-
公开(公告)号：CN116305998A
公开(公告)日：2023-06-23
申请号：CN202310325255.4
申请日：2023-03-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于交替迭代的共形阵列离格参数估计方法，属于雷达通信技术领域。本发明利用稀疏入射信号与接收数据的强相关性，对空域稀疏进行了降维，基于残差最小，建立稀疏入射信号的代价函数，利用对数函数的促稀疏性，使用对数函数代替l0范数，使用极大极小算法求解问题，且求解过程使用交替迭代的思想，使用梯度下降算法更新俯仰角方位角和最优稀疏信号解，根据稀疏入射信号解计算极化信息。本发明方法可以解决离格问题，同时因为测量时没有利用接收数据协方差矩阵，低快拍下仍然有很好的效果。
-
Patent Agency Ranking
公开(公告)号：CN109086707A
公开(公告)日：2018-12-25
申请号：CN201810823018.X
申请日：2018-07-25
Applicant: 电子科技大学
Abstract: 本发明属于表情追踪技术，具体的说是一种基于DCNNs-LSTM模型的表情追踪方法。本发明考虑到卷积神经网络在图像特征提取上的有效性及长短期记忆网络在处理存在时间序列信息上的优势，提出一种结合DCNN和LSTM的深度神经网络模型用于处理面部68个特征点及眼神、头部特征信息的提取。数据集囊括了老年、青年、少年及中外等不同的人脸图像及对应的标签文件，训练好的模型可同时实现对面部、眼神及头部三维特征信息的提取。本发明将提取出的三维特征信息做三角网格重建并计算网格各顶点的欧氏距离，由数据转换模型将欧氏距离转变为动画人物可识别的形变系数，实现一种表情、头部迁移效果。
-
公开(公告)号：CN108717732B
公开(公告)日：2022-05-17
申请号：CN201810486472.0
申请日：2018-05-21
Applicant: 电子科技大学
Abstract: 本发明属于表情追踪技术，具体的说是一种基于MobileNets模型的表情追踪方法。本发明主要包括：通过预处理生成训练数据集，所述预处理为使得数据集中每一张图片的人脸均具有三维特征坐标；采用一个标准卷积层、12个分离卷积层、1个均值池化层以及全连接层和Softmax构建神经网络MobileNets模型；所述12个分离卷积层为6个深度卷积与6个点卷积；采用获得的训练数据集对构建的神经网络MobileNets模型进行训练；采用训练好的神经网络MobileNets模型获取输入图像的人脸三维特征点坐标；对模型提取的人脸三维特征点坐标做网格重建生成形变系数，用于对人脸3D模型进行控制，实现表情追踪。本发明的有益效果为，兼顾了模型大小与运行速度，因而可适应于移动设备，具有较强的实用性。
-
公开(公告)号：CN119357559A
公开(公告)日：2025-01-24
申请号：CN202411518038.8
申请日：2024-10-29
Applicant: 杭州电子科技大学
IPC: G06F18/10 , A61B5/00 , A61B5/02 , A61B5/026 , G06F18/213 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及生物医学数据处理领域，具体是一种基于长短期记忆的自编码器实现功能近红外去伪影的方法，该方法分三个阶段对原始近红外信号处理：1)通过下采样模块对原始近红外信号进行形态特征提取；2)长短期记忆模块捕获单个样本之间的时间相关性来增强特征；3)上采样模块从潜在空间中恢复并重建近红外信号的形态特征信息。最终，在输出层输出重构后的纯净近红外信号。本发明克服了传统信号处理的运动伪影去除方法过于依赖于专业知识和大脑区域的模型参数的最佳选择的缺点，实现了运动伪影的全自动去除，结果显示该方法在不同的数据集上均取得良好的去噪结果。
-
公开(公告)号：CN116224240A
公开(公告)日：2023-06-06
申请号：CN202310225632.7
申请日：2023-03-10
Applicant: 电子科技大学
Abstract: 本发明涉及雷达通信技术，公开了一种基于最大输出信噪比的共形极化阵发射方向图赋形算法。本发明首先综合考虑阵元各向相异以及载体遮蔽效应，根据阵元局部方向图，建立共形阵列模型。然后，构造基于最大输出信噪比的共形极化阵发射方向图赋形凸优化模型。最后利用逐步递进的思想确定模型参数，从而对权向量进行求解，得到最优权向量。该方法从输出信噪比最大的角度对共形极化阵列发射端波束赋形展开研究。在多约束的前提下巧妙的构造了最优化模型，使得阵列输出信噪比增大的同时，主波束指向和极化信息得到有效约束，峰值旁瓣电平和交叉极化电平也得到有效降低，并且还能够在特定角度范围内形成凹陷。
-
公开(公告)号：CN108717732A
公开(公告)日：2018-10-30
申请号：CN201810486472.0
申请日：2018-05-21
Applicant: 电子科技大学
Abstract: 本发明属于表情追踪技术，具体的说是一种基于MobileNets模型的表情追踪方法。本发明主要包括：通过预处理生成训练数据集，所述预处理为使得数据集中每一张图片的人脸均具有三维特征坐标；采用一个标准卷积层、12个分离卷积层、1个均值池化层以及全连接层和Softmax构建神经网络MobileNets模型；所述12个分离卷积层为6个深度卷积与6个点卷积；采用获得的训练数据集对构建的神经网络MobileNets模型进行训练；采用训练好的神经网络MobileNets模型获取输入图像的人脸三维特征点坐标；对模型提取的人脸三维特征点坐标做网格重建生成形变系数，用于对人脸3D模型进行控制，实现表情追踪。本发明的有益效果为，兼顾了模型大小与运行速度，因而可适应于移动设备，具有较强的实用性。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
