-
公开(公告)号：CN119471556A
公开(公告)日：2025-02-18
申请号：CN202411563533.0
申请日：2024-11-04
Applicant: 西安电子科技大学
Abstract: 提出了一种基于新型阵列优化的DOA估计方法；实施方式如下：当系统初始化之后，首先构建改进的非均匀阵列，再利用非均匀阵列接收窄带远场非相干信号，为了充分利用非均匀阵列收集到的数据，所以选择根据VCAM算法生成差和共阵，进行时延采样处理，之后构造共轭增广向量，然后构造伪数据矩阵，对其进行矢量化操作后，构建协方差矩阵，得到包含新型非均匀阵列的差集和和集元素，进行去冗杂和排序之后，为恢复矩阵的秩，应用矩阵重构思想，进行Toeplitz矩阵重构，可以得到常规MUSIC算法中的协方差矩阵，所以可以直接利用MUSIC算法进行DOA估计，得到角度信息。
-
公开(公告)号：CN114397620B
公开(公告)日：2024-06-07
申请号：CN202210002278.7
申请日：2022-01-04
Abstract: 本发明为了充分利用非均匀阵列的和差共阵信息，公开了一种改进和差非均匀阵列的高精度DOA估计方法；本发明能够在阵元个数有限的情况下估计更多的信号源，并且具有较高的估计精度；具体实施方式如下：首先用两个均匀子阵构成改进的一维非均匀阵列，对其做求和、求差运算求得虚拟阵元总的位置坐标集合；然后用改进的和差非均匀阵列接收K个非相干远场窄带信号，利用阵元接收数据生成和差伪接收数据矩阵，在对其进行矢量化去重处理后按照虚拟阵元位置大小顺序进行排列，得到和差连续虚拟阵元接收数据矩阵Z；最后对Z进行Toeplitz重构并利用ESPRIT算法得到DOA估计值；本发明提出的改进和差非均匀阵列，能够同时在阵元个数不变时扩充虚拟阵列孔径，提高估计性能。
-
公开(公告)号：CN117647768A
公开(公告)日：2024-03-05
申请号：CN202311559714.1
申请日：2023-11-21
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于波束空间增强信号的DOA估计方法。实施方式如下：当系统初始化之后，首先利用非均匀阵列接收多组群相干与非相干混合源信号，随后利用构造负半轴虚拟阵列构造方法，在虚拟阵列扩充的基础上对信号进行的去噪，时延采样下对多个信号进行了叠加，相对原信号具有更高的信噪比，然后将阵列划分成多个子阵，通过波束形成将接收到的数据从元素空间转换为波束空间，采用波束权将子阵接收信号分别进行波束空间转换，利用对阵列进行扩充和去噪方法应用到波束空间解相干，以及子阵的划分加权解相干和损失孔径问题，最后对虚拟扩充阵列接收数据进行波束扫描，构造一个K满秩的协方差矩阵的波束空间矩阵RB，可以利用求根MUSIC算法进行DOA估计。
-
公开(公告)号：CN112418212B
公开(公告)日：2024-02-09
申请号：CN202010892321.2
申请日：2020-08-28
IPC: G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于EIoU改进的YOLOv3算法，主要解决现有算法中由于重叠率、尺度及长宽比导致的基于IoU的损失LIoU计算不准从而影响检测性能的问题。首先下载当前目标检测领域通用数据集；其次重建现有算法YOLOv3网络模型并用备好的数据集进行训练，检测其性能；然后将基于EIoU的损失函数LEIoU嵌入YOLOv3算法模型中进行训练并作性能评价；最后对比经典的YOLOv3算法，分析测试结果。本发明提出的基于EIoU改进的YOLOv3算法，相比经典的YOLOv3算法，提高了平均准确率，且更适用于同一区域中有多个物体重叠时的情况，另外该模块也没有引入更多的计算量，与原模型相比，实时性没有受到影响。该模块仍然能够嵌入其他经典算法模型中做对比测试，更具适用性，且鲁棒性更好。
-
公开(公告)号：CN111310862B
公开(公告)日：2024-02-09
申请号：CN202010225652.0
申请日：2020-03-27
IPC: G06V20/62 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 复杂环境下基于图像增强的深度神经网络车牌定位方法，以神经网络深度学习为技术背景，用各种环境背景下的车牌照片数据集，利用构建的深度神经网络模型进行大量学习训练，得到网络模型的权重文件及其它参数文件；并在系统的检测阶段引入图像增强技术，对测试集照片中的低照度、有雾、模糊照片进行图像增强，实现了复杂环境下车牌的精准定位；同时，图像增强技术的引进，大大增强了本发明车牌定位方法对复杂环境的兼容性，很好地解决了现有车牌定位算法对环境因素敏感、对图像质量要求高、车牌可定位场景单一的问题；本发明提出的车牌定位方法使用的是神经网络深度学习技术，该神经网络模型的迁移学习能力和泛化性强。
-
Patent Agency Ranking
公开(公告)号：CN109116296B
公开(公告)日：2023-07-18
申请号：CN201810977748.5
申请日：2018-08-27
IPC: G01S3/78
Abstract: 存在阵列位置误差的多输出支持向量回归机参数估计方法，利用N个声压传感器构成的线阵作为接收阵列，接收M组训练区间范围内的声源产生的原始训练数据集合；由原始训练数据集合计算数据相关矩阵并取其上三角元素并归一化得到数据特征向量集合；由数据特征向量集合和声源集合构造高斯核函数，通过训练得到多输出支持向量回归机最优回归参数；由原始测试数据计算得到测试数据相关矩阵；由测试和训练数据特征向量计算测试核矩阵，并利用训练过程得到的多输出支持向量回归机最优回归参数计算得到信号到达角的估计值；本发明方法通过数据训练将阵列位置误差包含在支持向量最优回归机参数中，不需要误差校正，就可以得到高精度的到达角估计结果。
-
公开(公告)号：CN114419705A
公开(公告)日：2022-04-29
申请号：CN202210007092.0
申请日：2022-01-05
Abstract: 本发明公开了一种改进的轻量化YOLOv4人脸口罩检测方法，针对实际有效感受野远小于理论感受野，当目标占据整张图片一半以上大小时，由于实际有效感受野的限制，网络的检测效果不好；新设计的SPP模块由四个池化层组成，将输入特征图分别经过四层池化，每一层池化后的输出特征图的感受野进一步扩大，同时也将池化后的多张不同感受野的特征图进行特征融合操作，实现了局部高级语义特征的多尺度利用；将新设计的SPP模块嵌入至YOLOv4‑Tiny骨架网络后面，FPN结构前面，构成SPP‑YOLOv4‑light网络，利用SPP模块将网络深层的感受野进一步扩大，同时将骨架网络提取到的特征进行多尺度池化后融合，在通用数据集上进行训练和测试，验证了本发明方法提高了人脸口罩的检测精度。
-
公开(公告)号：CN111983554A
公开(公告)日：2020-11-24
申请号：CN202010881593.2
申请日：2020-08-28
IPC: G01S3/14
Abstract: 本发明针对L型阵列阵元数较多，运算复杂的问题，公开了一种基于非均匀L型阵列的高精度二维DOA估计算法。本发明方法能够在减少阵元数、降低复杂度的同时提高估计精度。实施方式如下：首先将与6阵元二阶嵌套阵自由度相同的两个非均匀线阵扩展为L型阵来接收入射信号；然后根据接收数据求得两个子阵的虚拟阵列接收数据矩阵；并通过构造辅助算子来获取子阵的信号子空间，降低运算量；最后利用ESPRIT算法的思想得到俯仰角和方位角的估计值，并对方位角和俯仰角进行配对。本发明提出的基于非均匀L型阵列的高精度估计算法，能够在阵列面积不变的情况下，降低阵元数，提高DOA估计精度，而且相比传统方法具有较低的计算复杂度。
-
公开(公告)号：CN106950530B
公开(公告)日：2019-08-06
申请号：CN201710098047.X
申请日：2017-02-22
Applicant: 西安电子科技大学
Abstract: 基于互协方差的声矢量传感器阵列解相干参数估计方法，阵列接收K个相干窄带、平稳远场声源信号，阵列获得信号N次同步采样数据；将数据分成x轴、v轴、z轴振速和声压四个子阵数据；求子阵数据协方差矩阵并通过子阵协方差矩阵算术平均得到变换前的数据协方差矩阵；对子阵接收数据进行变换，求变换后的数据协方差矩阵和变换前后的数据互协方差矩阵，由变换前、变换后和变换前后的协方差数据矩阵构造解相干后的数据协方差矩阵；由解相干后的数据协方差矩阵奇异值分解得到噪声空间；利用噪声子空间构造MUSIC空间谱，通过角度域的一维MUSIC谱峰搜索得到到达角的估计值，本发明方法联合利用空间旋转解相干和互协方差矩阵提高了参数估计性能。
-
公开(公告)号：CN106802403B
公开(公告)日：2019-05-21
申请号：CN201710098107.8
申请日：2017-02-22
Applicant: 西安电子科技大学
IPC: G01S3/802
Abstract: 声矢量传感器二维阵列MUSIC解相干参数估计方法，阵列接收K个远场窄带相干信号，利用接收阵列获取所有阵元输出的N次快拍数据；抽取声压和x、y、z轴声速四个子阵数据，由变换前数据协方差矩阵、数据变换后协方差矩阵和变换前后的互协方差矩阵构造解相干后的数据协方差矩阵；对解相干后的数据协方差矩阵进行奇异值分解得到噪声子空间，根据L型阵列的特点将噪声子空间分成x轴和y轴噪声子空间，并构造对应的MUSIC空间谱，通过两个一维搜索方向余弦估计矩阵；利用全阵列对应的噪声子空间对x轴和y轴方向的方向余弦估计值进行配对运算，从而得到到达角的估计值；该方法将一个二维搜索分成两个一维搜索，大大降低了计算量，提高了参数估计精度。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.039 seconds)
