-
公开(公告)号：CN116626587A
公开(公告)日：2023-08-22
申请号：CN202310578688.0
申请日：2023-05-22
Applicant: 南京大学
Abstract: 本发明公开了融合同步信号块扫描与多站测距外辐射源无人机定位方法，包括多站接收基站发射的同步信号块信号，获得空间波束扫描信息；通过计算参考信号接收功率与延时，确定同步信号块编号；将待测空间划分成均匀的子空间，计算目标在不同子空间处相对于各个接收站的延时及同步信号块编号，得到用于稀疏重构的字典矩阵；利用同步信号块编号与多站延时信息，通过贝叶斯压缩感知的方法对目标进行定位。本发明能有效地检测出基站信号覆盖范围内的目标，对于目标位置的检测具有有效性和优越性，结合波束扫描区域的划分与接收信号延迟信息，检测效果比仅用延时测量估计的准确度高，可应用于无人机、小型飞机等空中目标的定位检测。
-
公开(公告)号：CN115953592A
公开(公告)日：2023-04-11
申请号：CN202310008133.2
申请日：2023-01-04
Applicant: 南京大学
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于变分自编码器VAE的太赫兹安检图像识别方法，包括将采集的太赫兹安检图像数据输入至变分自编码器中，进行数据的重构；采用DenseNet‑201作为骨干网络，后接双注意力模块(Dual‑Attention)和度量学习模块(Center Loss)，双注意力模块负责引导骨干识别网络关注有用信息和减少不重要信息的权重，以达到改善网络识别性能的作用，度量学习模块通过增加类间距离和减少类内距离解决图像数据之间的特征相似度较高问题，从而提高聚类和泛化、识别性能，并且优化了骨干网络的损失函数；实现太赫兹安检图像数据的增强，降低过度拟合的风险，增强网络的泛化能力，进一步提高网络的识别精度和可靠性。
-
公开(公告)号：CN115688910A
公开(公告)日：2023-02-03
申请号：CN202211401909.9
申请日：2022-11-09
Applicant: 南京大学
IPC: G06N3/082 , G06N3/084 , G06N3/0985 , G06N3/0464 , G06N3/045 , G06N3/048 , G06F18/214
Abstract: 本发明公开了一种基于编码超表面频率响应快速预测的模型压缩方法，涉及编码超表面设计领域，包括如下步骤：步骤一、通过CST‑Python联合仿真，导入表示编码超表面单元表面结构的编码矩阵，生成编码超表面频率响应，获得频响曲线，制作数据集；步骤二、对编码超表面频率响应快速预测的正向网络进行预训练，实现编码超表面到频率响应的映射；步骤三、基于步骤二中得到的预训练完备的正向网络，使用LRP将网络输出作为相关性进行后向传播，以卷积核获得的相关性作为结构化剪枝的度量标准，对正向网络进行压缩；步骤四、将表示编码超表面单元表面结构的编码矩阵输入到压缩后的正向网络中，得到超表面频率响应的参数实部曲线、虚部曲线，进而得到幅值和相位值。
-
公开(公告)号：CN115567871A
公开(公告)日：2023-01-03
申请号：CN202211175374.8
申请日：2022-09-26
Applicant: 南京大学
Abstract: 本发明提供一种WiFi指纹室内楼层识别与位置估计方法，涉及无线室内定位技术领域，包括：步骤一，对WiFi指纹数据做数据预处理；步骤二、搭建卷积神经网络模型；步骤三、搭建机器学习模型框架，通过决策树、随机森林、K近邻三种线性回归算法预测位置；本发明通过参考节点RP接收多个AP信号强度RSS与楼层、坐标相对应，合成WiFi位置指纹信息，基于位置指纹信息提出卷积神经网络模型与机器学习回归算法实现了室内楼层识别与位置估计，解决了室内定位楼层识别准确率低与位置估计错误率高的问题。
-
公开(公告)号：CN113095137A
公开(公告)日：2021-07-09
申请号：CN202110259492.6
申请日：2021-03-10
Applicant: 南京大学
Abstract: 本发明属于信号特征识别技术领域，尤其是一种基于机器学习的信号特征识别装置和方法，一种基于机器学习的信号特征识别装置，包括依次连接的射频信号处理模块、数字信号处理和控制模块、以及网络接口模块，所述的射频信号处理模块用于对信号进行接收、滤波和信号放大处理，并输出信号到数字信号处理和控制模块，数字信号处理和控制模块用于对接收的信号进行信号特征识别和信号数字调制方式识别，并且将识别的信号特征以及信号数字调制方式通过网络接口模块和输出到外部，降低了运算复杂度，便于在硬件中实现。
-
Patent Agency Ranking
公开(公告)号：CN106802407B
公开(公告)日：2020-02-11
申请号：CN201710034863.4
申请日：2017-01-18
Applicant: 南京大学
IPC: G01S7/02
Abstract: 本发明公开了信源数估计方法及其应用，属于信号处理技术领域，主要解决现有方法在阵元数较多而快拍数较少条件下不能对信源数进行正确估计的问题。其实现过程为：(1)根据阵列接收数据对其进行归一化处理；(2)对处理后的接收信号进行奇异值分解，得到相应的奇异值及其向量，并计算出对应的特征值；(3)通过计算得到函数表达式；(4)求出使得表达式取最小值时对应的变量值，即为估计所得的信源数。仿真结果证明本发明的信源数估计方法的优越性以及有效性，可用于雷达、通信、导航、测控等众多领域中的信息提取或干扰抑制。
-
公开(公告)号：CN109581321A
公开(公告)日：2019-04-05
申请号：CN201910077808.2
申请日：2019-01-25
Applicant: 南京大学
IPC: G01S7/41
Abstract: 本发明提出一种可灵活加载参数的雷达多波形信号生成和演示装置，其特征在于，包括PC端和雷达信号处理平台，PC端和雷达信号处理平台之间交互数据；PC端包括PC端显示控制模块，PC端显示控制模块向用户提供雷达工作模式选择界面、雷达工作参数设置界面和PPI显示模式/B显示模式的数据展示界面；雷达信号处理平台包括FPGA芯片及外围电路，FPGA芯片内置嵌入式控制模块；嵌入式控制模块根据用户输入的雷达工作模式和雷达工作参数切换至相应工作模式，并执行该工作模式下的相应操作。本发明针对雷达多波形信号仿真的需要，采用雷达参数的灵活加载方式，实现雷达多波形的生成和演示功能。
-
公开(公告)号：CN104463329B
公开(公告)日：2017-10-24
申请号：CN201410706769.5
申请日：2014-11-27
Applicant: 南京大学
IPC: G06N5/02
Abstract: 本发明公开了贝叶斯群验方法，首先对状态组合的发生概率Pm进行初始化，假设群体中个体总数为N，则共有2N种状态组合；第一次测试，随机选择若干个体参与测试，并获得最终输出；在每次测试有了结果后，对所有2N种状态组合中每种状态组合概率更新；确定参与下一次测试的个体；利用选取的测试向量完成测试，并获得测试最终输出，当最大状态组合的概率大于0.5时完成整个测试，否则跳至步骤3进行循环。本发明的有益效果是减少了需要的测试次数；以及在测试结果中存在噪声的情况下，仍能正确找出所有故障个体。
-
公开(公告)号：CN106802407A
公开(公告)日：2017-06-06
申请号：CN201710034863.4
申请日：2017-01-18
Applicant: 南京大学
IPC: G01S7/02
Abstract: 本发明公开了信源数估计方法及其应用，属于信号处理技术领域，主要解决现有方法在阵元数较多而快拍数较少条件下不能对信源数进行正确估计的问题。其实现过程为：(1)根据阵列接收数据对其进行归一化处理；(2)对处理后的接收信号进行奇异值分解，得到相应的奇异值及其向量，并计算出对应的特征值；(3)通过计算得到函数表达式；(4)求出使得表达式取最小值时对应的变量值，即为估计所得的信源数。仿真结果证明本发明的信源数估计方法的优越性以及有效性，可用于雷达、通信、导航、测控等众多领域中的信息提取或干扰抑制。
-
公开(公告)号：CN119494270A
公开(公告)日：2025-02-21
申请号：CN202411570143.6
申请日：2024-11-06
Applicant: 南京大学
IPC: G06F30/27 , G16C60/00 , G06N3/006 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明属于超材料设计领域，具体涉及一种基于CVAE和PSO的纳米光子超材料结构逆向设计方法；所述方法具体步骤为S1.构建数据集；S2.将数据集分割为80％的训练集、10％的验证集和10％的测试集；S3.构建正向预测网络模型，并进行迭代循环训练；S4.构建条件变分自编码器网络模型；S5.将训练集中编码矩阵及反射光谱向量作为数据对送入条件变分自编码器网络模型，进行迭代循环训练；S6.通过粒子群优化算法寻找最优的潜在向量，将潜在向量与反射光谱向量拼接后输入条件变分自编码器网络模型得到候选设计结构，并利用正向预测网络模型进行筛选；本发明解决了现有技术反向设计中设计多样性不足与精确度不高难以平衡的问题。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.025 seconds)
