-
公开(公告)号:CN116743230A
公开(公告)日:2023-09-12
申请号:CN202310656970.6
申请日:2023-06-05
Applicant: 西安电子科技大学
Abstract: 一种适用于低轨卫星物联网的基于FPGA的变长度MF‑TDMA突发信号检测方法、系统、设备及介质,方法步骤包括:对采样信号信道化进行处理,输出l路低速突发信号;对多路低速突发信号进行重叠保留处理,得到单路高速信号;对单路高速信号进行插值、滤波和上下变频处理,得到三组不同符号率的基带信号;对三组不同符号率的基带信号进行匹配滤波,得到三组匹配滤波后的信号;对三组匹配滤波后的信号进行多模式帧同步处理,得到输出信号以及信号相关信息;系统、设备及介质用于实现该方法;本发明通过对多路低速信号进行重叠保留缓存处理,解决了多路并行低速信号处理的难点;采用多模式帧同步处理技术,解决了接收突发信号变长度、调制方式多样化的难点。
-
公开(公告)号:CN103810489B
公开(公告)日:2017-02-08
申请号:CN201310731755.4
申请日:2013-12-23
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于不规则三角网的LiDAR点云数据水上桥梁提取方法:读取目标区域的原始LiDAR点云数据;剔除粗差噪声;对LiDAR点云数据进行Delaunay三角剖分生成不规则三角网;计算所有三角形的狭长度;计算边缘点高程阈值,以高程阈值为分界点分离桥梁边缘点和河流边缘点,得到河流边缘点和桥梁边缘点高程变化曲线;对河流边缘点进一步分离,拟合河岸边缘曲线;对桥梁边缘点进一步分离,拟合桥梁边缘曲线;求解桥梁角点,对得到的所有桥梁角点进行标记,提取出水上桥梁。该方法充分利用水体对激光点的吸收特性,对LiDAR点云数据进行三角剖分确定水体,通过分离河流边缘点和桥梁边缘点,得到桥梁角点,能够高效准确提取位于水体上的一个或多个桥梁。
-
公开(公告)号:CN103824283A
公开(公告)日:2014-05-28
申请号:CN201410029317.8
申请日:2014-01-22
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于随机概率采样与多级融合的大幅面地形图分割方法:步骤1,输入原始地形图图像;步骤2,对原始地形图图像进行随机概率采样;步骤3,确定地形图分割种类数;步骤4,计算聚类中心,得到聚类中心矩阵;步骤5,计算原始地形图的隶属矩阵,得到隶属矩阵;步骤6,利用隶属矩阵对原始地形图进行模糊分类,得到分割后的图像;步骤7,对分割后的图像进行多级融合,得到的融合后图像;步骤8,输出分割后的分版图像。该方法将随机概率采样与图像多级融合相结合以进行地形图分割,最终既能够更准确地获得地形图的分割版图,又能大幅度提高分割效率。尤其适用于大幅面的地形图分割。
-
公开(公告)号:CN103745436A
公开(公告)日:2014-04-23
申请号:CN201310732382.2
申请日:2013-12-23
Applicant: 西安电子科技大学
Abstract: 本发明涉及基于区域预测的LiDAR点云数据形态学滤波方法。方法包括以下步骤:步骤一,构建滤波初始表面模型;步骤二,去除初始表面模型的粗差点,得到滤波表面模型;步骤三,对滤波表面模型进行分块:步骤四,滤波处理。本发明的方法克服了现有技术中形态学滤波不能很好对复杂场景滤波的缺点,以及使用恒定的人工设置的地形参数进行滤波处理而导致的自适应不强的问题,利用了分块原理和使用各个分块区域预测地形参数s能够根据地形的起伏情况调整高差阈值等优点,从而能够自适应地对点云数据进行滤波,最终获得较好的滤波结果。
-
公开(公告)号:CN102306381B
公开(公告)日:2013-02-27
申请号:CN201110148499.7
申请日:2011-06-02
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种结合小波与Beamlet变换的图像融合方法,克服了现有技术基于小波变换的图像融合方法在图像边缘和细节位置模糊的不足,实现的步骤为:(1)输入源图像;(2)小波分解;(3)低频子带系数融合;(4)提取图像边缘;(5)计算边缘密度及差值;(6)高频系数融合;(7)一致性校验;(8)图像重构;(9)输出融合图像。本发明利用Beamlet变换有效的提取图像的边缘信息,并将其参与到图像的融合中,减少了噪声对于融合结果的干扰,最终得到边缘细节特征更为明显的融合图像。
-
公开(公告)号:CN102890820A
公开(公告)日:2013-01-23
申请号:CN201210364581.8
申请日:2012-09-18
Applicant: 西安电子科技大学
IPC: G06T5/10
Abstract: 本发明公开了一种基于shearlet变换和维纳滤波的图像去噪方法,实现的步骤为:(1)输入源图像;(2)对称扩展;(3)剪切变换;(4)小波包分解;(5)维纳滤波;(6)逆小波包变换;(7)逆剪切变换;(8)逆对称变换;(9)图像融合;(10)输出去噪后图像。本发明克服了现有技术中小波变换不能很好表达图像的各向异性信息的缺点,以及使用单一阈值对不同方向上系数进行相同处理而导致的去噪效果不理想的问题,利用了shearlet变换具有多方向性和维纳滤波能够根据图像的区域方差调整滤波器输出等优点,从而能够在图像的不同方向上的高频系数中更准确的分析图像细节信息。最终得到高质量的去噪后图像。
-
公开(公告)号:CN114422305B
公开(公告)日:2024-07-19
申请号:CN202111641777.2
申请日:2021-12-29
Applicant: 西安电子科技大学
Abstract: 本发明属于卫星通信技术领域,公开了一种面向宽带卫星接入的时域并行Volterra均衡器、均衡方法及终端,包括:对输入数据进行移位寄存,输出至抽头系数更新模块,导频有效时缓存当前寄存器的数据;根据缓存的寄存器数据进行串行抽头系数更新;对输入数据寄存器进行延时,根据更新后的抽头系数进行滤波,获得均衡后的输出数据。本发明实现基于LMS算法串行更新抽头,并行滤波的时域均衡器结构,仅在导频数据到来时进行抽头更新;与串行Volterra均衡器相比,仅更改了数据滤波部分,实现复杂度低、结构简单;在单倍符号率上实现两路并行均衡,提高了模块的工作时钟频率;通过硬判决实时更新抽头系数,数据收敛后依然工作,能够实时跟踪信道变化。
-
公开(公告)号:CN118177837A
公开(公告)日:2024-06-14
申请号:CN202410599888.9
申请日:2024-05-15
Applicant: 西安电子科技大学
IPC: A61B5/369 , A61B5/372 , A61B5/00 , G06F18/213 , G06F18/2413 , G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于多模态证据学习的癫痫脑电数据识别方法及装置,属于人工智能和信号处理技术领域,该方法包括:基于构建的多模态下初始态特征,利用模态学习深度神经网络从初始模态特征提取对应模态的高层模态特征,再利用证据学习深度神经网络从高层模态特征中收集每个类别的证据特征,并在证据融合阶段为不同模态的证据赋予不同证据融合权重,最后根据融合的证据可以获得待处理癫痫脑电数据的识别结果,同时根据融合证据可以计算待处理癫痫脑电数据的总体不确定度,利用该总体不确定度对识别结果的可信性进行评估。本发明具有数据利用率高、分类准确率高、抵抗噪声能力性强等优势。
-
公开(公告)号:CN113422662B
公开(公告)日:2022-04-12
申请号:CN202110555822.6
申请日:2021-05-21
Applicant: 西安电子科技大学
IPC: H04B17/382 , H04L27/00
Abstract: 本发明属于通信技术领域,公开了一种信号盲检测方法、系统、存储介质、计算机设备,所述信号盲检测方法包括:利用平均周期图法对输入信号序列求解M点信号功率谱密度Pd(k);寻找功率密度最大值位置;依据功率谱密度最大值位置对功率谱密度向左循环移位;计算信号功率谱密度均值计算噪声功率谱密度均值求解判决变量T;计算门限λ;利用判决准则进行信号判决。本发明提供的信号盲检测方法,可用于突发系统的粗略信号捕获以及频谱感知,主要解决现有算法无法在大频偏环境下工作的问题,提高了在大频偏环境下的信号盲检测性能。同时,本发明的判决变量与判决门限并不包含噪声方差,因此克服了现有方法需要估计噪声方差的缺点。
-
公开(公告)号:CN103745436B
公开(公告)日:2017-07-28
申请号:CN201310732382.2
申请日:2013-12-23
Applicant: 西安电子科技大学
Abstract: 本发明涉及基于区域预测的LiDAR点云数据形态学滤波方法。方法包括以下步骤:步骤一,构建滤波初始表面模型;步骤二,去除初始表面模型的粗差点,得到滤波表面模型;步骤三,对滤波表面模型进行分块:步骤四,滤波处理。本发明的方法克服了现有技术中形态学滤波不能很好对复杂场景滤波的缺点,以及使用恒定的人工设置的地形参数进行滤波处理而导致的自适应不强的问题,利用了分块原理和使用各个分块区域预测地形参数s能够根据地形的起伏情况调整高差阈值等优点,从而能够自适应地对点云数据进行滤波,最终获得较好的滤波结果。
-
-
-
-
-
-
-
-
-