-
公开(公告)号：CN115578414A
公开(公告)日：2023-01-06
申请号：CN202211180220.8
申请日：2022-09-27
Applicant: 电子科技大学 , 四川三联新材料有限公司
IPC: G06T7/246 , G06T7/73 , G06T7/136 , G06T7/194 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种高速运动滤棒爆珠异常鉴别方法，首先采集高速运动滤棒爆珠图像，对图像进行预处理，利用二值化处理实现图像的背景和前景分离，定位需要进行异常检测的目标区域，将目标位置信息和提取的目标纹理特征进行融合，作为目标异常检测网络的输入，然后收集并标注正常样本，生成正常样本训练集，搭建集成了CBAM注意力机制模块的深度卷积神经网络，自动提取目标的有效特征并给出异常检测结果，实现高速运动目标异常的准确检测。本发明的方法利用图像预处理和特征提取的手段，保证目标区域的有效特征表达，可根据不同的样本种类调节提取特征方法及网络结构，在正常样本的训练下可较高地保证异常检测的识别率，实现目标异常的高效检测。
-
公开(公告)号：CN115526908A
公开(公告)日：2022-12-27
申请号：CN202211180591.6
申请日：2022-09-27
Applicant: 电子科技大学 , 四川三联新材料有限公司
IPC: G06T7/246 , G06T7/73 , G06T7/13 , G06T7/194 , G06V10/80 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种高速运动滤棒爆珠检测与定位方法，首先采集高速运动滤棒爆珠图像，对图像进行预处理，利用边缘检测方法得到目标的初步像素点区域，再使用聚类算法得到前景类和背景类区域，与之前得到的目标区域进行交集运算确定目标的准确像素点区域，然后对图像进行标注，合理生成样本训练集、验证集与测试集，搭建包含SPP结构和SE模块的深度卷积神经网络，完成对不同尺寸特征图的融合，赋予每个通道自适应权重，实现对目标的准确检测和定位，本发明的方法结合边缘检测和图像聚类两种方式，准确定位目标区域，去除干扰且方便标注，根据不同的样本种类调节获取目标区域方法及网络结构，在样本的训练后可较高地保证检测率，实现目标的准确定位。
-
公开(公告)号：CN115526908B
公开(公告)日：2025-02-11
申请号：CN202211180591.6
申请日：2022-09-27
Applicant: 电子科技大学 , 四川三联新材料有限公司
IPC: G06T7/246 , G06T7/73 , G06T7/13 , G06T7/194 , G06V10/80 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种高速运动滤棒爆珠检测与定位方法，首先采集高速运动滤棒爆珠图像，对图像进行预处理，利用边缘检测方法得到目标的初步像素点区域，再使用聚类算法得到前景类和背景类区域，与之前得到的目标区域进行交集运算确定目标的准确像素点区域，然后对图像进行标注，合理生成样本训练集、验证集与测试集，搭建包含SPP结构和SE模块的深度卷积神经网络，完成对不同尺寸特征图的融合，赋予每个通道自适应权重，实现对目标的准确检测和定位，本发明的方法结合边缘检测和图像聚类两种方式，准确定位目标区域，去除干扰且方便标注，根据不同的样本种类调节获取目标区域方法及网络结构，在样本的训练后可较高地保证检测率，实现目标的准确定位。
-
公开(公告)号：CN115508829B
公开(公告)日：2025-05-06
申请号：CN202211285694.9
申请日：2022-10-20
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
IPC: G01S13/89 , G01S7/41 , G06T3/4053 , G06T3/4007
Abstract: 本发明公开了一种基于多帧重建的毫米波雷达方位超分辨方法，首先建立毫米波雷达方位多帧超分辨成像模型，然后进行移位估计并获取初始高分辨估计帧，接着构造凸集约束，利用多帧回波数据之间的方位向残差对初始高分辨估计帧进行方位向投影，最终实现方位超分辨成像。本发明的方法解决了传统毫米波实波束成像方法方位分辨率低的问题，能够充分利用多帧回波数据之间的互补信息，获得比现有超分辨方法更高的方位分辨率，提高了毫米波雷达的方位成像分辨率。
-
公开(公告)号：CN115688573B
公开(公告)日：2025-06-03
申请号：CN202211342831.8
申请日：2022-10-31
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
Abstract: 本发明公开了一种基于种群距离的稀疏阵列设计方法，首先建立一种粒子群个体和群体模型，然后设计粒子群算法的适应度函数，计算粒子群的群体距离，通过群体距离动态调整惯性权值，实现粒子群算法的全局收敛，得到天线的稀疏布阵结构，完成基于种群距离的稀疏阵列设计。本发明的方法解决了传统二进制粒子群算法容易收敛于局部最优解的缺点，当粒子群算法出现早熟问题，即过早收敛时能够跳出当前收敛点，寻找更优解，得到旁瓣更低的阵列分布。
-
Patent Agency Ranking
公开(公告)号：CN115688573A
公开(公告)日：2023-02-03
申请号：CN202211342831.8
申请日：2022-10-31
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
Abstract: 本发明公开了一种基于种群距离的稀疏阵列设计方法，首先建立一种粒子群个体和群体模型，然后设计粒子群算法的适应度函数，计算粒子群的群体距离，通过群体距离动态调整惯性权值，实现粒子群算法的全局收敛，得到天线的稀疏布阵结构，完成基于种群距离的稀疏阵列设计。本发明的方法解决了传统二进制粒子群算法容易收敛于局部最优解的缺点，当粒子群算法出现早熟问题，即过早收敛时能够跳出当前收敛点，寻找更优解，得到旁瓣更低的阵列分布。
-
公开(公告)号：CN115508829A
公开(公告)日：2022-12-23
申请号：CN202211285694.9
申请日：2022-10-20
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
Abstract: 本发明公开了一种基于多帧重建的毫米波雷达方位超分辨方法，首先建立毫米波雷达方位多帧超分辨成像模型，然后进行移位估计并获取初始高分辨估计帧，接着构造凸集约束，利用多帧回波数据之间的方位向残差对初始高分辨估计帧进行方位向投影，最终实现方位超分辨成像。本发明的方法解决了传统毫米波实波束成像方法方位分辨率低的问题，能够充分利用多帧回波数据之间的互补信息，获得比现有超分辨方法更高的方位分辨率，提高了毫米波雷达的方位成像分辨率。
-
公开(公告)号：CN115562620A
公开(公告)日：2023-01-03
申请号：CN202211246457.1
申请日：2022-10-12
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
Abstract: 本发明公开一种基于FPGA的毫米波TDM‑MIMO雷达实时超分辨方法，应用于雷达成像技术领域，针对现有技术存在的计算复杂度高，传统硬件信号处理平台无法满足快速运算处理的问题，本发明利用高速接口发送采集的雷达数据至FPGA板卡；FPGA板卡解析并缓存雷达数据，预处理并发送有效雷达数据；采用硬件优化设计对雷达数据处理，实现递归估计中间变量；由中间变量计算迭代更新辅助变量，并快速缓存数据变量；本发明以循环最小化实现迭代更新快速角估计。本发明克服了现有超分辨DOA技术中算法复杂度高、难以实时信号处理的缺陷，大大提升了算法的计算效率。
-
公开(公告)号：CN120065165A
公开(公告)日：2025-05-30
申请号：CN202510359136.X
申请日：2025-03-25
Applicant: 电子科技大学 , 中国电子科技集团公司第二十九研究所
Abstract: 本发明公开了一种基于改进亲和传播聚类的雷达信号分选方法，包括以下步骤：S1、侦收原始信号的脉冲描述字参数数据；S2、将脉冲描述字参数数据分割为若干帧；S3、对每一帧脉冲数据使用改进亲和传播算法进行预分选；S4、使用自适应密度峰值聚类算法提取候选合批质心；S5、对每个候选合批质心对应的候选合批簇完成合批检测；S6、完成合批并输出最终分选结果。本发明利用引入衰减因子的IAP算法对脉冲数据进行预分选，基于密度提取候选合批质心，并结合脉冲簇到达方向的统计特征完成合批检测；综合利用了雷达脉冲数据的几何特征、分布特性和统计特征，充分挖掘了信号间的潜在关联性和模式信息，在有效减少增批现象的同时保证了较高的分选准确率。
-
公开(公告)号：CN114994630B
公开(公告)日：2025-03-28
申请号：CN202210698113.8
申请日：2022-06-20
Applicant: 电子科技大学
Abstract: 本发明公开一种基于联合距离‑时频特征的旋翼参数估计方法，应用于目标检测领域，针对现有的单一时频特征的旋翼参数估计方法无法提取更多旋翼特征的问题；本发明利用经验模态分解和恒虚警检测算法，实现旋翼回波信号分离；提出快时域投影法进行距离‑时间域和频率‑时间域信号特征提取，联合双域特征并结合旋翼参数模型，实现了旋翼参数估计。相比于现有基于单一时频特征的参数估计方法，本发明所提方法解决了桨叶范围限制和奇偶判别的问题，为进一步的目标识别奠定了良好的基础。
-
-
-
-
-
-
-
-
-
Search Results
622
records
(took 0.071 seconds)
