-
公开(公告)号：CN116660833A
公开(公告)日：2023-08-29
申请号：CN202310679362.7
申请日：2023-06-08
Applicant: 桂林电子科技大学
Abstract: 本申请为探地雷达技术领域，本申请提供了一种探地雷达控制方法、装置、设备及存储介质，其中，所述方法包括：利用混沌映射产生符合探地雷达预设要求的频率序列组矩阵，根据预设的遗传算法优化所述频率序列组矩阵，得到正交离散频率编码发射波形集，基于所述正交离散频率编码发射波形集，调用探地雷达的双通道窄带、宽带收发器及异构系统级芯片向地面发射波形，并接收反射波形，对所述反射波形进行分析处理，得到探地结果，以提高工作效率，满足高速作业探测需求，提高雷达的探测精度，并且对于频谱分析和抑制干扰有着独特的优势，实现了探测深度和分辨率之间的平衡，且不需要复杂的信号处理技术。
-
公开(公告)号：CN112198506A
公开(公告)日：2021-01-08
申请号：CN202010961350.X
申请日：2020-09-14
Applicant: 桂林电子科技大学
Abstract: 本发明实施例涉及一种超宽带穿墙雷达学习成像的方法、装置、系统和可读存储介质，该方法获取隐蔽目标的回波散射数据；去除所述回波散射数据的墙体回波和噪声；根据衍射层析成像算法，构建傅里叶变换快速算子；基于所述回波散射数据和所述傅里叶变换快速算子，构建压缩感知稀疏重构模型；并将稀疏重构迭代算法展开成多层神经网络结构，通过训练数据集对网络模型中超参数训练。本发明通过随机降采样回波数据，大大地降低系统的频域数据采集量，减少了系统的数据采集时间；通过构建傅里叶变换快速算子，减少算法运行所需内存；通过数据驱动智能学习网络模型超参数，既降低计算复杂度，避免了稀疏重构方法迭代耗时的限制，又提高了成像质量。
-
公开(公告)号：CN113449637A
公开(公告)日：2021-09-28
申请号：CN202110722190.8
申请日：2021-06-28
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种毫米波雷达人体骨骼姿势估计方法和装置，该方法包括：获取测试样本集，所述测试样本集包括毫米波雷达点云数据；基于预先训练得到的人体目标骨骼估计网络模型对所述测试样本集进行分析估计，得到人体目标骨骼姿势；其中，所述人体目标骨骼估计网络模型包括多个由多层感应机构成的网络层。通过毫米波雷达采集点云数据，并从深度学习的角度出发，直接在点云数据上进行操作，采用多层感知机实现对输入点的卷积，通过对输入点的特征应用多层感知机，大大增加了模型的非线性表达能力，从而实现对人体骨骼姿势进行有效预测，进一步为康复治疗、人员安全检测、人机交互和步态分析等提供技术基础。
-
公开(公告)号：CN111766575A
公开(公告)日：2020-10-13
申请号：CN202010514374.0
申请日：2020-06-08
Applicant: 桂林电子科技大学
Abstract: 本发明适用于穿墙雷达成像领域，提供了一种穿墙雷达自聚焦稀疏成像方法及计算机设备。方法包括：获取扩展目标的回波信号，并构建以墙体厚度和相对介电常数作为参数的参数化字典信号模型；将扩展目标的稀疏特性作为先验信息，基于全变分约束的最大后验概率估计和参数化字典信号模型，构建包含参数化字典的目标函数；根据目标函数交替迭代更新稀疏反射系数和墙体参数，其中，用哈希表和线性卷积对更新公式中包含的字典矩阵的相关运算进行替代；达到迭代终止条件时，输出外循环终止时对应的墙体厚度和相对介电常数作为墙体参数估计值，对应的稀疏反射系数用于成像。本发明有效地保留了扩展目标的边缘特性，在消除墙体参数未知引起的目标位置偏移的同时使成像结果更清晰，且有效的减少运算时间，并在空间复杂度方面得到了改善。
-
公开(公告)号：CN111796272A
公开(公告)日：2020-10-20
申请号：CN202010513674.7
申请日：2020-06-08
Applicant: 桂林电子科技大学
Abstract: 本发明适用于穿墙雷达领域，提供了一种穿墙雷达人体图像序列的姿态实时识别方法及计算机设备。方法包括：根据目标的雷达回波信号通过人体图像生成算法构建隐藏人体目标运动时的人体图像序列；将隐藏人体目标运动时的人体图像序列按照预设的比例划分为训练集样本和测试集样本，并在对应时刻标注相应动作标签；通过3D卷积层和3D卷积门控循环单元相结合的方式构建人体姿态实时识别网络，并通过训练集样本对人体姿态实时识别网络进行训练；将测试集样本输入到训练后的人体姿态实时识别网络中，得到每个时刻的姿态类别。本发明具备了人体行为类型短时判决的能力，有效地解决了固定时间内动作不完整或存在两种动作时就很难区分出来等问题。
-
Patent Agency Ranking
公开(公告)号：CN108896990A
公开(公告)日：2018-11-27
申请号：CN201810444171.1
申请日：2018-05-10
Applicant: 桂林电子科技大学
Abstract: 本发明适用于建筑物墙体成像领域，提供了一种利用耦合模式字典学习的建筑物墙体成像方法和装置。所述方法包括：接收天线脉冲体制雷达系统采集的目标建筑物墙体的回波信号；通过随机测量矩阵对目标建筑物墙体的回波信号进行压缩采样获得观测值向量；依据自由空间传播特性设计成像字典，并基于观测值向量和成像字典构建压缩感知模型；根据压缩感知模型，通过耦合模式贝叶斯字典学习算法将墙后图像的稀疏信号矢量重构，得到建筑物墙体成像。本发明相比于现有方法整体提升了SOI中墙体扩展目标反射系数的重建性能，较好解决未知的数量、位置、墙体参数和测量噪声导致字典与成像场景失配而出现墙体像散焦、位置偏移等问题，同时有效减少成像所需数据量。
-
公开(公告)号：CN108562897A
公开(公告)日：2018-09-21
申请号：CN201810079149.1
申请日：2018-01-26
Applicant: 桂林电子科技大学
IPC: G01S13/89
Abstract: 本发明适用于穿墙雷达成像领域，提供了一种MIMO穿墙雷达的结构稀疏成像方法和装置。所述方法包括：对MIMO穿墙雷达阵列采集的扩展目标的回波信号进行稀疏变换，并构建基于伪随机m序列的伪随机测量矩阵进行压缩采样，进而构建感知矩阵；根据后向投影成像算法得到扩展目标散射系数初值，并预估用于正交匹配追踪压缩感知算法的索引集；根据马尔可夫随机场一阶邻域逐个传递过程充分考虑像素间的结构稀疏先验信息，得到新的索引集；然后重新计算扩展目标散射系数，直到满足收敛条件，将此时的扩展目标散射系数用于二维成像。本发明不需要人工设置分块参数，所需的存储空间小，降低了运算量和系统复杂度，易于硬件实现。
-
公开(公告)号：CN111766575B
公开(公告)日：2023-04-21
申请号：CN202010514374.0
申请日：2020-06-08
Applicant: 桂林电子科技大学
Abstract: 本发明适用于穿墙雷达成像领域，提供了一种穿墙雷达自聚焦稀疏成像方法及计算机设备。方法包括：获取扩展目标的回波信号，并构建以墙体厚度和相对介电常数作为参数的参数化字典信号模型；将扩展目标的稀疏特性作为先验信息，基于全变分约束的最大后验概率估计和参数化字典信号模型，构建包含参数化字典的目标函数；根据目标函数交替迭代更新稀疏反射系数和墙体参数，其中，用哈希表和线性卷积对更新公式中包含的字典矩阵的相关运算进行替代；达到迭代终止条件时，输出外循环终止时对应的墙体厚度和相对介电常数作为墙体参数估计值，对应的稀疏反射系数用于成像。本发明有效地保留了扩展目标的边缘特性，在消除墙体参数未知引起的目标位置偏移的同时使成像结果更清晰，且有效的减少运算时间，并在空间复杂度方面得到了改善。
-
公开(公告)号：CN112198506B
公开(公告)日：2022-11-04
申请号：CN202010961350.X
申请日：2020-09-14
Applicant: 桂林电子科技大学
Abstract: 本发明实施例涉及一种超宽带穿墙雷达学习成像的方法、装置、系统和可读存储介质，该方法获取隐蔽目标的回波散射数据；去除所述回波散射数据的墙体回波和噪声；根据衍射层析成像算法，构建傅里叶变换快速算子；基于所述回波散射数据和所述傅里叶变换快速算子，构建压缩感知稀疏重构模型；并将稀疏重构迭代算法展开成多层神经网络结构，通过训练数据集对网络模型中超参数训练。本发明通过随机降采样回波数据，大大地降低系统的频域数据采集量，减少了系统的数据采集时间；通过构建傅里叶变换快速算子，减少算法运行所需内存；通过数据驱动智能学习网络模型超参数，既降低计算复杂度，避免了稀疏重构方法迭代耗时的限制，又提高了成像质量。
-
公开(公告)号：CN111796272B
公开(公告)日：2022-09-16
申请号：CN202010513674.7
申请日：2020-06-08
Applicant: 桂林电子科技大学
IPC: G01S13/88 , G01S7/41 , G06V40/10 , G06V10/764
Abstract: 本发明适用于穿墙雷达领域，提供了一种穿墙雷达人体图像序列的姿态实时识别方法及计算机设备。方法包括：根据目标的雷达回波信号通过人体图像生成算法构建隐藏人体目标运动时的人体图像序列；将隐藏人体目标运动时的人体图像序列按照预设的比例划分为训练集样本和测试集样本，并在对应时刻标注相应动作标签；通过3D卷积层和3D卷积门控循环单元相结合的方式构建人体姿态实时识别网络，并通过训练集样本对人体姿态实时识别网络进行训练；将测试集样本输入到训练后的人体姿态实时识别网络中，得到每个时刻的姿态类别。本发明具备了人体行为类型短时判决的能力，有效地解决了固定时间内动作不完整或存在两种动作时就很难区分出来等问题。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.043 seconds)
