-
公开(公告)号：CN113989163B
公开(公告)日：2024-08-02
申请号：CN202111369184.5
申请日：2021-11-18
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC: G06T5/70 , G06T5/60 , G06N3/0475 , G06N3/094
Abstract: 本发明公开一种利用生成对抗网络对ISAR微型集群目标实现噪声抑制方法及系统，通过构建生成对抗网络；将带噪仿真数据并输入到生成器，得到第一输出,根据所述第一输出与无噪声仿真数据进行比较从而参与生成器损失，且将第一输出与无噪声仿真数据都输入到判别器进行去噪判别，将判别结果返回参与生成器损失；同时将实测数据并输入到生成器，得到第二输出，将第二输出输入判别器得到判别结果，将判别结果返回参与生成器损失。本发明提供的方法将实测数据加入训练过程，能够在实现增强鸟群信号强度的同时实现噪声抑制。不仅能较好的消除噪声，并且能够增强信号强度，在一定程度上提高了距离向分辨率。需要少量的仿真数据即可完成去噪。一定程度上提高距离向分辨率。
-
公开(公告)号：CN114092520B
公开(公告)日：2023-12-26
申请号：CN202111398967.6
申请日：2021-11-19
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC: G06T7/246 , G06T5/00 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开一种本发明提供的基于生成对抗网络的地面运动目标重聚焦方法及系统，通过距离多普勒成像算法生成训练样本；在散焦的运动目标中心位置生成理想高斯点标签图像；然后利用生成对抗网络，产生与标签图像接近的生成图像；通过判别网络得到判断结果，并将判别结果返回给生成网络，直到生成网络的输出到达预设条件；利用训练后的网络模型中，得到动目标聚焦的输出图像。该方法与传统的SAR动目标成像算法相比，可以直接将多个散焦的运动目标同时处理为聚焦良好的目标。传统的SAR数据处理方法，消除噪声和目标聚焦都是需要分别进行。本方法通过网络训练可以实现在消除噪声的同时完成动目标的重聚焦，一次实现两种功能。
-
公开(公告)号：CN115293223A
公开(公告)日：2022-11-04
申请号：CN202210536222.X
申请日：2022-05-17
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
Abstract: 本发明公开一种深度学习中相位解缠的细节损失优化方法及系统、存储介质，该方法通过构建用于进行相位解缠的生成对抗网络：包括生成器和判别器；所述生成器用于对缠绕相位数据进行解缠并生成图像；所述判别器用于判别生成器生成的图像的真假结果；确定生成对抗网络的混合损失函数，并通过训练生成对抗网络处理需要处理相位解缠数据。通过设置具有混合损失函数的生成对抗网络，经过训练的GAN保留使相位解缠结果尽可能保留纹理细节，有效的抑制了斑点噪声，显著降低了山谷中的斑点噪声。
-
公开(公告)号：CN113327205A
公开(公告)日：2021-08-31
申请号：CN202110610161.2
申请日：2021-06-01
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开一种基于卷积神经网络的相位去噪网络及方法，包括依次连接的输入端、编码器、解码器和输出端；输入端用于接收带噪干涉相位图像，编码器采用卷积神经网络提取带噪干涉相位图像中的相位特征，并根据相位特征预测出不含噪声的干涉相位；解码器采用与编码器对应的反卷积神经网络将不含噪声的干涉相位进行处理得到不含噪声的相位图像；输出端用于输出不含噪声的相位图像。该网络为相位去噪网络PDNNet，对包含噪声的干涉相位的图进行训练，由训练得到的神经网络去预测不含噪声的干涉相位图，达到去噪效果。基于神经网络的相位去噪算法能较好地保留相位边缘特征，能在较短时间内去除相位噪声，同时保证精度较高。
-
公开(公告)号：CN113327205B
公开(公告)日：2023-04-18
申请号：CN202110610161.2
申请日：2021-06-01
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
IPC: G06T5/00 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种基于卷积神经网络的相位去噪网络及方法，包括依次连接的输入端、编码器、解码器和输出端；输入端用于接收带噪干涉相位图像，编码器采用卷积神经网络提取带噪干涉相位图像中的相位特征，并根据相位特征预测出不含噪声的干涉相位；解码器采用与编码器对应的反卷积神经网络将不含噪声的干涉相位进行处理得到不含噪声的相位图像；输出端用于输出不含噪声的相位图像。该网络为相位去噪网络PDNNet，对包含噪声的干涉相位的图进行训练，由训练得到的神经网络去预测不含噪声的干涉相位图，达到去噪效果。基于神经网络的相位去噪算法能较好地保留相位边缘特征，能在较短时间内去除相位噪声，同时保证精度较高。
-
Patent Agency Ranking
公开(公告)号：CN113989163A
公开(公告)日：2022-01-28
申请号：CN202111369184.5
申请日：2021-11-18
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
Abstract: 本发明公开一种利用生成对抗网络对ISAR微型集群目标实现噪声抑制方法及系统，通过构建生成对抗网络；将带噪仿真数据并输入到生成器，得到第一输出,根据所述第一输出与无噪声仿真数据进行比较从而参与生成器损失，且将第一输出与无噪声仿真数据都输入到判别器进行去噪判别，将判别结果返回参与生成器损失；同时将实测数据并输入到生成器，得到第二输出，将第二输出输入判别器得到判别结果，将判别结果返回参与生成器损失。本发明提供的方法将实测数据加入训练过程，能够在实现增强鸟群信号强度的同时实现噪声抑制。不仅能较好的消除噪声，并且能够增强信号强度，在一定程度上提高了距离向分辨率。需要少量的仿真数据即可完成去噪。一定程度上提高距离向分辨率。
-
公开(公告)号：CN114092520A
公开(公告)日：2022-02-25
申请号：CN202111398967.6
申请日：2021-11-19
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
Abstract: 本发明公开一种本发明提供的基于生成对抗网络的地面运动目标重聚焦方法及系统，通过距离多普勒成像算法生成训练样本；在散焦的运动目标中心位置生成理想高斯点标签图像；然后利用生成对抗网络，产生与标签图像接近的生成图像；通过判别网络得到判断结果，并将判别结果返回给生成网络，直到生成网络的输出到达预设条件；利用训练后的网络模型中，得到动目标聚焦的输出图像。该方法与传统的SAR动目标成像算法相比，可以直接将多个散焦的运动目标同时处理为聚焦良好的目标。传统的SAR数据处理方法，消除噪声和目标聚焦都是需要分别进行。本方法通过网络训练可以实现在消除噪声的同时完成动目标的重聚焦，一次实现两种功能。
-
公开(公告)号：CN117092645A
公开(公告)日：2023-11-21
申请号：CN202311079723.0
申请日：2023-08-25
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开一种基于毫米波雷达数据的同步定位与建图方法及系统，获取若干毫米波数据；将毫米波数据转化为laserscan数据；增加相邻毫米波雷达数据帧之间的帧率；将处理后得到的毫米波雷达数据进行SLAM。该方法仅使用毫米波雷达数据进行SLAM，毫米波数据相较于激光雷达数据帧率更低，受噪声影响更大，针对毫米波雷达数据中噪声的特点，将毫米波数据进行切片和插值，抑制噪声的影响，再进行SLAM。与传统的激光雷达SLAM相比，本方法仅使用毫米波雷达进行SLAM，该方法可以在保证精度的同时有效降低成本。
-
公开(公告)号：CN115775332A
公开(公告)日：2023-03-10
申请号：CN202211487873.0
申请日：2022-11-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/764 , G06V10/82 , G06V10/74 , G06V10/774 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种基于VIT模型和原型网络的可解释SAR目标识别方法及系统，首先把数据集分为训练集与测试集,使用训练集来训练VIT模型；从训练集种选择部分数据作为支持集，并设置支持集的类别，使用训练好的VIT模型对支持集数据进行编码，得到支持数据编码向量；使用训练好的VIT模型对测试集进行编码，得到测试数据编码向量；计算测试数据编码向量各部位与支持数据编码向量各部位之间的L1距离，根据测试集数据与支持集数据的L1距离得到相似性向量；将相似性向量重新划分训练集与测试集，展平以后经过全连接网络进行训练与测试，最后得到分类结果。该方法使得神经网络在MSATR数据集上具有一定的可解释性；分类精度相对于原始VIT模型下降很低。
-
公开(公告)号：CN109270529B
公开(公告)日：2020-06-05
申请号：CN201811496155.3
申请日：2018-12-07
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于虚拟天线的前视阵列SAR高分辨成像方法，首先获取回波信号；根据雷达参数构造参考信号；参考信号与回波信号的共轭进行卷积，得到脉冲压缩之后的信号；然后根据脉冲压缩之后的信号检测出后向散射特性强的目标；构造虚拟天线，并构造出虚拟天线接收到的强后向散射点的信号；最后利用后向投影成像算法得到高分辨率图像；本发明提供的方法利用极少回波数据对强散射点进行高方位分辨率成像，且不受场景是否稀疏的限制；构造虚拟天线，并构造出虚拟天线应该接收到的强后向散射点的信号，与传统的成像方法相比，在前视SAR成像中，该方法能显著提高强散射点的方位向分辨率。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.025 seconds)
