-
公开(公告)号：CN117805815A
公开(公告)日：2024-04-02
申请号：CN202311743519.4
申请日：2023-12-19
Applicant: 河北工业大学 , 西安电子科技大学杭州研究院
Abstract: 本发明为一种基于复数域深度网络的SAR成像识别一体化方法，首先对现有SAR图像进行处理获取原始SAR回波数据，其次基于复数卷积神经网络构建目标识别模型，输入回波数据，利用目标识别模型进行目标识别，得到初步分类结果，并计算识别损失；然后，构建重构网络，重构网络的每个重构层均包括两次复数转置卷积运算；将目标识别模型提取的深层特征输入到重构网络中，得到重构图像；将现有SAR图像作为标签，计算重构损失；最后、对目标识别模型的特征提取网络进行训练，并根据识别损失和重构损失对特征提取网络进行优化，得到优化后的目标识别模型。该方法将图像重构作为辅助任务，利用辅助任务和分类任务共同指导网络训练，通过重构SAR图像在训练阶段引导网络学习，有效提升模型对于目标可分性特征的识别能力。
-
公开(公告)号：CN114675266B
公开(公告)日：2025-01-17
申请号：CN202111340176.8
申请日：2021-11-12
Applicant: 西安电子科技大学杭州研究院 , 西安电子科技大学
Abstract: 本发明涉及雷达技术领域，具体涉及一种基于联合稀疏恢复的低复杂度InISAR三维成像方法，包括以下步骤：建立InISAR成像系统的几何结构，并根据InISAR成像系统的几何结构来建立符合JSM‑2模型的InISAR成像稀疏重建模型；按照酉变换近似消息传递UTAMP，对建立的符合JSM‑2模型的InISAR成像稀疏重建模型进行酉变换，并建立InISAR成像联合稀疏恢复的贝叶斯学习模型；构建InISAR成像联合稀疏恢复贝叶斯学习模型的因子图；根据建立的联合稀疏恢复贝叶斯学习模型的因子图，设计其中各个变量的消息更新规则；根据消息更新规则，得到三个通道的二维图像后，通过干涉处理和散射点距离测量重建目标三维图像。本发明提高了三维像的重建精度，具有更好的噪声抑制抑制能力，极大的降低了算法计算复杂度。
-
公开(公告)号：CN117929837A
公开(公告)日：2024-04-26
申请号：CN202410104439.2
申请日：2024-01-25
Applicant: 西安电子科技大学杭州研究院
IPC: G01R23/02 , G06N3/126 , G06F18/2131 , G01R23/16 , G01S3/02
Abstract: 本发明属于阵列信号处理技术领域，具体涉及一种基于单延时结构的欠采样阵列联合测频测向方法，包括以下步骤：步骤1：阵列接收到来波信号；步骤2：对接收信号进行希尔伯特变换，将接收信号变换成为复信号；步骤3：利用遗传算法对阵元延时组合进行离线优化，通过迭代计算选取时延组合，延时值选取最小延时精度的整数倍，优化目标设定为无模糊二维估计结果中主峰和次峰的比值；步骤4：提出基于时间延迟组合条件下二维谱峰搜索解模糊算法；步骤5：对大幅相误差下的阵列接收信号进行校正。本发明能够在低采样率条件下，对超宽带范围内的信号进行射频直采后进行解模糊，从而解决多信号频谱重叠等问题，恢复来波信号的频率和角度。
-
公开(公告)号：CN117890906A
公开(公告)日：2024-04-16
申请号：CN202410065162.7
申请日：2024-01-17
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
Abstract: 一种基于AU‑Net的ISAR增强成像方法，包括以下步骤；步骤1，根据随机散射点模型仿真生成ISAR回波数据，并通过随机加噪、降采样及成像预处理构建ISAR图像训练集；步骤2，通过向U‑Net结构中引入注意力机制构建用于ISAR稀疏高分辨成像的AU‑Net成像网络，并初始化网络模型参数；步骤3，根据构建的AU‑Net成像网络设计ISAR成像损失函数；步骤4，制定ISAR增强成像训练策略进行训练，更新AU‑Net成像网络模型参数以获得最优ISAR高分辨成像模型；步骤5，获取仿真/实测目标ISAR回波数据，并进行与步骤1同样的预处理操作构建ISAR图像测试集，通过所得最优ISAR高分辨成像模型即可实现ISAR增强成像。本发明能够在低信噪比及数据缺失条件下提升ISAR成像性能，并进一步提高对于弱散射点的恢复能力。
-
公开(公告)号：CN114362795A
公开(公告)日：2022-04-15
申请号：CN202111394394.X
申请日：2021-11-23
Applicant: 西安电子科技大学杭州研究院 , 西安电子科技大学
IPC: H04B7/0413 , H04B17/309 , G06N3/08 , G06K9/62
Abstract: 本发明涉及通信技术领域，具体涉及一种非线性毫米波MIMO通讯系统的信号检测方法。与现有技术相比，本发明方法的深度神经网络拥有更简单的结构，极大减少了超参数数量，减少了过拟合，减少了复杂度，易于训练，且仅需少量训练数据可达到较好的检测性能。
-
Patent Agency Ranking
公开(公告)号：CN116566524B
公开(公告)日：2025-05-02
申请号：CN202310559699.4
申请日：2023-05-18
Applicant: 西安电子科技大学杭州研究院 , 西安电子科技大学
IPC: H04B17/391 , H04B7/0413 , G06N3/08
Abstract: 本发明公开了一种基于神经网络消息传递的MIMO信号检测方法，涉及通信技术领域，包括以下步骤：S1：基站端接收到用户端发送的信号；S2：利用神经网络对MIMO系统进行建模，基于MIMO系统的信号流设计神经网络架构，设计一个深度神经网络模型模拟硬件缺陷和多用户干扰；S3：开发一种高效的基于消息传递的贝叶斯检测器MP‑NN；S4：turbo接收机的实现。本发明采用上述方法，为复杂输入输出关系的通信系统实现贝叶斯信号检测；利用神经网络对MIMO系统进行建模，基于MIMO系统的信号流设计神经网络架构，最大限度地减少神经网络层和参数的数量，用因子图表示训练后的神经网络，并利用酉近似消息传递UAMP算法设计了一种高效的基于消息传递的贝叶斯信号检测器。
-
公开(公告)号：CN118941978A
公开(公告)日：2024-11-12
申请号：CN202410957571.8
申请日：2024-07-17
Applicant: 河北工业大学 , 西安电子科技大学杭州研究院
IPC: G06V20/13 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/096 , G06N3/044 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明为一种基于光学域知识迁移的小样本SAR图像目标检测方法，首先构建域适应训练数据集、预训练数据集和域迁移学习数据集；然后，利用预训练数据集对目标检测模型进行预训练，利用域适应训练数据集对域适应模型进行训练；接着，根据域迁移学习数据集，利用训练后的域适应模型生成伪光学遥感图像；利用伪光学遥感图像对预训练的目标检测模型进行进一步训练，实现目标检测模型的域迁移学习，得到训练后的目标检测模型；最后，对原始待测SAR图像进行裁剪，将得到的待测子SAR图像输入到训练后的域适应模型中，生成待测伪光学遥感图像；将待测伪光学遥感图像输入到训练后的目标检测模型中，得到目标框坐标，再将目标框坐标映射至原始待测SAR图像中实现目标检测。该方法提出了一种新的域适应辅助目标检测思路，解决了SAR图像目标检测中的小样本问题。
-
公开(公告)号：CN114362795B
公开(公告)日：2023-04-18
申请号：CN202111394394.X
申请日：2021-11-23
Applicant: 西安电子科技大学杭州研究院 , 西安电子科技大学
IPC: H04B7/0413 , H04B17/309 , G06F18/214 , G06N3/045 , G06N3/08
Abstract: 本发明涉及通信技术领域，具体涉及一种非线性毫米波MIMO通讯系统的信号检测方法。与现有技术相比，本发明方法的深度神经网络拥有更简单的结构，极大减少了超参数数量，减少了过拟合，减少了复杂度，易于训练，且仅需少量训练数据可达到较好的检测性能。
-
公开(公告)号：CN119006900A
公开(公告)日：2024-11-22
申请号：CN202411024974.3
申请日：2024-07-29
Applicant: 电子科技大学 , 西安电子科技大学杭州研究院
IPC: G06V10/764 , G06V10/82 , G06N3/0442 , G06V10/80 , G06V10/44 , G06V10/42 , G06N3/048 , G06V20/13
Abstract: 该发明公开了一种基于时空特征增强网络的多视角ISAR车辆目标分类方法，属于逆合成孔径雷达目标分类领域。本发明针对上述ISAR车辆目标分类存在的问题，提出一种基于时空特征增强网络的多视角ISAR车辆目标分类方法。首先，该方法提出一个融合动态卷积运算和自适应视角加权策略的多视角特征提取框架，动态卷积可根据输入自适应调整卷积核，再基于多视角特征自适应加权策略，联合多个视角提取车辆目标的综合视角特征；然后，提出一个双流时空特征细化模块，分别从全局和局部角度对多视角时空特征进行优化；最后，利用长短期记忆网络有效聚合多视角时空特征，实现车辆目标分类。
-
公开(公告)号：CN118982861A
公开(公告)日：2024-11-19
申请号：CN202410982503.7
申请日：2024-07-22
Applicant: 河北工业大学 , 西安电子科技大学杭州研究院
IPC: G06V40/20 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06F3/01 , G01S7/41
Abstract: 本发明为一种基于跨域图像转换的毫米波雷达手势识别方法，首先利用毫米波雷达采集手势回波信号作为目标域数据，对手势回波信号进行预处理，得到目标域微多普勒时频图像；将公开数据集的毫米波雷达手势回波信号作为源域数据，对手势回波信号进行预处理，得到源域微多普勒时频图像；然后，构建由生成器和判别器组成的图像风格迁移模型，对图像风格迁移模型进行训练，利用训练后的生成器将源域微多普勒时频图像转换到目标域，得到生成微多普勒时频图像；最后，利用所有生成微多普勒时频图像与目标域微多普勒时频图像对手势识别模型进行训练，将训练后的手势识别模型用于毫米波雷达手势识别。该方法增强了生成器的特征提取能力，能够生成更加真实的目标域图像，在增加数据量的同时显著提高了样本的多样性，进而提高了手势识别性能。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.025 seconds)
