-
公开(公告)号：CN115720272A
公开(公告)日：2023-02-28
申请号：CN202110976025.5
申请日：2021-08-24
IPC: H04N19/597 , H04N19/42 , H04N19/44
Abstract: 本发明公开了点云预测、点云编码、点云解码方法及设备，所述点云预测方法包括：根据点云中的已编码点，得到已编码候选点；依据待编码点在点云中的位置与所述已编码候选点在点云中的位置，得到所述待编码点与所述已编码候选点之间的几何距离；依据所述已编码候选点所对应的已编码属性信息和所述待编码点所对应的已编码属性信息，得到所述待编码点与所述已编码候选点之间的属性距离；依据所述几何距离和所述属性距离，得到已编码匹配点；依据所述已编码匹配点，对所述待编码点所对应的待编码属性进行预测，得到预测值。本发明更好考虑了已编码点属性与待编码点属性之间的联系，得到了更准确的预测值，提高了点云编码效果。
-
公开(公告)号：CN112350787A
公开(公告)日：2021-02-09
申请号：CN202011091349.2
申请日：2020-10-13
IPC: H04B17/30
Abstract: 本发明公开了一种无线电信号异常检测方法，包括以下步骤：S1、采集两段正常工作的无线电信号数据，计算第一相对小波时间熵；S2、根据第一相对小波时间熵的曲线波动范围，得到时间熵阈值；S3、采集正常工作的无线电信号数据和待检测的无线电信号数据，计算第二相对小波时间熵；S4、统计第二相对小波时间熵大于时间熵阈值的无线电信号数据的样本点数，计算异常信号比率；S5、判断异常信号比率是否大于异常信号比率阈值，若是，则待检测的无线电信号数据异常，若否，则跳转至步骤S3；本发明解决了现有技术大都是基于有监督的方法进行分类，并且异常信号类型采用人为标准定义的问题。
-
公开(公告)号：CN112183659A
公开(公告)日：2021-01-05
申请号：CN202011100248.7
申请日：2020-10-15
Abstract: 本发明涉及信号辐射源识别技术领域，公开了一种基于卷积神经网络的未知信号辐射源识别方法。该方法包括利用已知源数据训练卷积神经网络模型，提取已知源在神经网络末端层的高维度向量，对高维度向量进行PCA降维得到低维度向量，计算已知源的低维度向量中心，提取待测源在神经网络末端层的高维度向量，对高维度向量进行PCA降维得到低维度向量，计算待测源的低维度向量与已知源的低维度向量中心之间的欧式距离，根据欧式距离对待测信号辐射源进行判决。本发明解决了现有信号辐射源识别过程中因卷积神经网络硬判决而无法识别未知源的问题，具有简单易行、识别高效的特点。
-
公开(公告)号：CN112163636A
公开(公告)日：2021-01-01
申请号：CN202011100245.3
申请日：2020-10-15
Abstract: 本发明公开了一种基于孪生神经网络的电磁信号辐射源的未知模式识别方法，涉及电磁信号辐射源识别技术领域。本发明针对多源多模型场景下的电磁信号辐射源闭集识别问题，利用孪生网络的距离判决，将某已知源未知模式的数据与多个已知源已知模式输入进孪生网络中，得到对应的多个距离，随后找出多个距离中每个已知源对应的最近的几个距离之和，并对每个已知源对应的距离之和相比较，找到最小的距离之和，随后判决为其对应的所属源，从而实现未知模式的有效判决。本发明在三源三模式、三源五模式、五源五模式下均能有效完成未知模式的识别任务，显著提高平均识别成功率。
-
公开(公告)号：CN112163636B
公开(公告)日：2023-09-26
申请号：CN202011100245.3
申请日：2020-10-15
IPC: G06F18/2413 , G06F18/214 , G06N3/0464
Abstract: 本发明公开了一种基于孪生神经网络的电磁信号辐射源的未知模式识别方法，涉及电磁信号辐射源识别技术领域。本发明针对多源多模型场景下的电磁信号辐射源闭集识别问题，利用孪生网络的距离判决，将某已知源未知模式的数据与多个已知源已知模式输入进孪生网络中，得到对应的多个距离，随后找出多个距离中每个已知源对应的最近的几个距离之和，并对每个已知源对应的距离之和相比较，找到最小的距离之和，随后判决为其对应的所属源，从而实现未知模式的有效判决。本发明在三源三模式、三源五模式、五源五模式下均能有效完成未知模式的识别任务，显著提高平均识别成功率。
-
Patent Agency Ranking
公开(公告)号：CN112183659B
公开(公告)日：2023-04-07
申请号：CN202011100248.7
申请日：2020-10-15
IPC: G06F18/2135 , G06F18/23 , G06N3/0464
Abstract: 本发明涉及信号辐射源识别技术领域，公开了一种基于卷积神经网络的未知信号辐射源识别方法。该方法包括利用已知源数据训练卷积神经网络模型，提取已知源在神经网络末端层的高维度向量，对高维度向量进行PCA降维得到低维度向量，计算已知源的低维度向量中心，提取待测源在神经网络末端层的高维度向量，对高维度向量进行PCA降维得到低维度向量，计算待测源的低维度向量与已知源的低维度向量中心之间的欧式距离，根据欧式距离对待测信号辐射源进行判决。本发明解决了现有信号辐射源识别过程中因卷积神经网络硬判决而无法识别未知源的问题，具有简单易行、识别高效的特点。
-
公开(公告)号：CN112350787B
公开(公告)日：2021-09-07
申请号：CN202011091349.2
申请日：2020-10-13
IPC: H04B17/30
Abstract: 本发明公开了一种无线电信号异常检测方法，包括以下步骤：S1、采集两段正常工作的无线电信号数据，计算第一相对小波时间熵；S2、根据第一相对小波时间熵的曲线波动范围，得到时间熵阈值；S3、采集正常工作的无线电信号数据和待检测的无线电信号数据，计算第二相对小波时间熵；S4、统计第二相对小波时间熵大于时间熵阈值的无线电信号数据的样本点数，计算异常信号比率；S5、判断异常信号比率是否大于异常信号比率阈值，若是，则待检测的无线电信号数据异常，若否，则跳转至步骤S3；本发明解决了现有技术大都是基于有监督的方法进行分类，并且异常信号类型采用人为标准定义的问题。
-
公开(公告)号：CN119562059A
公开(公告)日：2025-03-04
申请号：CN202510093365.1
申请日：2025-01-21
Applicant: 鹏城实验室
IPC: H04N19/137 , H04N19/132
Abstract: 本申请实施例提出的高光谱图像编码方法、解码方法及相关设备，编码方法包括：首先，将高光谱图像划分基本图像和附加图像，基本图像包括锚定波段数据，附加图像包括非锚定波段数据；然后，对基本图像中的锚定波段数据进行光谱插值处理，得到包含非锚定波段数据的插值基本图像；接下来，基于附加图像和插值基本图像的差值，得到实际残差图像；之后，将基本图像输入光谱超分辨率网络生成预测残差图像，并基于实际残差图像和预测残差图像的差值，得到优化网络参数；最后，基于优化网络参数和基本图像得到高光谱图像的图像编码数据，有效地提高高光谱图像的编码压缩效率。
-
-
公开(公告)号：CN119135886B
公开(公告)日：2025-01-28
申请号：CN202411351928.4
申请日：2024-09-26
Applicant: 鹏城实验室
IPC: H04N19/105 , H04N19/37 , H04N19/184 , H04N1/41
Abstract: 本申请实施例提供一种卫星图像压缩方法、装置、设备及存储介质，涉及图像处理技术领域。该方法通过位划分的方式，将原始图像分为第一处理图像和第二处理图像。基于第一处理图像预测第二处理图像的过程，对轻量化位深恢复网络进行训练，得到目标网络参数。将第一处理图像、移位参数和目标网络参数对应的总码流发送至解码端进行重建。在重建过程中能够获得包含最重要位的第一处理图像，得到关键图像信息，从而能够提升重建质量。同时在编码端进行轻量网络的训练后，仅传输目标网络参数至解码端，解码端基于接收到的相关网络参数进行解码过程，得到第二处理图像的相关内容，传输参数能够减少整体的数据量，降低传输耗时。
-
-
-
-
-
-
-
-
-
Search Results
413
records
(took 0.099 seconds)
