公开(公告)号：CN119341668A

公开(公告)日：2025-01-21

申请号：CN202411611717.X

申请日：2024-11-12

Applicant: 西安电子科技大学 ,  北京遥测技术研究所

Inventor： 王海 ,  董优强 ,  张敏 ,  王静温 ,  高晨宇

IPC: H04B17/309 ,  H04B17/318 ,  H04B17/391 ,  G06N3/0464

Abstract: 本发明公开了一种基于异构图卷积网络的频谱感知方法，主要解决现有技术在非理想信道环境下探测效果不佳，鲁棒性和泛化性弱以及可扩展性差的问题。包括：1)使用复用网络中的节点表征多模态信息，层内边和层间边建模多模态信息的潜在的相关性；2)使用非线性映射函数将不同模态信息映射到公共维度空间，构建用于复用网络节点属性聚合的异构图卷积，再结合全局池化层和分类器得到异构图卷积网络；3)将复用网络输入异构图卷积网络，训练至收敛；4)使用训练好的异构图卷积网络实现频谱感知。本发明结合多模态信息与异构图卷积网络，并以端到端的方式进行优化，有效缓解非理想信道环境造成的性能衰落，同时增强频谱感知算法的鲁棒性和泛化性。

公开(公告)号：CN118468941A

公开(公告)日：2024-08-09

申请号：CN202410697663.7

申请日：2024-05-31

Applicant: 西安电子科技大学

Inventor： 张敏 ,  熊梓廷 ,  黄荣辉 ,  王海 ,  董优强 ,  赵少博

IPC: G06N3/0464 ,  G06N5/04 ,  G06N3/042 ,  G06N3/045 ,  G06N3/06 ,  G06N3/048 ,  G06F13/28

Abstract: 本发明公开了基于FPGA的高精度YOLOv5s加速系统，主要解决现有模型尺寸较大，自定义部署网络困难以及检测精度不佳的问题。系统包括：YOLOv5s网络模型压缩优化单元和硬件加速单元两部分；其中YOLOv5s模型压缩优化单元通过知识蒸馏联合INT8量化设计实现对YOLOv5s模型的尺寸压缩和检测精度的提升；硬件加速单元由包含卷积加速模块和后处理模块的FPGA、作为任务调度的ARM以及直实现数据流读写的DMA构成；在卷积加速模块中设计了动态特征复用缓存结构，达到数据复用的同时减少寻址频繁所带来的延时问题；本发明通过软硬件紧密结合形成高精度、低功耗的加速系统，有效提升了计算效率。

公开(公告)号：CN116471154A

公开(公告)日：2023-07-21

申请号：CN202310584967.8

申请日：2023-05-23

Applicant: 西安电子科技大学

Inventor： 王海 ,  师梦瑶 ,  张敏 ,  董优强

IPC: H04L27/00 ,  G06N3/0464 ,  G06N3/048 ,  G06F18/241 ,  G06F18/25 ,  G06F18/213

Abstract: 本发明提出了一种基于多域混合注意力的调制信号识别方法，主要解决现有方法提取特征不完备、在低信噪比下识别准确率较低的问题。方案包括：1)对离散复信号进行预处理，得到I/Q/A/P/F序列；2)构建空间特征提取模块提取序列的幅度等波形特征；3)利用离散余弦变换得到频域特征，并通过频域注意力模块提取不同频率分量的特征信息；4)构建时间特征提取模块挖掘空间特征和频域特征间的依赖关系并进行深层融合，获得调制信号的时间特征；5)将时间特征输入至分类器，经过分类器输出调制信号类别的识别结果。本发明能够获取不同域特征间的关联、互补性，增强模型稳定性及可靠性，有效提升低信噪比下各调制信号的识别准确率。

公开(公告)号：CN116310830A

公开(公告)日：2023-06-23

申请号：CN202310292428.7

申请日：2023-03-23

Applicant: 西安电子科技大学

Inventor： 王海 ,  林生 ,  张敏 ,  成曦 ,  赵少博 ,  董优强

IPC: G06V20/10 ,  G06V10/772 ,  G06V10/774 ,  G06V10/26 ,  G06V10/28

Abstract: 本发明提出了一种空‑谱协同引导联合字典构建的高光谱异常检测方法，用于解决构建字典时背景光谱和异常光谱信息挖掘不充分及噪声干扰导致检测性能不佳的问题。包括：1)分别利用空间检测器和光谱检测器对输入高光谱图像进行检测，获取检测图；2)根据检测图构建背景集和异常集；3)对任意待测像素，从背景集和异常集中挑选特定数量的像素构建背景子字典和异常子字典，并将两者合并形成联合字典；4)建立基于联合字典的协同表示模型，对其优化求解得到估计的系数向量；5)将异常子字典和对应系数的乘积作为检测结果。本发明在构建字典时充分挖掘背景光谱和异常光谱信息，且有效规避了表示残差向量中噪声的影响，提升了高光谱异常检测性能。

公开(公告)号：CN115731472A

公开(公告)日：2023-03-03

申请号：CN202211584933.0

申请日：2022-12-09

Applicant: 西安电子科技大学

Inventor： 王海 ,  林生 ,  张敏 ,  成曦 ,  赵少博 ,  董优强

IPC: G06V20/10 ,  G06V10/762 ,  G06V10/80 ,  G06V10/26

Abstract: 本发明公开了一种融合稀疏表示和协同表示的高光谱异常检测方法，主要解决现有检测方法中构建的背景字典表示效果不佳、检测性能差的问题。包括：1)构建过完备字典，建立稀疏表示模型，优化求解并计算稀疏残差特征；2)构建背景字典，建立协同表示模型，优化求解并计算协同残差特征；3)将稀疏残差特征和协同残差特征进行非线性融合，得到初始检测结果；4)利用引导滤波对初始检测结果进行后处理，得到最终检测结果。本发明摒弃了以双窗口方式构建背景字典，自动从稀疏表示模型中挑选使用的原子作为背景字典，并且结合稀疏残差特征和协同残差特征，有效提升高光谱异常检测效果。

公开(公告)号：CN115719478A

公开(公告)日：2023-02-28

申请号：CN202211479381.7

申请日：2022-11-24

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 王海 ,  胡强 ,  郭宪章 ,  黄乐天

IPC: G06V20/56 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开一种独立于无关信息的加速强化学习的端到端自动驾驶方法，包括以下步骤：1)在包含动态场景和静态场景的情况下，利用前置摄像头收集的图像信息，将原始图像作为自动编码器的输入；2)在自动编码器中将原始数据分类为相关特征数据集和无关特征数据集，对自动编码器进行训练；3)自动编码器输出作为强化学习网络的输入；4)强化学习网络在基于FPGA的加速平台下进行推理和训练，进而得到控制命令。本发明通过训练自动编码器使其能够在所有的输入图像中忽略无关的特征，并将其作为深度强化学习网络的输入，对神经网络进行训练获得沿着道路安全行驶的策略，本发明能够克服强化学习效率低、学习慢的问题，最终的输出命令以控制车辆。

公开(公告)号：CN114337881B

公开(公告)日：2023-02-03

申请号：CN202111422536.9

申请日：2021-11-26

Applicant: 西安电子科技大学

Inventor： 迟文升 ,  王海 ,  张敏 ,  赵少博 ,  林生

IPC: H04B17/382 ,  G06F17/11

Abstract: 本发明提出了一种基于多无人机分布式与LMS的无线频谱智能感知方法。主要解决现有无线频谱感知技术使得算法计算量大、参数估计缓慢的问题。方案包括：1)通过采用获取待检信号和噪声信号；2)将采样得到的待检信号与噪声信号的能量均值相比得到信噪比估计值；3)设立信噪比阈值，并进行阈值判断；4)根据判断结果选择无人机的频谱检测方式，采用单点的LMS频谱检测或分布式扩散协作式的频谱检测对其进行检测，得到检测结果；5)根据检测结果对待检信号中的闲置频谱进行利用，实现频谱感知。本发明有效降低了算法复杂度，具有计算量小、参数估计快且准确率高的特点。

公开(公告)号：CN114490506A

公开(公告)日：2022-05-13

申请号：CN202210074492.3

申请日：2022-01-21

Applicant: 电子科技大学

Inventor： 王海 ,  祖柏杨 ,  胡强

IPC: G06F15/78 ,  G06F9/50

Abstract: 本发明属于电子设计自动化领域，提出一种考虑通讯延迟的多核系统选核算法。本发明对二维同构多核芯片进行芯片热建模，相较于传统的芯片模型，这里主要使用2D‑mesh Noc架构芯片。本发明设计的技术方案可以有效的在多核暗硅芯片系统中进行选核，提升芯片性能并保证芯片可靠性与较低通讯延时。对于选核算法的计算过程，首先计算出候选核心的功率预算，然后构建候选核心与已选核心的通讯频次，通讯距离矩阵，计算当前候选核心对应的alpha向量，最后求解候选核心对应的有效翻转频率，选择有效翻转频率最大的候选核心作为下一个开启核心，最后重复上述过程直至所有任务都找到能映射的核心，并匹配核心的频率。本发明提出的多核系统的选核算法可以对二维同构多核暗硅芯片进行有效的选核并充分提高芯片性能。

公开(公告)号：CN114005044A

公开(公告)日：2022-02-01

申请号：CN202111273588.4

申请日：2021-10-29

Applicant: 西安电子科技大学

Inventor： 王海 ,  林生 ,  张敏 ,  成曦 ,  周科学

IPC: G06V20/13 ,  G06V10/28 ,  G06V10/762 ,  G06V10/764 ,  G06K9/62

Abstract: 本发明提出了一种基于超像素和渐进式低秩表示的高光谱图像异常检测方法，主要针对现有低秩表示过程中构建的背景字典纯净度低且不全面，检测结果不佳的问题。包括：采用基于正交投影散度的超像素分割法对待测高光谱图像进行分割，得到同质区域集；再以所得同质区域的质心为原子构建背景字典，然后对图像进行低秩表示，并以获取的异常部分计算检测结果，最后以该检测结果为基准筛选纯净同质区域，以其质心为原子构成新背景字典，继续低秩表示操作；重复上述过程直到检测结果不变，即获得最终检测结果。本发明能够获取纯净且全面的背景字典，有利于更好地描述背景特性，从而获取更具有区分性的异常部分，进而有效提升了高光谱图像异常检测效果。

公开(公告)号：CN113902099A

公开(公告)日：2022-01-07

申请号：CN202111171312.5

申请日：2021-10-08

Applicant: 电子科技大学

Inventor： 李曙光 ,  薛飞 ,  欧俊宏 ,  王海 ,  程洪

IPC: G06N3/04 ,  G06N3/063

Abstract: 本发明公开了一种基于软硬件联合学习的神经网络设计与优化方法，该方法包括神经网络结构规律统计；FPGA硬件特性预测；FPGA神经网络结构空间设计；在搜索空间中运用软硬件联合学习方法，结合随机搜索和分块监督搜索，获得主干神经网络。本发明基于神经网络的设计特性和FPGA的硬件特性，构建了一个具有先验信息的搜索空间，这是搜索建立的方向；同时，通过将随机搜索和块监督搜索与FPGA模型预测相结合，得到了一种具有精度和速度平衡的高效神经网络模型。该模型在ZCU102上达到了在ImageNet数据集上77.2％的Top‑1准确率以及327.67FPS的速度。