预处理后数据，分别按人数分类，并将对应人数的回波图片进行汇总和随机排序，进行卷积神经网络模型的训练和测试；通过训练后的所述卷积神经网络模型进行未知场景的多目标检测。该装置包括数据采集模块、预处理模块、训练模块和检测模块。该方法和装置，通过结合深度学习，对环境有很好的自适应能力，能够从多个不同的环境中提取出移动目标的共同特性，消除不同背景的差异性，实现对于常见的场景中人数的判断。
-
公开(公告)号：CN117914265A
公开(公告)日：2024-04-19
申请号：CN202311765428.0
申请日：2023-12-20
Applicant: 北京邮电大学
Abstract: 本申请提供一种双核压控振荡器，包括：相互耦接的第一单核振荡器和第二单核振荡器；两个单核振荡器均包括：负阻电路，提供能量以维持单核振荡器振荡；谐振腔，与负阻电路耦接，用以根据负阻电路提供的能量进行单一频率振荡并对振荡频率进行调节；谐振腔包括三线圈变压器，三线圈变压器与负阻电路同向耦接，第一单核振荡器中三线圈变压器的第三线圈与第二单核振荡器的负阻电路耦接，第二单核振荡器中三线圈变压器的第三线圈与第一单核振荡器的负阻电路耦接。三线圈变压器与负阻电路同向耦接，两个单核振荡器的第三线圈与对方的负阻电路耦接，可抑制谐波频移效应，实现高摆幅情况下的低闪烁噪声，同时可保证高振荡摆幅和降低振荡器的带外相位噪声。
-
公开(公告)号：CN110109090B
公开(公告)日：2021-03-12
申请号：CN201910241637.2
申请日：2019-03-28
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于微波雷达的未知环境多目标检测方法和装置，该方法包括步骤：分别采集多个典型场景的雷达数据，并拆分为训练数据和测试数据；对训练数据和测试数据分别进行预处理；将预处理后数据，分别按人数分类，并将对应人数的回波图片进行汇总和随机排序，进行卷积神经网络模型的训练和测试；通过训练后的所述卷积神经网络模型进行未知场景的多目标检测。该装置包括数据采集模块、预处理模块、训练模块和检测模块。该方法和装置，通过结合深度学习，对环境有很好的自适应能力，能够从多个不同的环境中提取出移动目标的共同特性，消除不同背景的差异性，实现对于常见的场景中人数的判断。
-
公开(公告)号：CN109965858B
公开(公告)日：2020-10-30
申请号：CN201910241638.7
申请日：2019-03-28
Applicant: 北京邮电大学
IPC: A61B5/0205 , A61B5/024 , A61B5/08 , A61B5/00
Abstract: 本发明公开了一种基于超宽带雷达人体生命体征检测方法和装置，该方法包括步骤：通过超宽带雷达获取多个人体正常的呼吸和/或心跳的第一回波信号以及多个人体异常的呼吸和/或心跳的第二回波信号，并进行预处理和提取，分别得到正常检测序列和异常检测序列；设置卷积神经网络；基于正常检测序列和异常检测序列，对卷积神经网络进行训练；通过训练后的卷积神经网络对当前检测对象的呼吸和/或心跳进行检测，输出是否属于正常心跳的判别结果。该装置包括信号处理模块、卷积神经网络设置模块、训练模块和检测模块。该方法和装置，通过深度学习，提高了心跳频率的检测准确度，提升了对于正常心跳和异常心跳的判别能力，做到实时检测的较准确区分。
-
公开(公告)号：CN109965858A
公开(公告)日：2019-07-05
申请号：CN201910241638.7
申请日：2019-03-28
Applicant: 北京邮电大学
IPC: A61B5/0205 , A61B5/024 , A61B5/08 , A61B5/00
Abstract: 本发明公开了一种基于超宽带雷达人体生命体征检测方法和装置，该方法包括步骤：通过超宽带雷达获取多个人体正常的呼吸和/或心跳的第一回波信号以及多个人体异常的呼吸和/或心跳的第二回波信号，并进行预处理和提取，分别得到正常检测序列和异常检测序列；设置卷积神经网络；基于正常检测序列和异常检测序列，对卷积神经网络进行训练；通过训练后的卷积神经网络对当前检测对象的呼吸和/或心跳进行检测，输出是否属于正常心跳的判别结果。该装置包括信号处理模块、卷积神经网络设置模块、训练模块和检测模块。该方法和装置，通过深度学习，提高了心跳频率的检测准确度，提升了对于正常心跳和异常心跳的判别能力，做到实时检测的较准确区分。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
