-
公开(公告)号：CN114882236B
公开(公告)日：2024-09-13
申请号：CN202110542902.8
申请日：2021-05-19
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0464 , G06N3/048 , G01S13/88
Abstract: 本发明提供一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法。步骤1：利用SinGAN算法对已获取的地下空洞目标的探地雷达回波图像进行图像增广处理，得到处理后的具有相似分布的探地雷达回波图像；步骤2：对步骤1生成的探地雷达回波图像进行标注明确相关目标像素位置；步骤3：将步骤2中已标注的数据随机分配至训练集和验证集；步骤4：利用步骤3的训练集和验证集对深度学习目标识别算法进行训练，得到权重模型；步骤5：将步骤4获得的权重模型输入已有深度学习算法模型，对地下空洞目标探地雷达回波图像进行目标识别检测。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
公开(公告)号：CN113391342A
公开(公告)日：2021-09-14
申请号：CN202110577839.1
申请日：2021-05-26
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
Abstract: 本发明公开了一种双电源自适应切换的地震数据采集系统及实现方法，其中，该系统包括：数采分模块和电源管理模块，其中，数采分模块用于采集地表建筑物地震时的实时加速度位移信息，将其进行打包处理，传递至云端服务器，供客户查看；电源管理模块用于根据外部电源对数采分模块的供电状态自适应切换备用电池，同时将外部电源或备用电池输入的+12V直流电压转换为+‑12V，SGND、+‑5V、FGND和5V&3.3V、GND，进行供电。该系统可自动切换的双重保障电源，保证在强震环境下可正常工作，同时开发了适用地震环境的AODV路由协议，解决强震下有线网络中断或无线路由故障时无法通信的问题，保障了整个系统稳定可靠运行。
-
公开(公告)号：CN113780362A
公开(公告)日：2021-12-10
申请号：CN202110945451.2
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
Abstract: 本发明提出一种基于隐马尔可夫模型的探地雷达地下空洞目标自动识别方法，所述方法共6个步骤：对已获取的地下空洞目标的探地雷达回波图像进行预处理得到处理后的横向波纹得到抑制的图像；对生成的图像进行预筛选标注明确空洞目标像素位置；利用已标注的数据进行图像增广处理得到处理后的具有相似分布的图像；利用增广图像数据集，使用三种方法进行特征提取得到特征向量数据集；将获得的特征向量分为训练集和验证集，对隐马尔可夫模型进行训练得到权重模型；将获得的验证集输入得到的权重模型，对地下空洞目标探地雷达回波图像进行目标识别分类。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
公开(公告)号：CN114882236A
公开(公告)日：2022-08-09
申请号：CN202110542902.8
申请日：2021-05-19
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
Abstract: 本发明提供一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法。步骤1：利用SinGAN算法对已获取的地下空洞目标的探地雷达回波图像进行图像增广处理，得到处理后的具有相似分布的探地雷达回波图像；步骤2：对步骤1生成的探地雷达回波图像进行标注明确相关目标像素位置；步骤3：将步骤2中已标注的数据随机分配至训练集和验证集；步骤4：利用步骤3的训练集和验证集对深度学习目标识别算法进行训练，得到权重模型；步骤5：将步骤4获得的权重模型输入已有深度学习算法模型，对地下空洞目标探地雷达回波图像进行目标识别检测。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
公开(公告)号：CN113780361B
公开(公告)日：2024-09-13
申请号：CN202110944158.4
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: G06V10/764 , G06V20/64 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于2.5D‑CNN算法的三维探地雷达图像地下管线识别方法，所述方法包括步骤1：对已经得到的探地雷达的三维回波图像进行直达波去除，以及小波去噪；步骤2：将已预处理的探地雷达的三维回波图像进行标注，分别为横向管线、纵向管线、地下空洞和无目标四类，并将其打乱，随机分配至训练集和验证集；步骤3：利用步骤2的训练集和验证集对2.5D‑CNN的神经网络模型进行训练，得到训练好的权重模型；步骤4：利用步骤3获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测。本发明解决了传统方法识别地下管线目标效率低以及准确率低的问题。
-
Patent Agency Ranking
公开(公告)号：CN113780362B
公开(公告)日：2024-04-02
申请号：CN202110945451.2
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: G06V10/764 , G06V10/774 , G06V10/762 , G06V10/44 , G06V10/50
Abstract: 本发明提出一种基于隐马尔可夫模型的探地雷达地下空洞目标自动识别方法，所述方法共6个步骤：对已获取的地下空洞目标的探地雷达回波图像进行预处理得到处理后的横向波纹得到抑制的图像；对生成的图像进行预筛选标注明确空洞目标像素位置；利用已标注的数据进行图像增广处理得到处理后的具有相似分布的图像；利用增广图像数据集，使用三种方法进行特征提取得到特征向量数据集；将获得的特征向量分为训练集和验证集，对隐马尔可夫模型进行训练得到权重模型；将获得的验证集输入得到的权重模型，对地下空洞目标探地雷达回波图像进行目标识别分类。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
公开(公告)号：CN113780361A
公开(公告)日：2021-12-10
申请号：CN202110944158.4
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
Abstract: 本发明提出一种基于2.5D‑CNN算法的三维探地雷达图像地下管线识别方法，所述方法包括步骤1：对已经得到的探地雷达的三维回波图像进行直达波去除，以及小波去噪；步骤2：将已预处理的探地雷达的三维回波图像进行标注，分别为横向管线、纵向管线、地下空洞和无目标四类，并将其打乱，随机分配至训练集和验证集；步骤3：利用步骤2的训练集和验证集对2.5D‑CNN的神经网络模型进行训练，得到训练好的权重模型；步骤4：利用步骤3获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测。本发明解决了传统方法识别地下管线目标效率低以及准确率低的问题。
-
公开(公告)号：CN114169402B
公开(公告)日：2024-10-18
申请号：CN202111354267.7
申请日：2021-11-16
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/44 , G06V10/50 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于门控循环单元的探地雷达地下空洞目标自动识别方法。所述门控循环神经网络的GRU有两个门：重置门和更新门；重置门主要决定了到底有多少过去的信息需要遗忘，根据输入xt，当前重置门的输出rt和上一时间步隐藏状态ht‑1得到候选隐藏状态#imgabs0#如果重置门近似0，上一个隐藏状态将被丢弃；而更新门帮助模型决定到底要将多少信息传递到未来，或到底前一时间步和当前时间步的信息有多少是需要继续传递的，更新门zt根据上一时间步的隐藏状态ht‑1和当前时间步的候选隐藏状态#imgabs1#得到当前的隐藏状态ht；重置门和更新门的激活函数σ是sigmoid函数。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
公开(公告)号：CN117011600A
公开(公告)日：2023-11-07
申请号：CN202310898951.4
申请日：2023-07-21
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/08 , G01S7/41 , G01S13/89
Abstract: 本发明提出一种基于3D‑CNN缺陷监测网络的探地雷达地下目标自动识别方法，所述方法包括步骤1：对已获取的探地雷达回波图像进行预处理，得到处理后杂波受到抑制的探地雷达回波图像；步骤2：对步骤1生成的探地雷达回波图像进行分类并打上标签；步骤3：将步骤2中有标签的雷达图像随机分为训练集和验证集；步骤4：用步骤3中获得的训练集对3D‑CNN网络进行训练，得到训练好的权重模型；步骤5：将步骤3中获得的验证集代入到步骤4中训练好的权重模型中，对探地雷达回波图像进行目标识别分类。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
公开(公告)号：CN115882982A
公开(公告)日：2023-03-31
申请号：CN202211585205.1
申请日：2022-12-09
Applicant: 哈尔滨工业大学
IPC: H04B17/382 , H04B17/336 , H04W40/32
Abstract: 一种多信道协作频谱感知方法及系统，具体涉及一种计算机认知无线网络在多信道情况下的多节点之间的协作频谱感知的获取方法及系统，为了解决多信道协作频谱感知的准确率低、实时性差的问题，定义认知无线网络中主用户和次用户分别服从齐次泊松点过程分布；各个次用户依次对各个主用户信道进行能量检测，得到检测概率矩阵；设置分簇的限制条件，利用二部图对主用户和次用户进行分簇；选举每个簇内接收主用户信号平均信噪比最大的次用户作为簇头，簇头收集所述簇内其他次用户的频谱感知信息，并利用OR融合规则进行融合，根据融合的频谱感知信息判断每簇对应的主用户信道是否有主用户信号，并与其他簇头融合，得到全部主用户信道的占用状态。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.073 seconds)
