-
公开(公告)号：CN113723253A
公开(公告)日：2021-11-30
申请号：CN202110969902.6
申请日：2021-08-23
Applicant: 西安电子科技大学 , 上海航天电子通讯设备研究所
Abstract: 一种基于杂波预分类的运动目标检测方法，其步骤是：对建立的训练集进行预处理；设置残差神经网络各层的初始参数；生成待检向量集和辅助向量集；将雷达杂波矩阵中的待检向量进行预分类，采用均值估计法、韦‑对协方差估计法和更新协方差估计法，分别计算预分类后的瑞利分布、韦布尔分布、对数正态分布和K分布的协方差矩阵，应用所估计的协方差矩阵计算待检向量的自适应检测统计量；根据检测统计量的大小确定是否存在运动目标。本发明提高了非匀质杂波下的运动目标检测性能，可应用于在实际复杂杂波目标检测场景发生变化时的杂波抑制和自适应运动目标检测。
-
公开(公告)号：CN113723253B
公开(公告)日：2023-06-20
申请号：CN202110969902.6
申请日：2021-08-23
Applicant: 西安电子科技大学 , 上海航天电子通讯设备研究所
IPC: G06F18/24 , G06F18/214 , G06F18/241 , G06N3/0464 , G06F17/18 , G06F17/16 , G01S13/50
Abstract: 一种基于杂波预分类的运动目标检测方法，其步骤是：对建立的训练集进行预处理；设置残差神经网络各层的初始参数；生成待检向量集和辅助向量集；将雷达杂波矩阵中的待检向量进行预分类，采用均值估计法、韦‑对协方差估计法和更新协方差估计法，分别计算预分类后的瑞利分布、韦布尔分布、对数正态分布和K分布的协方差矩阵，应用所估计的协方差矩阵计算待检向量的自适应检测统计量；根据检测统计量的大小确定是否存在运动目标。本发明提高了非匀质杂波下的运动目标检测性能，可应用于在实际复杂杂波目标检测场景发生变化时的杂波抑制和自适应运动目标检测。
-
公开(公告)号：CN115036380B
公开(公告)日：2023-12-08
申请号：CN202210441468.9
申请日：2022-04-25
Applicant: 西安电子科技大学
IPC: H01L31/0352 , H01L31/0304 , H01L31/105 , H01L31/18
Abstract: 本发明公开了一种pin结构的日盲型紫外探测器及其制备方法，包括：衬底、n型氧化镓层、n型欧姆电极、i型氧化镓层、p‑AlGaN/h‑BN超晶格层、p型氮化镓层和p型欧姆电极；n型氧化镓层位于衬底上；i型氧化镓层和n型欧姆电极均位于n型氧化镓层上，i型氧化镓层和n型欧姆电极之间间隔设置；p‑AlGaN/h‑BN超晶格层位于i型氧化镓层上，p型氮化镓层位于p‑AlGaN/h‑BN超晶格层上；p型欧姆电极位于p型氮化镓层上。本发明的P型超晶格层能够有效地提供空穴，高掺杂的p型GaN层可以与金属电极形成良好的欧姆接触，使得探测器的响应时间变短、量子效率以及光谱(56)对比文件Matthew Whiteside et al.Demonstrationof vertically-ordered h-BN/AlGaN/GaNmetal-insulator-semiconductor high-electron-mobility transistors on Sisubstrate 《.Materials Science andEngineering B》.2021,第270卷(第0921-5107期),全文.赖黎;莫慧兰;符思婕;毛彦琦;王加恒;范嗣强.氧化镓微晶薄膜制备及其日盲深紫外探测器.发光学报.2020,(09),全文.
-
公开(公告)号：CN112070666A
公开(公告)日：2020-12-11
申请号：CN202010804322.7
申请日：2020-08-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于图像熵的SAR图像拼接方法，包括步骤：获取相互重叠的参考图像和待拼接图像；参考图像的聚焦深度较差；将参考图像均分成N1个子图像块；计算每个子图像块的图像熵；选取图像熵最大时对应的子图像块，作为样本子图像；将待拼接图像均分成N2个子图像块，分别计算每个子图像块与所述样本子图像的相关系数；获取待拼接图像相对于参考图像的高度向偏移和宽度向偏移；对待拼接图像进行相应偏移，将偏移后的待拼接图像与参考图像进行拼接。本发明解决了现有技术SAR图像聚焦深度较差导致的拼接精度低的问题；避免了因成像质量对SAR图像拼接的影响，有效地提高了SAR图像拼接的稳健性。
-
公开(公告)号：CN110147666A
公开(公告)日：2019-08-20
申请号：CN201910251314.1
申请日：2019-03-29
Applicant: 西安电子科技大学
Abstract: 本发明属于物联网通信技术领域，公开了一种物联网场景下的轻量级NFC身份认证方法、物联网通信平台；考虑了标签和服务器之间的双向认证，同时在阅读器和服务器实现认证，保证系统各方身份的合法性以及通信信息的可靠性。本发明对系统内部的所有NFC设备进行了匿名处理，采用动态的身份标识确保匿名性，匿名可以帮助标签实现身份隐私保护。本发明会话动态身份标识及设备密钥被有序地更新，并且通过验证有效性来确保一致性；针对可能出现的失同步问题，服务器提供了矫正措施；能抵御失同步攻击。本发明中NFC使用了双密钥的方式，其中系统密钥用于抵御系统外部的攻击者，设备密钥用于抵御系统内部的攻击者，实现系统内部与外部的双重防护。
-
Patent Agency Ranking
公开(公告)号：CN108566385A
公开(公告)日：2018-09-21
申请号：CN201810248362.0
申请日：2018-03-24
Applicant: 西安电子科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种基于云的高效隐私保护的双向认证方法，在标签和云服务器采用了双向认证，同时也在阅读器和云服务器采用了双向认证，有效地保证了系统身份的合法性和通信信息的可靠性。在初始化阶段就对标签身份做了匿名加密处理，攻击者很难根据非法获得的信息破解标签的真实身份。本发明中标签的身份信息在每轮会话中都会更新，故而标签针对阅读器的请求信息所给与的响应在不同的会话中也是动态改变的，有效地组织了攻击者对标签的恶意追踪，提高了系统抵抗攻击的能力；极大降低了前后秘密信息的相关性，攻击者难以通过截获当前的认证信息去获取历史会话中的认证信息，从而实现了系统的前向安全性。
-
公开(公告)号：CN112149616B
公开(公告)日：2023-10-20
申请号：CN202011087925.6
申请日：2020-10-13
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于动态信息的人物交互行为识别方法，通过生成人物交互训练集并搭建人物交互行为识别网络，克服了现有技术适用性不好、对往复动作和遮挡动作有误判的问题。本发明实现的步骤是：(1)生成人物交互训练集；(2)构建视觉特征提取模块；(3)构建空间特征提取模块；(4)构建时序特征提取模块；(5)构建人物交互行为识别网络；(6)训练人物交互行为识别网络；(7)识别视频图像中的人物交互行为。本发明具有人物交互行为识别网络识别交互行为识别率高、适用性好的优点，可用于视频图像中交互行为的识别。
-
公开(公告)号：CN108566385B
公开(公告)日：2021-02-09
申请号：CN201810248362.0
申请日：2018-03-24
Applicant: 西安电子科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种基于云的高效隐私保护的双向认证方法，在标签和云服务器采用了双向认证，同时也在阅读器和云服务器采用了双向认证，有效地保证了系统身份的合法性和通信信息的可靠性。在初始化阶段就对标签身份做了匿名加密处理，攻击者很难根据非法获得的信息破解标签的真实身份。本发明中标签的身份信息在每轮会话中都会更新，故而标签针对阅读器的请求信息所给与的响应在不同的会话中也是动态改变的，有效地组织了攻击者对标签的恶意追踪，提高了系统抵抗攻击的能力；极大降低了前后秘密信息的相关性，攻击者难以通过截获当前的认证信息去获取历史会话中的认证信息，从而实现了系统的前向安全性。
-
公开(公告)号：CN103517443B
公开(公告)日：2016-12-28
申请号：CN201310367885.4
申请日：2013-08-22
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种高效可靠的基于链路质量指示值的无线传感器网络信道调度方法及装置。通常，在无线传感器网络的每个信道上，存在协调器节点和多个采集节点，其中节点必须工作在一个相同的信道上。优选地，所述采集节点可以是各种类型的无线移动终端。采集节点通过树状的通信链路逐层地将其采集的数据发送给协调器节点，以达到数据汇聚采集的效果。
-
公开(公告)号：CN116030300A
公开(公告)日：2023-04-28
申请号：CN202211711796.2
申请日：2022-12-29
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/30 , G06V10/82 , G06V20/13 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种用于零样本SAR目标识别的渐进式域自适应识别方法，包括：将仿真数据样本和实测数据样本导入到特征对齐网络中，提取第一特征信息和第二特征信息；根据第一特征信息和第二特征信息计算得到分布差异；基于第一损失函数得到训练后的特征对齐网络；利用训练后的特征对齐网络预测无标签的实测数据集，并给无标签的实测数据集赋予伪标签，得到伪标签的第一实测数据集；对第一实测数据集进行伪标签去噪处理，得到伪标签去噪的实测数据集；将伪标签去噪后的实测数据集导入上述训练后的特征对齐网络，以调整网络参数；将待分类的数据输入至调整后的特征对齐网络，得到最终的分类识别结果。本发明有效地去除了包含噪声的伪标签数据，从而使得识别的结果更加稳定。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.102 seconds)
