-
公开(公告)号：CN112699782B
公开(公告)日：2024-12-03
申请号：CN202011595694.X
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: G06V10/774 , G06F18/10 , G06V10/764 , G06N3/0464 , G06N3/08 , G06V20/13
Abstract: 本发明公开了一种基于N2N和Bert的雷达HRRP目标识别方法，包括以下步骤：S1，收集数据并划分训练集和测试集，通过雷达采集的HRRP数据，需要对每个类别进行采样，分别选出训练集和测试集，之后进行合并，保证每个类别的数据形式都有被采样到；S2，用N2N模块进行降噪；S3，经过N2N模块的数据，经过卷积神经网络模块提取，调整下通道数，以便输入到Bert模型中；S4，用Bert处理CNN提取的有效特征，提取更加深层的特征；S5，在分类层对特征进行分类；S6，将经过S1处理后的HRRP测试集送入S5步骤中已训练完成的模型中进行测试。
-
公开(公告)号：CN114301747B
公开(公告)日：2023-12-29
申请号：CN202111627636.5
申请日：2021-12-28
Applicant: 杭州电子科技大学
IPC: H04L27/00 , G06F18/2411 , G06N3/044 , G06N3/084
Abstract: 本发明公开了一种基于SVM‑SRNN的调制信号识别方法首先准备数据集，进行数据预处理，然后搭建SVM模型得到SVM分类器，将每个信号通过S2数据预处理转换后输入SVM分类器，分离13种待分类信号和噪声信号，并去除噪声信号；最后搭建切片双向循环神经网络，对SVM分类器分离噪声后的信号进行信号特征提取，再通过softmax分类器完成分类；相比于使用RNN模型进行分类，SRNN的速度显著快于标准的RNN，而且不需要改变循环单元，并且SRNN具有提取序列高级信息的能力，具有更快的计算速度。本发明通过SVM‑SRNN模型组合进行调制信号分类，比传统的分类器具有更好的分类效果。
-
公开(公告)号：CN111738114B
公开(公告)日：2023-09-05
申请号：CN202010521952.3
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于无锚点精确采样遥感图像车辆目标检测方法，包括如下步骤：S1，使用多层卷积神经网络对原始图片进行特征提取，根据不同尺度大小的特征图构成自上而下特征金字塔；S2，对于特征金字塔的每一层特征，生成特征图上所有像素点的类别预测；S3，对于特征金字塔的每一层特征，生成特征图上所有像素点的目标框预测；S4，根据输入图片中的真实框面积信息确定当前车辆目标所属的特征图；S5，借助真实框内的目标实例分割信息确定目标在该层特征内的正样本像素点，并计算该像素点到真实框四条边的差值；S6，计算所有正样本像素点的类别损失与关于真实框的回归损失。
-
公开(公告)号：CN111738113B
公开(公告)日：2023-07-07
申请号：CN202010521918.6
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双注意力机制与语义约束角的高分辨率遥感图像的道路提取方法，包括以下步骤：S1，对Massachusetts数据集里面的遥感道路图像进行操作来进行数据集的数据扩增，对数据集里面的遥感道路图像的标签图像进行语义约束角计算的数据预处理操作；S2，使用卷积神经网络提取遥感道路图像的特征图，并在卷积神经网络中加入位置注意力机制和通道注意力机制来计算不同通道和位置的特征权重，让网络模型能够更好的获取不同位置和不同通道的语义信息；S3，设计主损失函数，辅助损失函数来优化网络参数；S4，用训练好的模型在测试样本集上进行测试，经过网络模型的特征提取和特征上采样来得到最终的分割图像。
-
公开(公告)号：CN112720244B
公开(公告)日：2023-04-07
申请号：CN202011504783.9
申请日：2020-12-18
Applicant: 杭州电子科技大学
IPC: B24B37/00 , B24B37/005 , G06N20/00 , G05B13/04
Abstract: 本发明公开了一种基于开环交叉耦合迭代学习的水晶研磨控制方法与系统。其中一种基于开环交叉耦合迭代学学习的水晶研磨控制方法，包括以下步骤：S10，建立水晶研磨伺服系统数学模型；S20，建立离散型交叉耦合迭代学习控制器对位置进行控制；S30，产生新的控制信号；S40，得到跟踪误差；S50，经过轮廓误差分配模型补偿到各轴以消除每个轴对其它轴的影响。
-
Patent Agency Ranking
公开(公告)号：CN115047423A
公开(公告)日：2022-09-13
申请号：CN202210391944.0
申请日：2022-04-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于对比学习无监督预训练‑微调式的雷达目标识别方法，首先对原始样本进行预处理，进行数据扩充；然后采用reshape和数据增强的方式增加HRRP样本的结构多样性；再输入SimSiam模块；将SimSiam模块编码器网络的输出在下游分类模块上进行微调，通过shape操作后再输入下游分类模块中，最终实现HRRP识别分类；本发明中采用数据增强的方式，让模型学到更多的有效特征信息，有助于提升迁移到下游分类任务的识别性能。通过定义不同的下游分类模块能够得到各种不同的应用于HRRP目标识别的通用鲁棒模型，为雷达HRRP目标识别领域提供了一种新的思路和方法。
-
公开(公告)号：CN115032602A
公开(公告)日：2022-09-09
申请号：CN202210391547.3
申请日：2022-04-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多尺度卷积胶囊网络的雷达目标识别方法，利用改进的深度学习网络即多尺度卷积胶囊网络对目标HRRP进行识别分类，融合了泛化能力强的网络来充分捕捉HRRP中有效的结构信息，在构建复杂模型的同时还优化了网络中的参数，实现更快的收敛和更高的识别性能，基于CNN获取局部结构信息的能力和Inception结构，提出了多尺度CNN结构，从多个角度详细捕捉HRRP目标的不同层次的可分信息，增加了网络的稀疏性。同时将更鲁棒的胶囊网络作为CNN的补充，弥补了CNN难以体现目标HRRP序列结构信息的不足，以更强的拟合能力在雷达HRRP识别领域发挥更大的优势。
-
公开(公告)号：CN113381195B
公开(公告)日：2022-07-19
申请号：CN202110586109.8
申请日：2021-05-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于石墨烯三维相位可调谐透镜的高增益缝隙天线及方法。本发明天线采用一种石墨烯三维相位可调谐透镜，并将其放置在缝隙天线的前端，使得缝隙天线可以通过不同偏置电压下石墨烯的可重构特性对透镜单元进行调谐。不同偏置电压可以改变石墨烯材料的表面电阻，从而可以改变透镜的特性，进而改变缝隙天线孔径内的能量和相位分布，提高天线的增益并消除天线方向图畸变。同时，透镜加载的缝隙天线为新型的混合石墨烯‑金属结构缝隙天线，该天线的辐射缝隙结构采用石墨烯结构代替，这一结构进一步增强了天线孔径内能量的控制，并为缝隙天线带来了频率可重构特性。
-
公开(公告)号：CN114301747A
公开(公告)日：2022-04-08
申请号：CN202111627636.5
申请日：2021-12-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于SVM‑SRNN的调制信号识别方法首先准备数据集，进行数据预处理，然后搭建SVM模型得到SVM分类器，将每个信号通过S2数据预处理转换后输入SVM分类器，分离13种待分类信号和噪声信号，并去除噪声信号；最后搭建切片双向循环神经网络，对SVM分类器分离噪声后的信号进行信号特征提取，再通过softmax分类器完成分类；相比于使用RNN模型进行分类，SRNN的速度显著快于标准的RNN，而且不需要改变循环单元，并且SRNN具有提取序列高级信息的能力，具有更快的计算速度。本发明通过SVM‑SRNN模型组合进行调制信号分类，比传统的分类器具有更好的分类效果。
-
公开(公告)号：CN114092328A
公开(公告)日：2022-02-25
申请号：CN202111344541.2
申请日：2021-11-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于元学习的任意尺度图像下采样方法，包括如下步骤：基于元学习构建任意尺度图像下采样模型；所述图像下采样模型包括跳跃连接网络和前向神经网络；所述跳跃连接网络包括单尺度下采样网络和双三次插值方法；所述前向神经网络包括特征提取网络和基于元学习的卷积核参数预测网络；所述跳跃连接网络和前向神经网络的输出进行元素相加操作，得到低分辨率图像；对构建的图像下采样模型进行训练，通过训练好的图像下采样模型进行图像下采样。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.035 seconds)
