一种基于未经训练复值神经网络的稀疏轨迹SAR成像方法

    公开(公告)号:CN119986648A

    公开(公告)日:2025-05-13

    申请号:CN202510086459.6

    申请日:2025-01-20

    Applicant: 西南大学

    Abstract: 本发明涉及一种基于未经训练复值神经网络的稀疏轨迹SAR成像方法,包括如下步骤:构建稀疏SAR成像的基本数学模型和优化目标;设置稀疏率r并选择稀疏轨迹配置,确定合成孔径雷达的轨迹索引;控制雷达系统,采集回波信号s;将获得的回波信号s填充到预设的零矩阵中,生成稀疏信号s',并生成掩码矩阵M;重构稀疏轨迹下稀疏SAR成像的优化目标;搭建基于U‑Net的复值神经网络Fθ;优化目标重新表述为:#imgabs0##imgabs1#通过最小化上述目标,不断调整网络参数θ,当获取最优参数#imgabs2#后,网络的输出#imgabs3#即为最优的SAR成像结果。本发明扫描时间短,数据采集量小,且稀疏采样模式与物理轨迹匹配度高,成像质量高。

    一种基于雨天自动驾驶的雷达相机融合方法

    公开(公告)号:CN118365999B

    公开(公告)日:2025-03-14

    申请号:CN202410580295.8

    申请日:2024-05-11

    Abstract: 本发明提供一种基于雨天自动驾驶的雷达相机融合方法,包括:获取街道样本相机数据并进行雨滴模拟,形成训练数据集,结合深度展开网络与近端梯度下降算法搭建多阶段迭代的去雨网络架构,并采用训练数据集训练得到去雨网络模型;获取待测街道雨天相机数据,输入至去雨网络模型,得到去雨图像数据;获取对应的雷达点云数据并进行预处理,得到有效点云数据;基于centernet网络和瓶颈注意力机制,搭建雷达相机融合网络架构,训练得到雷达相机融合网络模型;将去雨图像数据和对应的有效点云数据,输入至雷达相机融合模型,得到目标检测结果。本发明能够提高雨天环境下的目标检测精度,使得自动驾驶感知能力的准确性和鲁棒性也得以提高。

    基于忆阻器遗忘特性的图片处理方法

    公开(公告)号:CN111833278B

    公开(公告)日:2022-05-17

    申请号:CN202010670980.1

    申请日:2020-07-13

    Applicant: 西南大学

    Abstract: 本发明公开了一种基于忆阻器遗忘特性的图片处理方法,包括步骤:S1.构建若干个结构相同的忆阻桥;S2.得到各忆阻桥对应的长时记忆目标权值序列;S3.得到各忆阻桥对应的短时记忆目标权值序列;S4.对短时记忆目标权值序列与图片像素信号值进行卷积运算并生成目标图片;S5.对长时记忆目标权值序列与步骤S4中目标图片像素信号值进行卷积运算并生成新的目标图片;S6.按照步骤S2‑S5类推,不断更新目标图片。本发明的一种基于忆阻器遗忘特性的图片处理方法,能够实现图片算子的自动切换与精确控制,提高了图片处理效率,降低了投入成本。

    基于忆阻交叉架构的图片均值学习电路

    公开(公告)号:CN104779950B

    公开(公告)日:2017-08-08

    申请号:CN201510223545.3

    申请日:2015-05-05

    Applicant: 西南大学

    Abstract: 本发明公开了一种基于忆阻交叉架构的图片均值学习电路,其特征在于:包括由忆阻器交叉架构构成的MMCA层和由忆阻器交叉架构构成的IMCA层,所述MMCA层与IMCA层之间通过CMOS单元连接;所述CMOS单元根据输入像素对应的阻值的均值和MMCA层里存储阻值的均值之间的差值,调整MMCA层里的忆阻器阻值,使MMCA层里存储的阻值趋近于输入像素平均值对应的阻值;所述CMOS单元根据输入像素对应的阻值和MMCA层里存储的阻值之间的误差,调整IMCA层里的忆阻器阻值,当误差值小于一定阈值时,IMCA层里忆阻器的阻值增大,反之忆阻器的阻值减小。本发明提出了采用均值方法对忆阻交叉架构进行图片学习和写入,具有高容错和并行处理的特点。

    基于忆阻交叉架构的图片均值学习电路

    公开(公告)号:CN104779950A

    公开(公告)日:2015-07-15

    申请号:CN201510223545.3

    申请日:2015-05-05

    Applicant: 西南大学

    Abstract: 本发明公开了一种基于忆阻交叉架构的图片均值学习电路,其特征在于:包括由忆阻器交叉架构构成的MMCA层和由忆阻器交叉架构构成的IMCA层,所述MMCA层与IMCA层之间通过CMOS单元连接;所述CMOS单元根据输入像素对应的阻值的均值和MMCA层里存储阻值的均值之间的差值,调整MMCA层里的忆阻器阻值,使MMCA层里存储的阻值趋近于输入像素平均值对应的阻值;所述CMOS单元根据输入像素对应的阻值和MMCA层里存储的阻值之间的误差,调整IMCA层里的忆阻器阻值,当误差值小于一定阈值时,IMCA层里忆阻器的阻值增大,反之忆阻器的阻值减小。本发明提出了采用均值方法对忆阻交叉架构进行图片学习和写入,具有高容错和并行处理的特点。

    融合UWB与毫米波雷达技术工厂人员定位系统

    公开(公告)号:CN116996834A

    公开(公告)日:2023-11-03

    申请号:CN202311004235.3

    申请日:2023-08-10

    Applicant: 西南大学

    Abstract: 本发明公开融合UWB与毫米波雷达技术工厂人员定位系统,属于电子信息技术领域,该定位系统包括:搭载WIFI模块的定位基站、置于待测目标上的标签、毫米波雷达,基于UWB的定位基站与标签组成的定位系统通过TWF计算出时间差,使用TDOA算法计算出标签坐标A1;同时毫米波雷达也可以抓补室内活动的人员的位置并输出坐标A2,将两个坐标进行加权滤波最终计算出最终的人员定位坐标A,此外两者属于并行机制,在某些特殊情况下,一方面测算出现问题,则直接输出另一方面的结果作为最终结果,本发明融合了人员定位的两种技术,以此提高室内人员定位的精度,为室内定位提供了一种全无线、搭建便捷的高精度定位方案。

    一种改进型灰狼优化算法的最优锚点部署优化策略及系统

    公开(公告)号:CN116882300A

    公开(公告)日:2023-10-13

    申请号:CN202311004174.0

    申请日:2023-08-10

    Applicant: 西南大学

    Abstract: 本发明提供了一种基于改进型灰狼优化算法的最优锚点部署优化策略及系统,方法通过模型的建立顺序将最优锚点优化过程划分为第一阶段及第二阶段;在第一阶段中根据锚点和目标点的部署范围建立精度因子函数以及适应度优化函数。第二阶段中将灰狼个体代入至第一阶段进行迭代搜索计算,直至获得最优锚点部署方案。本系统包括TDoA定位建模模块、精度因子构建模块以及迭代优化搜索模块。本发明表明改进型灰狼优化算法基于自身的自适应收敛因子以及信息反馈机制,使其在收敛速度和求解精度方面更加出色。实验表明,基于改进灰狼优化算法(MGWO)的室内锚点优化方案实现了更小的DoP值且寻优后获得的锚点部署方案能够实现高精度的定位,在室内定位中能够发挥更大的作用。

Patent Agency Ranking