-
公开(公告)号：CN114895306A
公开(公告)日：2022-08-12
申请号：CN202210464997.0
申请日：2022-04-29
Applicant: 清华大学
IPC: G01S13/90
Abstract: 本申请提供一种高分辨率宽测绘带成像方法、装置和存储介质，属于数据处理的技术领域。所述方法应用于合成孔径雷达，包括：所述合成孔径雷达每隔预设间隔，在预先确定的脉冲重复频率的取值范围中随机选取当前脉冲重复频率，相邻两个当前脉冲重复频率不相同且不连续；根据所述当前脉冲重复频率，所述合成孔径雷达发射脉冲信号并接收目标反射的回波信号；通过快速迭代软阈值算法对所述目标反射的回波信号进行处理，得到稀疏重构的目标成像结果。本申请旨在解决单通道SAR系统的高分辨率宽测绘带的问题。
-
公开(公告)号：CN112287517B
公开(公告)日：2022-08-09
申请号：CN202011011787.3
申请日：2020-09-23
Applicant: 清华大学
IPC: G06F30/20
Abstract: 本发明公开了一种一维多重冗余传感器阵列结构的设计方法及装置，其中，该方法包括：根据基本结构模式构造第一传感器阵列结构；根据第一传感器阵列结构的相邻阵元间距分布情况，对第一传感器阵列结构的参数进行迭代获得第二传感器阵列结构；根据第二传感器阵列结构的相邻阵元间距分布情况，对第二传感器阵列结构参数进行计算获得第三传感器阵列结构。该方法可以解决损毁阵元数量大于或等于2情况下空间频率采样较大程度覆盖的问题，为阵列信号处理应用中的阵列鲁棒性提供保障。
-
公开(公告)号：CN114511873A
公开(公告)日：2022-05-17
申请号：CN202111546944.5
申请日：2021-12-16
Applicant: 清华大学
IPC: G06V40/10 , G06V10/764 , G06V10/774 , G06V10/771 , G06K9/62
Abstract: 本发明提出一种基于毫米波雷达成像的静态手势识别方法方法及装置，其中方法包括，选择毫米波雷达参数，采集待识别手势的原始回波信号；利用两维合成孔径雷达成像算法对采集到的所述待识别手势的原始回波信号处理，获取两维高分辨的手势图像，并进一步对在不同距离、不同角度下采集到的不同姿态的手势的原始回波信号进行处理，得到需要识别的不同手势的图像数据集；利用主成分分析方法对所述不同手势的图像数据集进行降维，得到新的低维度样本集，并利用所述低维度样本集构建手势识别数据集，其中，所述手势识别数据集包括训练数据集和测试数据集；对所述测试数据集进行分类，得到不同手势的样本类别，实现手势的识别。
-
公开(公告)号：CN108872984B
公开(公告)日：2022-04-08
申请号：CN201810212392.6
申请日：2018-03-15
Applicant: 清华大学
Abstract: 本发明涉及一种基于多基地雷达微多普勒和卷积神经网络的人体识别方法，属于雷达目标识别技术领域。本方法中使用多基地雷，缓解了视角变化带来的回波信号差异，增强了识别鲁棒性，提高了识别准确率。采用卷积神经网络进行数据处理，无需手工设计特征，具有一定通用性且识别正确率性能优异。本方法采用迁移学习技术，在卷积神经网络中利用了RGB光学图像预训练权重，并利用具有类似RGB光学图像的三通道多分辨率时频图作为卷积神经网络的输入，在匹配了预训练权重维度的同时，相比单分辨率时频图提供了更多的信息，本方法能够在多种人体识别任务中取得良好的识别准确率。
-
公开(公告)号：CN110703013B
公开(公告)日：2021-11-09
申请号：CN201910919766.2
申请日：2019-09-26
Applicant: 内蒙古电力(集团)有限责任公司电力调度控制分公司 , 清华大学
Abstract: 本发明实施例提供一种电力系统低频振荡模式的在线辨识方法、装置与电子设备，其中该方法包括：基于电力系统的运行量测，依次利用随机子空间法和聚类算法，获取第一初步辨识结果；基于第一初步辨识结果对应的运行量测的不同组合，获取低频振荡模式的精确辨识结果；基于电力系统的每一运行量测，获取第二初步辨识结果，并从第二初步辨识结果中去除上述精确辨识结果后进行聚类分析，获取遗漏模式；基于遗漏模式对应的运行量测的不同组合，获取遗漏模式的精确辨识结果；以上述两种精确辨识结果的整体作为电力系统的低频振荡模式的最终识别结果。本发明实施例能够对电力系统低频振荡模式进行更为可靠、精确、全面的辨识，实现低频振荡模式在线监测。
-
Patent Agency Ranking
公开(公告)号：CN111505639B
公开(公告)日：2021-10-22
申请号：CN202010373474.6
申请日：2020-05-06
Applicant: 清华大学 , 中国人民解放军海军航空大学
Abstract: 本发明公开了一种基于变重频采样模式的合成孔径雷达宽幅稀疏成像方法，包括：通过雷达发射天线以变重频采样模式发射信号脉冲，接收目标反射回波信号，初始化参数及变量；执行非均匀线频调变标过程得到成像场景的场景散射强度矩阵；利用软阈值操作更新场景散射强度矩阵，得到第i次迭代的结果；执行非均匀逆线频调变标过程得到模拟的回波数据；计算模型误差变化率，判断模型误差变化率或迭代次数是否满足迭代终止条件，满足迭代终止条件，则输出当前迭代得到的场景散射强度矩阵作为合成孔径雷达成像结果，不满足迭代终止条件，则迭代次数i加1继续迭代。该方法可以实现对稀疏场景的高分辨率、宽测绘带成像，降低了硬件成本，提高了运行效率。
-
公开(公告)号：CN112991257B
公开(公告)日：2021-10-15
申请号：CN202011496434.7
申请日：2020-12-17
Applicant: 清华大学 , 中国人民解放军海军航空大学
Abstract: 本发明公开了一种基于半监督孪生网络的异质遥感图像变化快速检测方法，包括如下步骤：获取变化前后的两幅异质遥感图像并进行配准；以在ImageNet中预训练的两个相同结构的VGG子网络为基础构造半监督孪生网络；在两幅异质遥感图像的相同位置，分别提取少量以图像小块为单位的非变化区域，作为训练样本；构造损失函数，通过最小化损失函数，训练半监督孪生网络中的高层级特征以适应两幅异质遥感图像，获得两幅异质遥感图像的同质特征；以两幅异质遥感图像作为半监督孪生网络输入，提取变化差异图；利用Otsu算法对变化差异图二值化，得到最终的变化检测图。本发明能够准确检测异质遥感图像变化区且检测效率高。
-
公开(公告)号：CN108827312B
公开(公告)日：2021-10-08
申请号：CN201810907242.7
申请日：2018-08-08
Applicant: 清华大学
IPC: G01C21/20
Abstract: 本发明提出一种基于神经网络和人工势场的协同博弈路径规划方法，属于智能体动态路径规划领域。该方法首先在离线阶段获取智能体的优化路径构建训练样本集，并对BP神经网络模块进行训练，得到训练完毕的BP神经网络模块；在线阶段，获取每个智能体的当前时刻的位置和环境信息并输入训练完毕的BP神经网络模块，网络模块输出该时刻的斥力增益，进而计算得到该时刻目标点对智能体的引力、威胁区对智能体的斥力，并计算得到合力。智能体根据合力进行运动，并在下一个时刻根据新的位置和环境信息更新斥力增益，直到路径规划达到结束的条件。本发明能够更好地解决协同博弈场景下的路径规划问题，能够更好地适应目标和障碍运动下的动态路径规划。
-
公开(公告)号：CN113325413A
公开(公告)日：2021-08-31
申请号：CN202110450051.4
申请日：2021-04-25
Applicant: 清华大学
Abstract: 本发明公开了一种雷达目标锁定跟踪方法及装置，选择一个跟踪处理点，更新雷达扫描参数进行扫描，通过雷达算法计算扫描数据中是否有目标，有目标则立即推送到筛选策略中进行多级策略筛选确定最终的跟踪目标；否则继续执行周期内扫描检测目标，当扫描周期内没有推送点或无满足筛选的真实目标，则执行找回策略更新雷达扫描参数，当连续执行找回策略的次数超过阈值，退出跟踪流程。将多级策略筛选后推送的真实目标进行修正后输出，如果扫描周期内没有雷达推送的目标或无满足筛选的真实目标，则使用算法进行预测当前时刻的目标进行输出，将输出目标进行航迹匹配，加入对应的航迹。由此，实现了雷达目标锁定跟踪可靠性、精确性、高效性、稳定性的提高。
-
公开(公告)号：CN109116356B
公开(公告)日：2021-08-31
申请号：CN201811247872.2
申请日：2018-10-25
Applicant: 清华大学
IPC: G01S13/90
Abstract: 本发明提出一种基于低比特量化数据的合成孔径雷达运动目标成像方法，属于雷达技术领域。该方法在设定场景下，对雷达回波信号进行低比特采样，得到对应的低比特量化的回波数据；利用Omega‑K算法，得到全观测场景的合成孔径雷达成像结果；任意选取一个运动目标并提取出包含该运动目标的模糊区域，设计相应的参数化运动补偿滤波器，得到该模糊区域对应的稀疏表征；采用参数化量化硬门限循环算法消除量化误差的影响，实现运动参数估计及运动目标图像的重聚焦，最终得到运动目标成像结果。本发明对低比特量化的回波数据进行处理，能够实现与精确数据得到的重聚焦结果可比拟的成像效果，并大大减少数据量，节省雷达数据的存储空间并提高传输效率。
-
-
-
-
-
-
-
-
-
Search Results
258
records
(took 0.078 seconds)
