-
Patent Agency Ranking
公开(公告)号：CN113656747B
公开(公告)日：2024-06-18
申请号：CN202110932287.1
申请日：2021-08-13
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于分支定界的多期望信号下的阵列自适应波束形成方法，步骤如下：最大化输出信干噪比，同时采用线性分式半正定松弛方法降低阵列波束的副瓣电平；引入复数辅助变量，在保持期望信号的阵列响应的幅度不变的情况下，优化响应的相位，并用分支定界算法求解满阵的规划问题，实现多期望信号下的满阵自适应波束形成；引入迭代重加权l1范数对阵列的权向量进行惩罚，并用分支定界算法求解稀疏阵列的规划问题，实现多期望信号下的稀疏阵列自适应波束形成。本发明改善了多期望信号下的满阵和稀疏阵列的方向图性能，不仅降低了副瓣电平、提高了阵列的输出信干噪比，而且减小了多期望信号的方向图幅度误差。
-
公开(公告)号：CN113536929A
公开(公告)日：2021-10-22
申请号：CN202110662120.8
申请日：2021-06-15
Applicant: 南京理工大学
Abstract: 本发明公开了一种复杂场景下的SAR图像目标检测方法，该方法为：利用YOLOv5网络模型对SAR图像进行特征训练，得到不同场景下目标的初始特征；利用由空间注意力和通道注意力组成的混合注意力模块加强初始特征，得到具有筛选加权特性的特征图，对于重要的目标特征，网络分配更大的处理权重，以此增强网络对目标区域的特征学习能力，提升复杂场景区域的目标检测率；在加强后的特征图上预测目标位置，优化训练损失函数，提升预测框的置信度，并反向更新模型参数，使网络输出的预测框更加接近真实目标，同时加快模型更新的收敛速度。本发明提高了复杂场景下的SAR图像目标检测性能，能够快速检测任意场景下的SAR图像目标。
-
公开(公告)号：CN112233026A
公开(公告)日：2021-01-15
申请号：CN202011046838.6
申请日：2020-09-29
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于多尺度残差注意力网络的SAR图像去噪方法。该方法步骤如下：构建训练集并对训练样本进行归一化操作；搭建多尺度残差注意力网络模型：通过多尺度卷积组提取图像不同尺度的特征，在特征提取过程中设计主干分支和掩码分支，主干分支用来进行特征处理，掩码分支生成注意力权重以提取图像信息的相关特征来区分噪声，在掩码分支的注意力机制中添加非局部模块以获得图像像素之间的长距离依赖关系，使用跳跃连接用以加快网络收敛速度，结合残差连接学习噪声分布；设置多尺度残差注意力网络训练模型参数并进行模型训练；将噪声图像输入到训练好的模型中，得到去噪图像。本发明在提高去噪性能的同时，较好地保留了图像的细节信息。
-
公开(公告)号：CN112668213A
公开(公告)日：2021-04-16
申请号：CN202011241448.4
申请日：2020-11-09
Applicant: 南京理工大学
Abstract: 本发明公开了一种多尺度天线阵列的快速仿真分析方法。该方法为：首先在各阵元结构外建立等效面，利用基于等效原理的区域分解法求解阵元的辐射问题，得到等效入射电磁流与等效散射电磁流之间的关系，计算出等效算子S；然后计算两个阵元等效面相互作用的转移算子T，扩展到计算多个阵元之间的相互作用问题，得到求解多个等效面上等效辐射电磁流的具体方程；最后对电大尺寸等效面的等效算子S使用自适应交叉算法加速填充。本发明实现简单，鲁棒性好，减少了数据计算量，节约了迭代求解时间和阵列分析时间，提高了多尺度阵列天线电磁特性分析的效率和准确性。
-
公开(公告)号：CN113656747A
公开(公告)日：2021-11-16
申请号：CN202110932287.1
申请日：2021-08-13
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于分支定界的多期望信号下的阵列自适应波束形成方法，步骤如下：最大化输出信干噪比，同时采用线性分式半正定松弛方法降低阵列波束的副瓣电平；引入复数辅助变量，在保持期望信号的阵列响应的幅度不变的情况下，优化响应的相位，并用分支定界算法求解满阵的规划问题，实现多期望信号下的满阵自适应波束形成；引入迭代重加权l1范数对阵列的权向量进行惩罚，并用分支定界算法求解稀疏阵列的规划问题，实现多期望信号下的稀疏阵列自适应波束形成。本发明改善了多期望信号下的满阵和稀疏阵列的方向图性能，不仅降低了副瓣电平、提高了阵列的输出信干噪比，而且减小了多期望信号的方向图幅度误差。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
