-
公开(公告)号：CN112819140B
公开(公告)日：2022-06-24
申请号：CN202110140882.1
申请日：2021-02-02
Applicant: 电子科技大学
Abstract: 一种基于OpenCL标准在FPGA上对信号识别卷积神经网络的加速方法，在CPU主机端构建一维卷积神经网络；一维信号数据和训练得到用于信号数据卷积的权重和偏置数据，读入到FPGA全局内存；每进入卷积神经网络一层，将计算所需数据读入到FPGA全局内存，并调用相应核函数在FGPA上做运算，运算结束后将结果返回CPU主机端；整个卷积神经网络运算结果返回CPU，并记录运算耗时。本发明CPU+FPGA异构架构能更好的实现高性能并行计算，同时FPGA具有很大的数据吞吐量，对浮点的计算能力高于CPU的计算能力，更适合数据密集型计算任务，在保持神经网络算法精确度的情况下，大幅提高了卷积神经网络算法速度。
-
公开(公告)号：CN113824681A
公开(公告)日：2021-12-21
申请号：CN202110920146.8
申请日：2021-08-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于压缩感知的图像数据加密传输系统，包括数据压缩模块、数据加密模块、数据传输摸块、数据解密模块和数据恢复模块，数据压缩模块用于利用随机数控制采样开关对原始图像数据像素点中的部分像素点进行多次随机采集，获得原始图像的观测数据；数据加密模块用于对观测数据进行加密；数据传输摸块用于将已加密的观测数据传输至数据接收端；数据解密模块用于在信息接收端对已加密的观测数据进行解密；数据恢复模块用于对已解密的观测数据在稀疏域中进行复原。本发明采用易失性忆阻器与压缩传感技术结合，以远低于奈奎斯特采样的速率进行采样，显著降低了数据存储和传输所产生的功耗，加快了数据采样和复原速率。
-
公开(公告)号：CN113094993A
公开(公告)日：2021-07-09
申请号：CN202110386948.5
申请日：2021-04-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于自编码神经网络的调制信号去噪方法，包括以下步骤：步骤1、采用MATLAB仿真软件模拟一般通信链路结构，生成各类通信调制信号的带噪样本数据集和纯净样本数据集；步骤2、对各样本集进行[0，1]归一化；步骤3、构建基于自编码神经网络的调制信号去噪自动编码器并设置超参数；步骤4、训练去噪模型，利用反向传播算法和梯度下降法优化更新神经网络中参数的取值，得到去噪模型。本发明使用了基于自编码神经网络的去噪网络模型，避免了传统调制信号去噪算法中对信号复杂的预处理过程，整体结构流程较简单，网络计算量较小，去噪速度较快。
-
公开(公告)号：CN112818859A
公开(公告)日：2021-05-18
申请号：CN202110141536.5
申请日：2021-02-02
Applicant: 电子科技大学
IPC: G06K9/00 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/583 , G06F16/783
Abstract: 本发明公开了一种基于深度哈希的行人重识别方法，加载输入行人图像；训练特征提取网络；构造多级哈希训练网络，分别输出实值特征和多个哈希编码；为特征提取网络的训练设计基于余弦相似度的三元组losst和用于分类的交叉熵lossc，为哈希网络的训练设计三元组loss；输入测试集图像，获取哈希网络的多级输出，二值化后存储为哈希库；输入一张图像，根据哈希码的长度，由短到长依次检索哈希库，逐步缩小检索范围，最后使用实值特征对检索到的图像按照余弦相似度排序，并返回最相似样本。本发明采用多级哈希检索，能够训练检索精度更高的哈希码，通过逐步缩小检索范围的方法，将检索过程的计算量进一步减小，可以实现更快速的检索速度。
-
公开(公告)号：CN112512207A
公开(公告)日：2021-03-16
申请号：CN202011357708.4
申请日：2020-11-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种可穿戴式自供能红外遥控装置，本发明的装置包括设置在可穿戴设备上的能量采集模块、电源管理模块和红外发射模块；所述能量采集模块通过导电织物与所述电源管理模块连接，所述电源管理模块通过导电织物与所述红外发射模块连接；所述能量采集模块用于将生物机械能转换为电能；所述电源管理模块用于转化和储存所述能量采集模块产生的电能；所述红外发射模块由所述电源管理模块供电，并发射红外信号，用于遥控具有红外接收装置的设备。本发明的装置通过将生物机械能转换为电能为红外发射模块供电，无需外部电源供电即可实现红外遥控。
-
Patent Agency Ranking
公开(公告)号：CN109118523A
公开(公告)日：2019-01-01
申请号：CN201811097244.0
申请日：2018-09-20
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于YOLO的图像目标跟踪方法，包括以下步骤：S1、输入视频；S2、使用目标检测网络YOLO检测目标，初始化卡尔曼滤波器；S3、检测当前帧图像，如果检测到目标转至步骤S4，否则执行步骤S5；S4、计算当前帧图像目标的检测位置与预测位置的交并比，如果交并比大于预设阈值，用目标的检测位置作为目标在当前帧的位置；S5、将目标在上一帧的位置与目标在当前帧的预测位置做关键点匹配，如果匹配对大于预设阈值，得到目标在当前帧的位置；S6、检查视频是否检测结束，若是则结束跟踪，否则返回步骤S3。本发明通过上一帧目标位置与卡尔曼滤波得到目标在当前帧预测位置做关键点匹配从而判断预测位置是否存在目标，能够有效提高跟踪的准确率。
-
公开(公告)号：CN107808138A
公开(公告)日：2018-03-16
申请号：CN201711046399.7
申请日：2017-10-31
Applicant: 电子科技大学
CPC classification number: G06K9/00496 , G06K9/00536 , G06K9/3233 , G06N3/0454
Abstract: 本发明属于深度学习应用和通信信号识别领域，具体涉及一种基于Faster R-CNN的通信信号识别方法。本发明将Faster R-CNN算法用于通信信号识别，将采集到的盲通信信号频谱数据绘制成图片；然后设计一个整体的多层神经网络，运用Faster R-CNN算法对图片中有用的信号频段进行检测和定位，先利用卷积神经网络生成特征图，利用区域生成网络在原始图片上生成区域建议框；再对建议框区域进行感兴趣区域采样，并连接两个回归网络对感兴趣区域采样的结果进行位置和分类回归，根据回归得到的位置结果及其对应的置信程度来确定图片上是否存在有用信号并给出信号的像素位置；最终将信号在图片上的像素位置还原为有用信号的频段信息，从而实现通信信号的识别。
-
公开(公告)号：CN106452452A
公开(公告)日：2017-02-22
申请号：CN201610809393.X
申请日：2016-09-08
Applicant: 电子科技大学
CPC classification number: H03M7/4012 , G06K9/6223
Abstract: 本发明公开了一种基于K-means聚类的全脉冲数据无损压缩方法，属于数据压缩领域。本发明采用的技术方案为先将数据做K-means聚类处理，数据相似性较大的点形成同一类簇，在每个类簇中保留中心点的数值，并用数据点与中心点的差值代替原数据，处理后差值会比原数据值小很多；然后将差值先做行程编码，再做区间编码。该方法压缩效果好，可靠性高，能较好地将全脉冲数据进行无损压缩。
-
公开(公告)号：CN116886291A
公开(公告)日：2023-10-13
申请号：CN202310962644.8
申请日：2023-08-01
Applicant: 西安电子科技大学
IPC: H04L9/08
Abstract: 本发明涉及一种基于忆阻器和极性可调晶体管的近传感图像加密架构，包括：多个并联的结构相同的单元，每个单元包括：传感模块、加密模块和编码存储模块，其中，传感模块用于采集光输入产生的光电流，并根据光电流将图像像素值映射为电压作为原始图像信息；加密模块用于基于忆阻器物理不可克隆函数产生密钥，并将原始图像信息与密钥进行加密处理，得到加密信息；编码存储模块用于将加密信息编码为电导进行存储并输出至云端，或者将加密信息映射为非易失性晶体管的电导形式进行存内计算，并将存内计算的信息传入云端。该架构实现了在近传感器端对图像信息进行加密，避免了信息在传输过程中的泄露和受攻击，提高了信息传输过程的安全性和可靠性。
-
公开(公告)号：CN115081487A
公开(公告)日：2022-09-20
申请号：CN202210797240.3
申请日：2022-07-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多域迁移学习的跨时间辐射源个体识别方法，包括如下步骤：S1、采集不同时间下多个电台发射的中频AD信号数据，生成辐射源个体识别样本集；S2、继续采集不同时间下多个电台发射的中频AD信号数据，得到无标签样本集；S3、得到训练样本集与验证样本集；S4、构建基于多域迁移学习的跨时间辐射源个体识别模型；S5、训练识别模型；S6、利用训练好的跨时间辐射源个体识别模型进行辐射源个体识别。本发明克服了现有技术的传统方法中难以提取辐射源指纹特征、需要长时间测量信号稳态特性才能完成对辐射源个体的识别的缺点；在更大程度上保留了信号的原始指纹信息，能够自动提取到更多更丰富的特征，有助于提高识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.035 seconds)
