-
公开(公告)号：CN113850013B
公开(公告)日：2022-09-13
申请号：CN202110775874.4
申请日：2021-07-09
Applicant: 西北工业大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G06F119/10
Abstract: 本发明提供了一种舰船辐射噪声分类方法，将舰船辐射噪声信号进行分帧和加窗，并进行归一化处理；搭建变分自编码器模型，优化损失函数生成仿真信号，搭建基于卷积网络的仿真信号分类模型，将网络模型进行优化，将待测的真实舰船辐射噪声片段信号输入到优化并且训练好的网络模型中，即可得到真实信号的分类概率，根据样本判别为3类目标的概率值，得到最终的舰船辐射噪声信号分类结果。本发明有效的应对由于舰船辐射噪声样本数量不足而引起的网络模型分类效果不佳的问题，在一定程度上节约了舰船辐射噪声采集试验的成本，具有很高的实用性。
-
公开(公告)号：CN112887901A
公开(公告)日：2021-06-01
申请号：CN202110091531.6
申请日：2021-01-23
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于量化TOA量测的凸优化目标定位方法，在本发明所建立的目标定位模型中，目标节点与不同传感器节点进行通信，获得基于到达时间的TOA量测，该量测值按照预先设定好的标准进行量化，所获得的量化值经过非理想的信道传输到融合中心。然后建立用于优化的目标函数，再将通过一系列的转化，将此非凸优化问题变成一个凸优化问题，再利用已经传输到融合中心的量测值，计算得到目标位置的估计。本发明有效地将无线传感器网络中的融合中心和传感器节点间通信量化、不可靠传输因素嵌入到无线传感器网络目标定位中，更加准确的反映了实际应用情况。
-
公开(公告)号：CN112232144A
公开(公告)日：2021-01-15
申请号：CN202011035521.2
申请日：2020-09-27
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于改进残差神经网络的人员落水检测识别方法。该方法在ResNet34残差神经网络的基础上，在每个残差块中加入SE模块，实现了一种改进的残差神经网络；然后将收集到的人员落水和非人员落水音频数据处理成的一个二分类特征图数据集对改进的残差卷积神经网络进行训练，得到一个检测识别精度较高的残差神经网络模型。最终将实时收集到的音频数据，转换成时频特征图输入到训练完成的残差神经网络模型，即可得到实时的识别结果。本发明提供的残差神经网络模型把落水检测过程和识别过程一体化，用单个的神经网络替代多数处理流程，同时能够获得更高准确率。
-
公开(公告)号：CN113923590A
公开(公告)日：2022-01-11
申请号：CN202111125863.8
申请日：2021-09-24
Applicant: 西北工业大学
Abstract: 本发明提供了一种锚节点位置不确定情况下的TOA定位方法，获取原始TOA量测，对节点位置误差进行建模，在锚节点与目标节点通信的原始TOA量测中引入锚节点误差项，对锚节点误差项进行转化，将定位问题转化为一个凸问题，将凸优化问题用MATLAB求解，从而得到目标位置坐标的估计。本发明仅减弱了先验信息要求的苛求程度，实用性得到了较大的提升；有效解决了在锚节点位置误差项不服从任何先验分布的这种更符合实际的情况下，以往发明所没有解决的过度松弛问题，在定位系统受环境影响，导致锚节点真实位置与量测得到的位置出现较大偏差时仍然能够较为准确地得到目标位置的估计，具有较强的实用性。
-
公开(公告)号：CN112954637A
公开(公告)日：2021-06-11
申请号：CN202110091536.9
申请日：2021-01-23
Applicant: 西北工业大学
Abstract: 本发明提供了一种锚节点位置不确定情况下的目标定位方法，在得到锚节点与目标节点以及目标节点之间的TOA量测信息后，列出目标函数，并引入锚节点误差量。在对目标函数进行向量化后，利用S‑过程消除锚节点误差向量，同时引入了一个凸约束，最后再经过转化与松弛将问题变为一个可以解决的凸问题。该方法在定位系统受环境影响，导致锚节点真实位置与量测得到的位置出现较大偏差时仍然能够较为准确地得到目标位置的估计，具有较强的鲁棒性和实用性。
-
Patent Agency Ranking
公开(公告)号：CN112528775A
公开(公告)日：2021-03-19
申请号：CN202011362222.X
申请日：2020-11-28
Applicant: 西北工业大学
Abstract: 本发明提供了一种提供一种水下目标的分类方法，接收信号预处理并进行时频处理，构建数据集后，搭建并训练深度学习分类模型的搭建，通过深度学习分类模型输出分类结果，获取最终的分类结果。本发明针对水声目标分类的难点，提出了一种将ResNet网络和SqueezeNet网络相结合的分类模型—S‑ResNet，所提出的分类模型与其它分类模型相比，有更高识别准确率，网络参数更少，计算量小，在训练时间上具有一定的优势，能够满足水下目标实时分类的需求。
-
公开(公告)号：CN111800202A
公开(公告)日：2020-10-20
申请号：CN202010594250.8
申请日：2020-06-28
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于Labview平台的水声网络节点测距方法，由N个节点构成的水声网络，进行N轮测距，在测距请求信号开始发送时，测距发起节点Labview平台的RT模块计时等待，待各测距应答节点完成信号接收后，各节点将所采集信号与本地存储的线性调频测距信号进行自相关运算，计算测距请求信号的到达时间，待测距发起节点完成测距应答信号的接收后，测距发起节点将所采集信号与本地存储的线性调频测距信号进行自相关运算，计算各测距应答信号的到达时间，待测试N轮后，结束整个测距过程。本发明提高了测距过程的稳定性，提高了测距精度，具备良好的测距精度。
-
公开(公告)号：CN113923590B
公开(公告)日：2023-07-21
申请号：CN202111125863.8
申请日：2021-09-24
Applicant: 西北工业大学
Abstract: 本发明提供了一种锚节点位置不确定情况下的TOA定位方法，获取原始TOA量测，对节点位置误差进行建模，在锚节点与目标节点通信的原始TOA量测中引入锚节点误差项，对锚节点误差项进行转化，将定位问题转化为一个凸问题，将凸优化问题用MATLAB求解，从而得到目标位置坐标的估计。本发明仅减弱了先验信息要求的苛求程度，实用性得到了较大的提升；有效解决了在锚节点位置误差项不服从任何先验分布的这种更符合实际的情况下，以往发明所没有解决的过度松弛问题，在定位系统受环境影响，导致锚节点真实位置与量测得到的位置出现较大偏差时仍然能够较为准确地得到目标位置的估计，具有较强的实用性。
-
公开(公告)号：CN112954637B
公开(公告)日：2022-07-22
申请号：CN202110091536.9
申请日：2021-01-23
Applicant: 西北工业大学
Abstract: 本发明提供了一种锚节点位置不确定情况下的目标定位方法，在得到锚节点与目标节点以及目标节点之间的TOA量测信息后，列出目标函数，并引入锚节点误差量。在对目标函数进行向量化后，利用S‑过程消除锚节点误差向量，同时引入了一个凸约束，最后再经过转化与松弛将问题变为一个可以解决的凸问题。该方法在定位系统受环境影响，导致锚节点真实位置与量测得到的位置出现较大偏差时仍然能够较为准确地得到目标位置的估计，具有较强的鲁棒性和实用性。
-
公开(公告)号：CN113850013A
公开(公告)日：2021-12-28
申请号：CN202110775874.4
申请日：2021-07-09
Applicant: 西北工业大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G06F119/10
Abstract: 本发明提供了一种舰船辐射噪声分类方法，将舰船辐射噪声信号进行分帧和加窗，并进行归一化处理；搭建变分自编码器模型，优化损失函数生成仿真信号，搭建基于卷积网络的仿真信号分类模型，将网络模型进行优化，将待测的真实舰船辐射噪声片段信号输入到优化并且训练好的网络模型中，即可得到真实信号的分类概率，根据样本判别为3类目标的概率值，得到最终的舰船辐射噪声信号分类结果。本发明有效的应对由于舰船辐射噪声样本数量不足而引起的网络模型分类效果不佳的问题，在一定程度上节约了舰船辐射噪声采集试验的成本，具有很高的实用性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
