公开(公告)号：CN113468804A

公开(公告)日：2021-10-01

申请号：CN202110646373.6

申请日：2021-06-10

Applicant: 电子科技大学

Inventor： 马春光 ,  杨坤 ,  周静晗 ,  聂凯 ,  季玉斌 ,  孙浩然 ,  罗勇

IPC: G06F30/27 ,  G06F30/23 ,  G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F113/14

Abstract: 本发明公开了一种基于矩阵束与深度神经网络的地下管道识别方法，属于基于深度神经网络的识别技术领域。本发明针对现有技术中对城市地下管道现识别处理的不足，本发明提供了一种基于矩阵束与深度神经网络的地下管道识别方法，本发明采用一种高效的回波信号数据处理方法，将传统基于深度学习地下目标识别方法中的图像样本转移到频率域和衰减域样本中去，进而基于所设置深度卷积神经网络模型实现管道目标的高效、高准确度识别。

公开(公告)号：CN113468804B

公开(公告)日：2023-09-19

申请号：CN202110646373.6

申请日：2021-06-10

Applicant: 电子科技大学

Inventor： 马春光 ,  杨坤 ,  周静晗 ,  聂凯 ,  季玉斌 ,  孙浩然 ,  罗勇

IPC: G06F30/27 ,  G06F30/23 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08 ,  G06F113/14

Abstract: 本发明公开了一种基于矩阵束与深度神经网络的地下管道识别方法，属于基于深度神经网络的识别技术领域。本发明针对现有技术中对城市地下管道现识别处理的不足，本发明提供了一种基于矩阵束与深度神经网络的地下管道识别方法，本发明采用一种高效的回波信号数据处理方法，将传统基于深度学习地下目标识别方法中的图像样本转移到频率域和衰减域样本中去，进而基于所设置深度卷积神经网络模型实现管道目标的高效、高准确度识别。

公开(公告)号：CN114265031A

公开(公告)日：2022-04-01

申请号：CN202111463858.8

申请日：2021-12-03

Applicant: 电子科技大学

Inventor： 马春光 ,  聂凯 ,  赵俊宇 ,  周静晗 ,  刘国 ,  罗勇

IPC: G01S7/41 ,  G01S7/36 ,  G05B19/042

Abstract: 本发明公开了一种基于FPGA的井中雷达高速实时数据采集系统，属于超宽带雷达系统。该系统包括FPGA控制模块、一体化的数据接收采集模块、数据存储模块、数据传输模块和数模混合电源模块。本发明系统实现了井中雷达系统中高速数据接收与采集、数据存储与传输的一体化，解决了传统接收‑采集分离式设计中的稳定性差、集成度低、抗干扰能力弱的问题；并且不同于以往的模拟与数字系统分开设计，变为数模混合电路设计，进一步提升了系统稳定性；同时还能够根据被采集目标状态自动调节低噪声放大器增益，避免ADC采集数据饱和或失真导致的采样精度降低。