公开(公告)号：CN118312763A

公开(公告)日：2024-07-09

申请号：CN202410511783.3

申请日：2024-04-26

Applicant: 南通大学

Inventor： 徐淼淼 ,  韩晓雨 ,  孙强 ,  陈晓敏 ,  曹一涵

IPC: G06F18/213 ,  G01C21/20 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于深度学习特征提取技术领域，具体涉及一种基于轻量化神经网络的双波段红外辐射干扰检测方法。本发明包括以下步骤：S11、数据集的建立主要包括：S11‑1、搭建双波段红外辐射测量半实物平台；S11‑2、按无干扰、太阳干扰、云层干扰和传感器故障采集并建立合适的双波段红外辐射时间序列数据集；S12、将采集的双波段红外辐射时间序列数据集，通过Ds‑GADF进行数据融合，将一维的双波段红外辐射时间序列数据集转换为二维的双波段红外辐射彩色图像数据集；S13、将转换后的二维的双波段红外辐射彩色图像数据集输入进FIRViT神经网络当中，对FIRViT神经网络进行训练，并保存模型的最佳权重；S14、将模型的最佳权重放入嵌入式设备中验证算法可行性。

公开(公告)号：CN119830759A

公开(公告)日：2025-04-15

申请号：CN202510026800.9

申请日：2025-01-08

Applicant: 南通大学

Inventor： 徐淼淼 ,  韩晓雨 ,  孙强 ,  陈晓敏 ,  杨永杰

IPC: G06F30/27 ,  G06F18/213 ,  G06F18/24 ,  G06F17/16 ,  G06F17/18 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08 ,  G06F119/02

Abstract: 本发明公开了一种深度学习辅助扩展卡尔曼的双波段红外辐射姿态估计方法，分析双波段红外辐射测量信号中的几何误差和随机误差对姿态估计可靠性的影响；构建CBGTE模型消除双波段红外辐射信号中的几何误差和随机误差，首先利用半实物仿真平台收集双波段红外辐射信号数据集并进行清洗后，输入BGT神经网络进行特征学习并保存最优化权重，再将双波段红外辐射传感器获取数据输入最优化权重的BGT神经网络，获得补偿随机误差后的红外辐射数据，将滤除随机误差后的数据输入扩展卡尔曼算法滤除几何误差，获得可靠的姿态角信息。本发明为以红外辐射为姿态测量方法的自旋无人机，提供了一种高精度、鲁棒性的姿态信息获取与处理方法。