-
公开(公告)号：CN111160176B
公开(公告)日：2022-09-06
申请号：CN201911320163.7
申请日：2019-12-19
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于融合特征的一维卷积神经网络地面雷达目标分类方法。该方法步骤如下：对训练样本集和测试样本集中的雷达回波数据样本进行预处理，通过FFT得到回波数据的幅度谱、功率谱，再对幅度谱进行幂变换，将三组特征向量作为特征输入的三个通道；确定一维卷积神经网络架构，将提取后的三通道特征送入全连接层；利用softmax分类器进行分类，计算得到输出预测标签与真实标签的误差；利用梯度下降法对网络权重系数进行修正，直至达到最大迭代次数，提取相应的网络权重系数，确定最终分类器模型；将待识别的测试集雷达回波样本送入训练得到的分类器，完成目标分类。本发明具有更少的参数，能够高效而准确的完成目标分类。
-
公开(公告)号：CN113340858A
公开(公告)日：2021-09-03
申请号：CN202110488644.X
申请日：2021-04-30
Applicant: 南京理工大学
IPC: G01N21/64
Abstract: 本发明公开了一种便携式混合荧光检测仪，包括可以进行多种样品同时检测的样品池和样品池下底盘，光源，拥有两套光路的转盘和智能手机，控制转盘转动的电机，供电电源和温度传感器。当选择检测样品池所有反应区的荧光强度时6个激光器作为光源，荧光通过光路4被手机摄像头捕获，当选择检测单一反应区荧光光谱时3个全光谱led作为光源，荧光通过光路3再经过衍射光栅分光形成光谱带被手机摄像头捕获。通过这些被手机捕获的信号就能得到待测物体的浓度，本装置结构简单，体积小，并能同时检测同一液体中不同物质的浓度，且荧光检测和光谱检测相互矫正，精确度较高，能实现对待测物体的快速，实时，高精度的检测。
-
公开(公告)号：CN112288655A
公开(公告)日：2021-01-29
申请号：CN202011242901.3
申请日：2020-11-09
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于MSER区域匹配和低秩矩阵分解的海面图像稳像方法，对海面图像进行二值化处理以区分海面和天空；使用Canny算子和Hough边缘检测得到候选海天线，选取海天线并以此为基准旋转、平移图像，将海天线至于图像正中且水平。将灰度化后的的图像旋转并在海天线以下部分通过MSER方法选取合适大小特征海浪块，在下一帧中完成基于海天线的图像旋转后，基于海浪块的面积、长宽比和位置匹配海浪块，并以匹配的两块中心点坐标为基准平移图像，从而实现海面图像的匹配，采用低秩矩阵分解方法对匹配参数进一步优化处理。本发明在海面等纹理杂乱、特征点贫瘠场景下的稳像达到了较好的效果。
-
公开(公告)号：CN111539434A
公开(公告)日：2020-08-14
申请号：CN202010281151.4
申请日：2020-04-10
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于相似度的红外弱小目标检测方法，包括构建由背景网络、小目标网络和相似度检测网络构成的ISOS-SIM模型；合成仿真红外图像构造训练集，并设计ISOS-SIM模型的总损失函数；利用训练集训练ISOS-SIM模型；利用真实场景下包含真实小目标的测试集输入训练好的ISOS-SIM模型；最后提取小目标网络模块的结果图作为最终的检测结果。本发明采用相似度判别机理，将复杂任务化简为单任务类型，利用背景网络模块作为辅助网络有效地抑制检测结果图像的虚警率，相似度判别网络模块使两者之间能够实现平衡，小目标能够获得增强效果，ISOS-SIM模型在测试阶段仅凭训练好的小目标网络模块就可完成检测任务，将检测任务模块化，具有开发更鲁棒的模型的灵活性。
-
公开(公告)号：CN111157954A
公开(公告)日：2020-05-15
申请号：CN201911313176.1
申请日：2019-12-18
Applicant: 南京理工大学
Abstract: 本发明公开了一种地面雷达目标检测门限系数自适应调整方法，假设波束扫描范围内有N个波束指向，将目标检测距离范围划分为M个距离段，每个距离段内的目标检测使用相同的门限系数；根据设定的虚警概率确定每个波位、不同距离段的初始恒虚警门限系数、噪声门限系数并存储；利用预存的门限系数采用CFAR恒虚警检测算法对所有波位进行目标检测，根据检测出的目标信噪比、目标属性、目标距离更新相应波位、距离段的恒虚警门限系数或噪声门限系数，直至所有波位、所有距离段的门限系数更新完毕。本发明通过将门限系数调整与目标属性相适应，提高了地面雷达强杂波下的检测性能、目标跟踪的稳定性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN111123214A
公开(公告)日：2020-05-08
申请号：CN201911311705.4
申请日：2019-12-18
Applicant: 南京理工大学
Abstract: 本发明公开了一种多项式旋转-多项式傅里叶变换的高速高机动目标检测方法，首先分别对积累时间内的M个雷达脉冲回波进行数字化采样以及脉冲压缩处理，得到快时间-慢时间二维雷达回波数据矩阵；然后根据待检测目标运动特性确定搜索参数组的阶数和范围并初始化搜索参数组；接着利用多项式旋转-多项式傅里叶变换在整个参数搜索空间内对数据矩阵进行相参积累，得到距离-多普勒分布图；最后利用恒虚警检测判断目标的有无，若有目标则可以得到目标的距离和运动状态信息。多项式旋转-多项式傅里叶变换可以在计算复杂度远小于广义拉东变换的条件下，与其达到同样的理论最佳积累效果，实现低信噪比环境下临近空间高速高机动目标相参积累。
-
公开(公告)号：CN111123205A
公开(公告)日：2020-05-08
申请号：CN201911310086.7
申请日：2019-12-18
Applicant: 南京理工大学
Abstract: 本发明公开了一种地面侦察雷达目标点迹凝聚方法，包括：在雷达完成目标检测之后，对目标检测器输出的原始点迹数据进行处理，提取单个相参积累周期内所有原始目标信息，包括距离门号、多普勒号和目标功率；根据目标距离远近分别进行近距离目标点迹凝聚处理和远距离目标点迹凝聚处理，最终汇总得到当前积累周期的点迹凝聚结果。本发明在不增加系统复杂度的前提下，提高单目标的距离精度和相邻目标的距离分辨能力。
-
公开(公告)号：CN109902715A
公开(公告)日：2019-06-18
申请号：CN201910049019.8
申请日：2019-01-18
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于上下文聚合网络的红外弱小目标检测方法，首先构建STDNet模型；然后合成仿真样本构造训练集，并根据局部信杂比设计STDNet模型的加权均方误差损失函数；其次利用训练集训练STDNet模型；再进一步利用真实应用场景下包含真实弱小目标的样本图像，且以低于训练阶段的学习率追加训练STDNet模型；最后将测试样本输入训练好的STDNet模型，将STDNet模型输出的结果经过阈值化、连通区域提取、质心获取处理，完成红外弱小目标检测。本发明能利用全局和局部特征共同探测弱小目标，且具有较强的抑制复杂背景干扰的能力。
-
![[2,7,12,18-四甲基-3,8-二乙基-13,17-二羧基乙基]-卟啉的制备方法](/CN/2013/1/15/images/201310079573.jpg)
公开(公告)号：CN103214491A
公开(公告)日：2013-07-24
申请号：CN201310079573.3
申请日：2013-03-13
Applicant: 南京理工大学
IPC: C07D487/22
Abstract: 本发明涉及[2,7,12,18-四甲基-3,8-二乙基-13,17-二羧基乙基]-卟啉的制备方法，按照如下合成方法实现：将氯化血红素溶于酸类溶剂中，在90~140℃条件下，分次加入等质量的还原金属后反应。待反应结束后冷却，过滤，洗涤，收集滤液，调节pH，静置数小时，过滤收集沉淀，洗涤，烘干，将粗产品重结晶，即得[2,7,12,18-四甲基-3,8-二乙基-13,17-二羧基乙基]-卟啉。本发明与现有技术相比，其显著优点：（1）本发明所述方案所用的原料廉价易得，避免了贵金属催化剂的使用，制备成本大大降低；（2）本发明所述方案方法步骤简单，只需一步即可合成目标产物，能够有效避免步骤增加造成的产品损失，大大提高了目标产物的收率；（3）本发明所述实验方案操作安全，后处理简便，适合进行多批次、大批量生产。
-
公开(公告)号：CN102201054A
公开(公告)日：2011-09-28
申请号：CN201110002613.5
申请日：2011-01-07
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于鲁棒统计的行道线检测方法，从原图上提取出包含行道线的道路区域图像，使用局部阈值穷举法分割兴趣区域图像，并筛选出特定长度的RL线段，对RL线段进行累积，在累积图像上利用鲁棒统计方法估计行道线模型参数，最后根据道路几何约束去除虚假道路边。本发明可以准确的检测结构化、半结构化道路上的行道线，对于一些标记退化的道路和干扰较重的道路也有很好的适应性，具有高实时性、高鲁棒性的优点，易于推广到机器人导航、车辆主动安全等应用领域。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.034 seconds)
