-
公开(公告)号：CN118298237A
公开(公告)日：2024-07-05
申请号：CN202410462541.X
申请日：2024-04-17
IPC: G06V10/764 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06V20/40
Abstract: 本发明公开了一种肺部超声图像分类方法、系统及医疗设备。本发明包括：肺超声数据采集；DGF‑ResNet肺超声自动分类模型建立；将所述数据集输入至模型中训练得到DGF‑ResNet肺超声自动分类模型；使用DGF‑ResNet肺超声自动分类模型中进行肺超声自动评分。本发明提升了肺超声自动评分准确率，解决了传统肺超声评分方法依赖医生主观判断、评分结果不一致以及耗时较长等问题，为危急重症患者的及时诊断提供了可靠且高效的技术支持。通过自动化评分系统，本发明能够快速、准确地分析肺超声图像，为医生提供客观、量化的评分结果，从而辅助医生进行快速准确的诊断，为患者的治疗争取宝贵时间。
-
公开(公告)号：CN118118111A
公开(公告)日：2024-05-31
申请号：CN202311607837.8
申请日：2023-11-28
Applicant: 杭州电子科技大学
IPC: H04B17/391 , H04B1/69
Abstract: 本发明公开了基于L‑ResNet的直扩信号用户数估计方法，该方法首先根据直接序列扩频信号的特点将收到的信号构建为数据矩阵，并求协方差矩阵，进行奇异值分解后得到该矩阵的特征值。其次根据得到的特征值绘制特征值直方图。然后构建L‑ResNet模型，并设计交叉熵损失和LBP损失函数来约束L‑ResNet模型。最后生成在不同信噪比下，不同用户数目和不同的信道环境下的训练集图片，训练构建的L‑ResNet模型，制作测试集图片测试性能，输出用户数估计结果。本发明有效解决了在低信噪比下，用户数估计准确率下降的问题，具有识别率高、鲁棒性强等特点。
-
公开(公告)号：CN116827379A
公开(公告)日：2023-09-29
申请号：CN202310207357.6
申请日：2023-03-07
Applicant: 杭州电子科技大学
IPC: H04B1/707 , G06F18/2135 , G06T11/20 , G06V10/54 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464 , H04W16/22 , H04W24/02 , H04L41/16
Abstract: 本发明公开了一种基于L‑ResNet的直扩信号检测方法，属于无线通信领域。本发明首先根据直扩信号特点，构建待检测信号矩阵模型，通过对检测信号矩阵进行特征值分解运算得到特征值向量。其次根据主特征分析法将特征值向量进行叠加处理，并将叠加后的特征值向量绘制成特征值柱状图。最后通过搭建L‑ResNet模型，引入局部二值模式LBP提取图片的纹理特征，利用LBP计算纹理特征块之间的相似度，约束网络模型的损失函数，进行直扩信号检测。本发明具有更好的抗干扰性能，以及更好的检测性能。
-
公开(公告)号：CN116707558A
公开(公告)日：2023-09-05
申请号：CN202310694284.8
申请日：2023-06-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于多级动态盲数字接收机的数模混合信号识别方法，首先将待识别信号进行参数估计，并对信号做下变频和重采样。然后根据包络谱特征值，将待识别信号分类为恒包络数模混合信号集和非恒包络数模混合信号集，在提取信号频域方差以及零中心偏离度，识别恒包络数模混合信号集中信号。然后通过同相支路幅度均值，分类出数模混合的幅度调制信号集和幅相信号集，并由频域平坦度以及瞬时幅度特征，完成信号识别。最后利用相位分布模板匹配度，以及锁频后四次方谱特征，完成剩余信号类型识别。本发明复杂度低、识别率高、鲁棒性强，并且在低信噪比及带有频偏情况下，仍有较高识别率。
-
公开(公告)号：CN112859116B
公开(公告)日：2022-11-15
申请号：CN202011585515.4
申请日：2020-12-28
Applicant: 杭州电子科技大学
IPC: G01S19/21
Abstract: 本发明公开了一种基于主特征盲源分离的单天线GNSS欺骗式干扰检测方法。本发明步骤：1：将接收到的混合信号IQ两路分别建立观测矩阵，对观测矩阵求解协方差矩阵，再对协方差矩阵进行特征值分解，并对特征值进行重构；2：对重构后的特征值进行计算得到特征值占比重，并设置门限完成欺骗干扰情况的初步筛选；3：对初步筛选后的其余情况下的混合信号进行提取主特征的Fast_ICA盲源分离算法，得到估计数据信息和扩频码信息；4：对估计数据信息进行解调，并统计锁相环跟踪段频率跟踪曲线方差值P和跟踪频率值均值E；并对跟踪解调得到的基带数据进行分析。本发明具有识别检测性能好、适应低噪环境等优点，且识别率高、抗噪性能好、代价低，整体性能提升大。
-
Patent Agency Ranking
公开(公告)号：CN111343116B
公开(公告)日：2022-06-10
申请号：CN202010114399.1
申请日：2020-02-25
Applicant: 杭州电子科技大学
IPC: H04L27/00
Abstract: 本发明公开了一种密集信号环境下基于星座轨迹图的调制识别方法。本发明步骤：步骤1、将接收到的采样信号经过下变频低通滤波后输入高阶幅相信号盲数字接收机进行解调，得到解调信号星座图；步骤2、对各信号星座点幅值进行归一化，从归一化后的星座点幅值|xk(n)|提取得到幅值分布曲线Dk(n)和幅值曲率分布曲线Ck(n)；步骤3、从步骤2的数据中提取相关特征参数P和V1,k,k＝1,...,5，并设置对应的参数门限；步骤4、根据各信号特征参数P和V1,k,k＝1,...,5的不同对信号进行区分。本发明复杂度低、易于实现且在低信噪比下具有更好的识别性能。
-
公开(公告)号：CN114301749A
公开(公告)日：2022-04-08
申请号：CN202111617411.1
申请日：2021-12-27
Applicant: 杭州电子科技大学
IPC: H04L27/20 , H04B17/00 , H04B17/336 , H04B17/391 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于生成对抗网络的信号抗干扰方法。本发明包括：步骤1、通过数据预处理将含干扰的调制信息与不含干扰的调制信号进行维度变换，将一维信号变换为二维图像，作为生成对抗网络的数据集；步骤2、基于生成对抗网络的BPSK信号抗干扰模型结构以及目标函数设计，由含干扰的调制信号向不含干扰的目标调制信号的映射，从而实现调制信号的抗干扰。本发明将抗干扰问题转化为图像的映射问题，相比于传统的频域陷波的干扰抑制方法具有更好的抗干扰性能。与普遍应用的基于窗函数的频域陷波算法相比，在同干信比以及高信噪比下，相同误码率，对窄带噪声干扰性能提升1.5dB，对多音干扰性能提升1dB。在同信噪比下，本文所提出的基于生成对抗网络的BPSK抗干扰算法随着干信比的逐渐增大误码率平缓上升，整体趋势优于基于窗函数的频域陷波算法，且在窄带噪声干扰下提升较大。
-
公开(公告)号：CN114299560A
公开(公告)日：2022-04-08
申请号：CN202111617435.7
申请日：2021-12-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种真实人体指静脉检测方法。本发明具体包括如下步骤：1、制作数据集，本次数据集划分为训练集和测试集两部分，为了增加数据集的多样性，将训练集和测试集中添加正常清晰图像、模糊图像、脏污受损图像来模拟生活中常见图像类型；2、构建基于加权差分卷积与梯度方向残差单元的真实人体指静脉检测模型。本发明利用局部邻域关系挖掘指静脉图像中对环境变化鲁棒的细节纹理特征，增加特征稳定性，提升了算法的泛化性能。同时本发明对低质量的真实和虚假人体指静脉图像的梯度方向图进行分析，针对真伪样本材质细节纹理存在差异的特点，提出了梯度方向残差单元结构，通过水平梯度和垂直梯度获取梯度方向特征，增强网络梯度方向特征表达。
-
公开(公告)号：CN108470089B
公开(公告)日：2021-12-21
申请号：CN201810144035.0
申请日：2018-02-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于最小二乘样本拟合的复信号时延估计方法。本发明首先给出互相关的代价函数，利用sinc内插公式用有限数量的样本去估计相关数据值，再通过最小二乘(LS)准则最小化其代价函数，得到并接近于无偏的估计值，且给出算法的克拉美罗下界(CRLB)表达式。实验表明，针对高斯信号，基于最小二乘样本拟合的准确度更高，基于最小二乘的时延估计算法，在信噪比或者信号长度一定的条件下，估计性能都明显高于传统的时延估计算法。特别指出，对于高斯信号具有的随机性，互相关算法与基于MMSE算法性能都出现明显下降，本发明是一种有效的时延估计算法。
-
公开(公告)号：CN112613428A
公开(公告)日：2021-04-06
申请号：CN202011578813.0
申请日：2020-12-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于平衡损失的Resnet‑3D卷积牛视频目标检测方法。本发明步骤如下：1、将输入的原始牛群视频序列切分成帧，获得帧图片数据集并标注；然后对标注好的帧图片数据集进行划分，获得训练集与测试集；2、以滑动窗口的方式选取多个连续帧图片，依次得到连续的帧图片序列，从而对数据集进行扩充增强；3、将得到的帧图片序列通过目标检测网络Faster rcnn进行分类回归和位置回归，获取目标检测模型；4、将测试视频输入训练好的目标检测模型，得到牛的检测框及其置信度。本发明能有效解决高密度牛群因遮挡而检测不到的问题。同时本发明中是使用视频做测试，通过网络模型输出的是视频，可以有效解决图像融合视频时目标短暂丢失的问题。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.043 seconds)
