-
公开(公告)号:CN118962659A
公开(公告)日:2024-11-15
申请号:CN202411037083.1
申请日:2024-07-31
Applicant: 华南理工大学
IPC: G01S13/66 , G01S13/72 , G01S7/41 , G01S7/36 , G06F18/25 , G06F17/16 , G06N3/096 , G06N3/09 , G06N3/094
Abstract: 本发明提出了一种基于无线感知的慢速目标检测跟踪方法,属于深度学习与无线信号处理领域,通过对无线回波信号进行预处理,建立动态数据模型,并使用4DFFT立方体数据累积概率进行目标增强,提高了慢速目标的检测能力。采用视觉驱动模型对目标进行全自动标注,利用结构化选择性扫描空间状态序列的目标感知与跟踪网络,增强了检测和跟踪的精度。构建了一种基于最大最小对抗方法的域迁移策略,利用源域中的数据和模型知识,将其迁移到目标域,提高了模型在新环境中的适应性和准确性。提出的多节点协同感知方法,避免了单一节点的信号盲区问题,扩大了覆盖范围,提高了定位精度和目标检测的准确性。
-
公开(公告)号:CN118962659B
公开(公告)日:2025-05-13
申请号:CN202411037083.1
申请日:2024-07-31
Applicant: 华南理工大学
IPC: G01S13/66 , G01S13/72 , G01S7/41 , G01S7/36 , G06F18/25 , G06F17/16 , G06N3/096 , G06N3/09 , G06N3/094
Abstract: 本发明提出了一种基于无线感知的慢速目标检测跟踪方法,属于深度学习与无线信号处理领域,通过对无线回波信号进行预处理,建立动态数据模型,并使用4DFFT立方体数据累积概率进行目标增强,提高了慢速目标的检测能力。采用视觉驱动模型对目标进行全自动标注,利用结构化选择性扫描空间状态序列的目标感知与跟踪网络,增强了检测和跟踪的精度。构建了一种基于最大最小对抗方法的域迁移策略,利用源域中的数据和模型知识,将其迁移到目标域,提高了模型在新环境中的适应性和准确性。提出的多节点协同感知方法,避免了单一节点的信号盲区问题,扩大了覆盖范围,提高了定位精度和目标检测的准确性。
-
公开(公告)号:CN119959929A
公开(公告)日:2025-05-09
申请号:CN202510034740.5
申请日:2025-01-09
Applicant: 华南理工大学
IPC: G01S13/86 , H04W12/06 , H04W12/47 , G01S13/66 , G01S7/40 , F41H11/02 , G06V20/17 , G06V10/80 , G06V10/82 , G06F17/14 , G06N3/0442 , G06N3/0464 , G06N3/092 , G06N3/0895
Abstract: 本发明提供了一种低空无人机侦察与处置一体防护系统,属于低空防御、空域安全及无人机管理技术领域,包括:低空入侵检测与跟踪模块,通过雷达与摄像头获取目标区域信息,分别对雷达数据进行4DFFT预处理和对RGB图像进行图像预处理;将预处理后的数据通过各自的输入适配模块以统一至目标检测与跟踪算法所需的格式;利用多源信息融合决策机制,实现实时且高精度的无人机检测与跟踪功能。无人机身份识别模块通过RFID标签获取无人机身份信息,使用联合优化功率控制和时隙分配算法,以验证区域内所有无人机的身份合法性。无人机智能调度模块,通过强化学习优化路径规划、任务分配及资源管理,动态分配任务并优化航线规划。
-
-