-
公开(公告)号：CN114879131A
公开(公告)日：2022-08-09
申请号：CN202210296928.3
申请日：2022-03-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种稀疏线阵结合内插虚拟变换技术的无网格DOA估计方法，包括：接收端采用稀疏线阵的阵型排布，建立稀疏线阵的阵列信号模型；根据阵列信号模型计算得到阵列第一接收数据协方差矩阵R；将第一接收数据协方差矩阵R进行内插虚拟变换，得到虚拟协方差矩阵对虚拟协方差矩阵进行核范数最小化求解，得到内插虚拟阵列协方差矩阵T(u)；对内插虚拟阵列协方差矩阵T(u)进行范德蒙分解得到估计频率F，以根据估计频率F得到波达方向估计值。本发明基于内插虚拟阵列信号协方差矩阵T重构的思想设计优化问题，在优化问题设计的过程中无需预先定义空间网格点，实现了无网格化的波达方向估计，同时保证了波达方向估计的分辨率以及计算效率。
-
公开(公告)号：CN111931900A
公开(公告)日：2020-11-13
申请号：CN202010478558.6
申请日：2020-05-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于残差网络与多尺度特征融合的GIS放电波形检测方法，包括：获取原始放电波形数据并标记类别标签，将所有样本数据进行打乱分为训练样本数据集和测试样本数据集；设计分类网络模型，并将训练样本数据集中的训练样本按批次传入该分类网络模型；使用交叉熵构造该分类网络模型的损失函数，在该分类网络模型的训练过程中使用随机梯度下降法，使得所述批训练样本在分类网络模型上的损失函数的平均值最小；将测试样本送入训练完成的分类网络模型中，得到检测结果。本方法由引入残差网络单元的全卷积网络提取放电波形特征，抑制了网络层数加深而带来的退化问题，提高了分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN114879131B
公开(公告)日：2024-07-16
申请号：CN202210296928.3
申请日：2022-03-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种稀疏线阵结合内插虚拟变换技术的无网格DOA估计方法，包括：接收端采用稀疏线阵的阵型排布，建立稀疏线阵的阵列信号模型；根据阵列信号模型计算得到阵列第一接收数据协方差矩阵R；将第一接收数据协方差矩阵R进行内插虚拟变换，得到虚拟协方差矩阵#imgabs0#对虚拟协方差矩阵#imgabs1#进行核范数最小化求解，得到内插虚拟阵列协方差矩阵T(u)；对内插虚拟阵列协方差矩阵T(u)进行范德蒙分解得到估计频率F，以根据估计频率F得到波达方向估计值。本发明基于内插虚拟阵列信号协方差矩阵T重构的思想设计优化问题，在优化问题设计的过程中无需预先定义空间网格点，实现了无网格化的波达方向估计，同时保证了波达方向估计的分辨率以及计算效率。
-
公开(公告)号：CN115116101A
公开(公告)日：2022-09-27
申请号：CN202110290858.6
申请日：2021-03-18
Applicant: 西安电子科技大学
IPC: G06V40/13 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种将残差网络和多尺度特征融合的GIS放电波形检测方法，包括：获取原始放电波形数据，将数据标记类别标签形成样本集，把样本集中的每个数据进行打乱分为训练样本集和测试样本集；设计分类网络模型，并将训练样本集中的训练样本按批次传入该分类网络模型；使用交叉熵构造该分类网络模型的损失函数，在该分类网络模型的训练过程中使用随机梯度下降法，使得所述批训练样本在分类网络模型上的损失函数的平均值最小；将测试样本送入训练完成的分类网络模型中，得到检测结果。本方法由引入残差网络单元的全卷积网络提取放电波形特征，抑制了网络层数加深而带来的退化问题，提高了分类准确率。
-
公开(公告)号：CN102231191A
公开(公告)日：2011-11-02
申请号：CN201110199503.2
申请日：2011-07-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于ASIFT的多模态特征提取与匹配方法，主要解决现有技术所不能解决的多模态图像的点特征提取与匹配问题。其实现步骤是：对ASIFT仿射变换模型倾斜量参数和经度参数进行采样，得到两幅输入图像的两组视图；在这两组视图上，采用高斯差分DoG特征检测方法检测特征点的位置与尺度信息；用平均平方梯度的方法设置特征的主方向且特征向量的幅值采用计数方式设定；计算特征的对称性ASIFT描述符；采用最近邻域方法对特征的对称性ASIFT描述符进行粗匹配以及使用优化随机采样方法去除误匹配特征。本发明能够在多种传感器感知的图像中提取和匹配特征，并且具有完全仿射不变特性，可以应用于目标识别与跟踪，图像配准等领域。
-
公开(公告)号：CN111931900B
公开(公告)日：2023-09-19
申请号：CN202010478558.6
申请日：2020-05-29
Applicant: 西安电子科技大学
IPC: G06F18/213 , G06F18/214 , G06F18/25 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/084 , G06Q50/06
Abstract: 本发明公开了一种基于残差网络与多尺度特征融合的GIS放电波形检测方法，包括：获取原始放电波形数据并标记类别标签，将所有样本数据进行打乱分为训练样本数据集和测试样本数据集；设计分类网络模型，并将训练样本数据集中的训练样本按批次传入该分类网络模型；使用交叉熵构造该分类网络模型的损失函数，在该分类网络模型的训练过程中使用随机梯度下降法，使得所述批训练样本在分类网络模型上的损失函数的平均值最小；将测试样本送入训练完成的分类网络模型中，得到检测结果。本方法由引入残差网络单元的全卷积网络提取放电波形特征，抑制了网络层数加深而带来的退化问题，提高了分类准确率。
-
公开(公告)号：CN102231191B
公开(公告)日：2012-12-26
申请号：CN201110199503.2
申请日：2011-07-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于ASIFT的多模态特征提取与匹配方法，主要解决现有技术所不能解决的多模态图像的点特征提取与匹配问题。其实现步骤是：对ASIFT仿射变换模型倾斜量参数和经度参数进行采样，得到两幅输入图像的两组视图；在这两组视图上，采用高斯差分DoG特征检测方法检测特征点的位置与尺度信息；用平均平方梯度的方法设置特征的主方向且特征向量的幅值采用计数方式设定；计算特征的对称性ASIFT描述符；采用最近邻域方法对特征的对称性ASIFT描述符进行粗匹配以及使用优化随机采样方法去除误匹配特征。本发明能够在多种传感器感知的图像中提取和匹配特征，并且具有完全仿射不变特性，可以应用于目标识别与跟踪，图像配准等领域。
-
-
-
-
-
-
Search Results
7
records
(took 0.05 seconds)
