-
公开(公告)号：CN116930951A
公开(公告)日：2023-10-24
申请号：CN202310921374.6
申请日：2023-07-26
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种连续布设组网雷达目标航迹融合方法，涉及组网雷达技术领域。所述方法包括：在高速公路待检测的路段布防多个毫米波雷达，采用通信协议传输各部雷达检测的目标信息，数据处理中心实时接收目标信息，中心将不同雷达的数据进行时间、空间对齐，同步到同一坐标系下；每个雷达传输的数据划分为：非重叠区、重叠区，数据处理中心采用最近邻算法与基于历史数据的算法不间断对相邻雷达的数据进行数据关联，判别是否同个目标，并生成本次跟踪轨迹。本发明方法突破了单雷达的距离限制，采用多部毫米波雷达实现高速路段全检测跟踪，用于获取高速路段的车辆信息以及交通的异常事件，保障道路安全。
-
公开(公告)号：CN114758230A
公开(公告)日：2022-07-15
申请号：CN202210355701.1
申请日：2022-04-06
Applicant: 桂林电子科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及人工智能技术领域，尤其涉及一种基于注意力机制的地下目标体分类识别方法，首先采集探地雷达B‑scan图像数据，预处理后获得探地雷达B‑scan图像数据集，再搭建基于CBAM注意力机制和残差结构的卷积神经网络模型，使用探地雷达B‑scan图像数据集对卷积神经网络模型进行迭代训练，训练好的卷积神经网络模型更关注目标体重要的特征而抑制不重要的特征，有效提高模型对目标体的识别精度，使用训练后的卷积神经网络模型进行图像分类识别避免了传统机器学习方法中人工设计特征的步骤，同时增强了深度学习方法中卷积神经网络的特征提取能力。
-
公开(公告)号：CN113890335A
公开(公告)日：2022-01-04
申请号：CN202111193856.1
申请日：2021-10-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于正负时钟产生电路的亚阈值升压电路，由环形振荡器、缓冲差分电路、2个正负时钟产生电路、电荷泵和整流电路构成。在传统的栅极交叉耦合升压电路中，从缓冲差分电路输出的时钟信号直接作为三级交叉耦合电荷泵的控制时钟。本发明设计了正负电压时钟产生电路，用以对电荷泵中NMOS管在工作和关断时进行衬底的动态偏置，电荷泵中的PMOS管的衬底则由整流电路的输出进行偏置，从而降低了晶体管正向导通和反向导通的损耗，提升了升压效果。
-
公开(公告)号：CN112924965A
公开(公告)日：2021-06-08
申请号：CN202110137151.1
申请日：2021-02-01
Applicant: 桂林电子科技大学
IPC: G01S13/89
Abstract: 本发明公开基于聚类相参叠加的频率分集阵列雷达目标成像方法，采用K均值聚类和BP算法融合，解决了传统BP算法在FDA雷达对多目标定位及成像时面临的成像模糊、旁瓣高的问题。本发明方法中，每次改变频率偏置对成像区域进行新的扫描，其数据处理过程中的时延补偿仅需对上次聚类分类簇标记为1的网格点进行时延补偿计算，而不需要遍历全网格空间，故本发明所提出的改进方法较现有方法能有效降低运算量；同时本发明提出的改进方法充分利用目标点的能量集中特性及目标点与虚像点能量的差异性，可有效剔除目标虚假像，有效提高成像结果的精确度。
-
公开(公告)号：CN118484769A
公开(公告)日：2024-08-13
申请号：CN202410472412.9
申请日：2024-04-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于图结构的多源融合目标跟踪方法。该方法首先在一组雷达组成的网络空间中获取各个雷达的位置和参数，然后将所有雷达站点的扫描区域拼接为一个总扫描空间，并根据雷达密度、雷达扫描周期、跟踪目标预期速度将其分割为合适大小的空间区域。当跟踪目标超出空域边界时，使用空域连接报告给对应新空域目标信息并由新空域决策对此目标调用雷达和数据融合。当跟踪目标的部分雷达出现断点时，通过相邻雷达临时协作跟踪或更换跟踪组合增强连续性。该方法利用图结构管理多雷达资源，协同处理提高利用效率，适应复杂环境监测。
-
Patent Agency Ranking
公开(公告)号：CN118260619A
公开(公告)日：2024-06-28
申请号：CN202410370653.2
申请日：2024-03-29
Applicant: 桂林电子科技大学
IPC: G06F18/2321 , G06F18/2131 , G06V20/17 , G06V10/762 , G06V10/88
Abstract: 本发明公开了一种速度密度联合的无人机载毫米波雷达动目标聚类方法，首先，对原始点云数据进行预处理，通过对含有杂波的点云数据进行预处理，处理之后可以滤除与地面静止相关的目标，只保留含有动态目标的点云信息，预处理阶段会将雷达与目标之间的相对数据转换为目标的绝对数据，并对其进行速度误差补偿，从而提高数据的可靠性与准确性；其次，依据点云速度特性进行点云聚类，将不同速度点云进行分割聚类；最后，根据速度聚类的输出结果为第三部分的输入，以多普勒点云聚类为基础，进行DBSCAN欧式聚类，得到聚类结果。本发明方法可以有效提升稀疏分布点云的聚类准确率，并且很大程度上弥补点云不足引起的聚类结果不佳效应。
-
-
公开(公告)号：CN113671477B
公开(公告)日：2023-07-14
申请号：CN202110943309.4
申请日：2021-08-17
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于图信号处理的雷达目标距离估计方法，该方法对所有阵元进行图信号构建，使两两阵元之间的相位信息能够在图傅里叶变换中起更好的特征分解的作用从而获得更好的目标距离估计结果，并使用多个单频信号完成频率分集宽带信号的合成，完成了多目标距离估计，降低了系统复杂度。采用全连接的邻接矩阵As图信号的方式进行目标距离估计，时间和空间复杂度与稀疏连接图信号目标距离估计方法一样，得到的结果归一化结果更好，引入图信号处理的方法用于目标距离估计中，得到新的目标距离估计方法，通过加入阵元排列下阵元之间的位置差关系对方位向进行估计，达到联合估计的效果。
-
公开(公告)号：CN115981846A
公开(公告)日：2023-04-18
申请号：CN202211607365.1
申请日：2022-12-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于网格跨步循环的GPU+CPU架构雷达信号处理实现方法，包括：采用CPU通过PCIE数据传输总线连接GPU进行数据交互传输和负责复杂逻辑运算；采用GPU高性能计算能力、高并发性和高访问速度的特性，将需要大量线程进行并行计算的数据放在GPU上进行，提高运算速度；采用GPU片上存储器共享内存建立缓存机制，存储线程频繁访问的回波数据，并以网格跨步循环的方式线程重用，按线程细粒度索引访问共享内存数据，最小化数据访问时间和开辟线程的花销，提高计算速度和效率，快速实现雷达信号处理。这种方法开发成本低、硬件平台搭建简单、线程重用，减少访问数据时间和线程激活和销毁的花销，提高数据计算的速度，快速实现雷达信号处理。
-
公开(公告)号：CN112924965B
公开(公告)日：2022-04-12
申请号：CN202110137151.1
申请日：2021-02-01
Applicant: 桂林电子科技大学
IPC: G01S13/89
Abstract: 本发明公开基于聚类相参叠加的频率分集阵列雷达目标成像方法，采用K均值聚类和BP算法融合，解决了传统BP算法在FDA雷达对多目标定位及成像时面临的成像模糊、旁瓣高的问题。本发明方法中，每次改变频率偏置对成像区域进行新的扫描，其数据处理过程中的时延补偿仅需对上次聚类分类簇标记为1的网格点进行时延补偿计算，而不需要遍历全网格空间，故本发明所提出的改进方法较现有方法能有效降低运算量；同时本发明提出的改进方法充分利用目标点的能量集中特性及目标点与虚像点能量的差异性，可有效剔除目标虚假像，有效提高成像结果的精确度。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.031 seconds)
