-
公开(公告)号:CN111487589A
公开(公告)日:2020-08-04
申请号:CN202010317499.4
申请日:2020-04-21
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种基于多源传感器网络的目标落点定位方法,包括:安装声音阵列和震动阵列;对声音阵列、震动阵列以及数据采集设备上电,实时采集阵列接收到的信号;对目标震动信号进行预处理;对目标声音信号进行预处理;提取目标震动信号的纵波包络个数;判断目标类型,计算目标的落点坐标;所有设备关闭供电,回收所述声音阵列、震动阵列以及数据采集设备。本发明融合声音落点处理方式与震动落点处理方式的优点,准确估计出信源数目,既可计算出单目标落点、多目标连续落点的坐标,还可以计算出多目标随机投射的落点坐标。同时,本发明受目标时延差的限制小,提升了定位精度。
-
公开(公告)号:CN111487589B
公开(公告)日:2023-08-04
申请号:CN202010317499.4
申请日:2020-04-21
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种基于多源传感器网络的目标落点定位方法,包括:安装声音阵列和震动阵列;对声音阵列、震动阵列以及数据采集设备上电,实时采集阵列接收到的信号;对目标震动信号进行预处理;对目标声音信号进行预处理;提取目标震动信号的纵波包络个数;判断目标类型,计算目标的落点坐标;所有设备关闭供电,回收所述声音阵列、震动阵列以及数据采集设备。本发明融合声音落点处理方式与震动落点处理方式的优点,准确估计出信源数目,既可计算出单目标落点、多目标连续落点的坐标,还可以计算出多目标随机投射的落点坐标。同时,本发明受目标时延差的限制小,提升了定位精度。
-
公开(公告)号:CN110852358A
公开(公告)日:2020-02-28
申请号:CN201911034377.8
申请日:2019-10-29
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
Abstract: 本发明提供一种基于深度学习的车辆类型判别方法,包括:构建一yolo框架的人工神经网络模型,并且随机初始化权重系数;从网上收集和在当前应用环境中抓拍车辆照片,车辆照片包括在有遮挡、昏暗光线、车辆正面的情况下的车辆照片,对车辆进行标注,并将车辆照片输入人工神经网络模型;使用人工神经网络模型和车辆照片来进行训练;停止训练,得到适用于所述当前应用环境的权重文件;将需要识别的图片输入人工神经网络模型,判别车辆类型并返回结果。本发明的车辆类型判别方法采用的车辆照片包括有遮挡样本、昏暗光线样本以及角度较差的情况下的车辆照片,因此能够降低识别车辆类型时对降低对有无遮挡、光线和拍摄角度的要求。
-
-