-
公开(公告)号：CN108919227B
公开(公告)日：2021-12-31
申请号：CN201810940572.6
申请日：2018-08-17
Applicant: 电子科技大学
IPC: G01S7/41
Abstract: 本发明属于外辐射源雷达的实时信号处理技术领域，涉及一种基于GPU加速的多通道FBLMS实现方法。本发明针对FBLMS算法内部结构进行优化，在对参考数据进行分块和重叠后，对其进行FFT变换，再进行权值迭代；在权系数迭代之前进行FFT变换，减少了迭代过程中FFT的运算量，提高了运算速度。实现了对多通道回波信号的杂波抑制，利用GPU并行处理，满足实时性要求。在GPU显存充足的情况下，可以支持多通道的杂波抑制处理，并保持运算时间基本不变。
-
公开(公告)号：CN107657243B
公开(公告)日：2019-07-02
申请号：CN201710939169.7
申请日：2017-10-11
Applicant: 电子科技大学
Abstract: 本发明属于雷达技术领域，具体的说是涉及一种基于遗传算法优化的神经网络雷达一维距离像目标识别方法。本发明的方法首先通过对原始一维距离像进行选择和截断等预处理操作；其次，采用时段原则对数据集进行划分，同时对训练集中各目标进行二次等量随机抽取，获得两个同构训练子集；接着，本发明提出了神经网络与遗传算法双向优化的方法，利用训练网络在不同迭代次数时所产生的网络参数，初始化一定数目的染色体；然后，采用遗传算法对染色体进行交叉变异等操作；随后，根据所选最优染色体对新的神经网络识别系统赋初值，选择新的训练子集作为网络输入，采用随机梯度下降法对网络进行训练，加快了训练网络的收敛速度，同时提升了一定的识别率。
-
公开(公告)号：CN108053842B
公开(公告)日：2021-09-14
申请号：CN201711330638.1
申请日：2017-12-13
Applicant: 电子科技大学
Abstract: 本发明属于语音检测领域，尤其基于图像识别的短波语音端点检测方法。本发明的技术方案为：首先对数据进行预处理，提高信噪比；然后按特定长度分帧，同时进行短时傅里叶变换，从而得到语谱图；最后使用图像识别方法寻找语谱图中的声纹，依据声纹分布确定数据中有话段。采用本发明方法在预处理后的语音具有相似信噪比，后续步骤不需要调节参数，因此，本发明方法可以从不同背景噪声中自适应地选取有话段。
-
Patent Agency Ranking
公开(公告)号：CN107657243A
公开(公告)日：2018-02-02
申请号：CN201710939169.7
申请日：2017-10-11
Applicant: 电子科技大学
CPC classification number: G06K9/0063 , G06K9/6256 , G06N3/0454 , G06N3/086 , G06N3/126
Abstract: 本发明属于雷达技术领域，具体的说是涉及一种基于遗传算法优化的神经网络雷达一维距离像目标识别方法。本发明的方法首先通过对原始一维距离像进行选择和截断等预处理操作；其次，采用时段原则对数据集进行划分，同时对训练集中各目标进行二次等量随机抽取，获得两个同构训练子集；接着，本发明提出了神经网络与遗传算法双向优化的方法，利用训练网络在不同迭代次数时所产生的网络参数，初始化一定数目的染色体；然后，采用遗传算法对染色体进行交叉变异等操作；随后，根据所选最优染色体对新的神经网络识别系统赋初值，选择新的训练子集作为网络输入，采用随机梯度下降法对网络进行训练，加快了训练网络的收敛速度，同时提升了一定的识别率。
-
公开(公告)号：CN107463966A
公开(公告)日：2017-12-12
申请号：CN201710705891.4
申请日：2017-08-17
Applicant: 电子科技大学
CPC classification number: G06K9/6292 , G01S7/417 , G06K9/6296 , G06N3/02
Abstract: 本发明属于雷达技术领域，具体的说是涉及一种基于双深度神经网络的雷达一维距离像目标识别方法。本发明的方法首先对目标的一维距离像数据进行随机距离扰动、样本扩展、加噪声等预处理操作，以增强识别系统的鲁棒性；随后结合深度学习理论，提出了具有自适应性学习率的双深度神经网络(DDNN)，对其进行无监督预训练和有监督微调，得到DDNN模型参数；然后利用DDNN对各测试样本进行预识别，得到各样本在两个子网络中的预识别结果；最后根据预识别结果，利用改进的DS证据理论对其进行时空多级决策融合，并得到目标识别结果。
-
公开(公告)号：CN107463966B
公开(公告)日：2019-06-18
申请号：CN201710705891.4
申请日：2017-08-17
Applicant: 电子科技大学
Abstract: 本发明属于雷达技术领域，具体的说是涉及一种基于双深度神经网络的雷达一维距离像目标识别方法。本发明的方法首先对目标的一维距离像数据进行随机距离扰动、样本扩展、加噪声等预处理操作，以增强识别系统的鲁棒性；随后结合深度学习理论，提出了具有自适应性学习率的双深度神经网络(DDNN)，对其进行无监督预训练和有监督微调，得到DDNN模型参数；然后利用DDNN对各测试样本进行预识别，得到各样本在两个子网络中的预识别结果；最后根据预识别结果，利用改进的DS证据理论对其进行时空多级决策融合，并得到目标识别结果。
-
公开(公告)号：CN108919227A
公开(公告)日：2018-11-30
申请号：CN201810940572.6
申请日：2018-08-17
Applicant: 电子科技大学
IPC: G01S7/41
Abstract: 本发明属于外辐射源雷达的实时信号处理技术领域，涉及一种基于GPU加速的多通道FBLMS实现方法。本发明针对FBLMS算法内部结构进行优化，在对参考数据进行分块和重叠后，对其进行FFT变换，再进行权值迭代；在权系数迭代之前进行FFT变换，减少了迭代过程中FFT的运算量，提高了运算速度。实现了对多通道回波信号的杂波抑制，利用GPU并行处理，满足实时性要求。在GPU显存充足的情况下，可以支持多通道的杂波抑制处理，并保持运算时间基本不变。
-
公开(公告)号：CN108053842A
公开(公告)日：2018-05-18
申请号：CN201711330638.1
申请日：2017-12-13
Applicant: 电子科技大学
Abstract: 本发明属于语音检测领域，尤其基于图像识别的短波语音端点检测方法。本发明的技术方案为：首先对数据进行预处理，提高信噪比；然后按特定长度分帧，同时进行短时傅里叶变换，从而得到语谱图；最后使用图像识别方法寻找语谱图中的声纹，依据声纹分布确定数据中有话段。采用本发明方法在预处理后的语音具有相似信噪比，后续步骤不需要调节参数，因此，本发明方法可以从不同背景噪声中自适应地选取有话段。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
