-
-
公开(公告)号：CN107942326B
公开(公告)日：2021-02-02
申请号：CN201711121374.9
申请日：2017-11-14
Applicant: 西南交通大学
Abstract: 本发明公开一种具有高通用性的二维主动毫米波成像方法，在重建过程初期将目标物体图像f(x,y)离散化，基于二维主动毫米波成像系统的系统矩阵A、向量f与向量s建立线性成像系统模型，然后结合先验信息，采用迭代重建算法求解模型，重建图像。本发明具有较高的通用性，可以使用较为简单的成像系统模型，可以用于欠完备或稀疏数据条件下的二维主动毫米波成像，提高成像质量；能够扩展毫米波成像系统应用。
-
公开(公告)号：CN118897330A
公开(公告)日：2024-11-05
申请号：CN202410800477.1
申请日：2024-06-20
Applicant: 西南交通大学
Abstract: 本发明公开了毫米波成像稀疏采样方法、装置、存储介质及处理器，方法包括步骤：构建稀疏采样最小化目标函数；将稀疏采样位置矩阵重排成列向量形式作为差分进化的种群中的个体；初始化种群中的个体后，对稀疏采样最小化目标函数进行迭代求解，每次迭代依次进行变异、交叉、选择操作，据此更新个体；当迭代次数达到预设值时，将当前种群中的最优个体排成矩阵形式得到最优采样矩阵；根据最优采样矩阵采集目标对象的回波数据，完成目标对象的毫米波图像重建。本发明通过构建稀疏采样最小化目标函数，并设计无变异参数的二进制差分进化算法进行优化求解，有效降低了点扩散函数旁瓣幅值，减少成像结果中的混叠现象，显著提高了毫米波图像的重建质量。
-
公开(公告)号：CN117009889A
公开(公告)日：2023-11-07
申请号：CN202310972078.9
申请日：2023-08-03
Applicant: 西南交通大学
IPC: G06F18/243 , G06F18/214 , G06N5/01 , G06N20/00 , G06N3/006
Abstract: 本发明涉及干扰源识别技术领域，具体为民航通信导航宽频带电磁干扰源识别方法，包括如下步骤：步骤一、对原始频域数据进行数据预处理；步骤二、对处理后的数据进行特征提取；步骤三、Relief‑F特征筛选与随机森林算法参数联合优化：此部分主要分为构造目标函数以及自适应粒子群优化；该民航通信导航宽频带电磁干扰源识别方法，首先提取预处理后的干扰源频谱数据特征，然后使用Relief‑F算法进行进一步特征筛选，最终利用随机森林算法实现干扰源分类识别，根据干扰源信号的不同特性，选择了能够准确表征不同干扰源特性的八类特征，采用改进PSO算法对Relief‑F算法参数筛选阈值与随机森林算法参数决策树数量n_estimators与最大特征数max_features进行联合优化，以提高识别结果的准确性。
-
公开(公告)号：CN111428561B
公开(公告)日：2022-06-07
申请号：CN202010111578.X
申请日：2020-02-24
Applicant: 西南交通大学
Abstract: 本发明公开了一种宽带电磁干扰源识别方法，对特定环境的多种电磁干扰源进行频谱数据采集，并基于干扰源频率特性，进行人工特征提取，选取包络峰值、频谱能量、变异系数构成识别特征集；使用熵值法衡量特征集的离散度，突出类内特征值集中、类间差异大的特征值点，赋权得到一个双加权的特征模板。计算待识别宽带信号与每种已知宽带干扰源特征模板中心的欧式距离，使用均值方差法进行阈值划分，用模板匹配的方法进行模式识别。此方法性能稳定，且快速高效，对机场周边的宽带电磁干扰源识别率高。
-
Patent Agency Ranking
-
-
公开(公告)号：CN117197042A
公开(公告)日：2023-12-08
申请号：CN202310992475.2
申请日：2023-08-08
Applicant: 西南交通大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供基于图像的实时受电弓异常检测方法，涉及故障检测识别技术领域，包括以下步骤：S1：图像数据获取；S2：受电弓专用语义分割网络；S3：基于分割后的受电弓掩码图像进行异常检测。本发明，采用先语义分割，后利用深度预训练特征的最近邻分类算法进行异常检测的方法，具有不依赖异常样本且能够有效克服复杂背景影响的优势，模型简单、检测精度高且速度快，同时针对受电弓分割网络模块，设计了以卷积神经网络和视觉转换器混合编码的特征提取网络，并结合深度特征提取网络与最近邻分类算法实现了对分割后受电弓图像的异常检测，不需要解码操作，不依赖异常数据，更便于进行增量学习，测试过程主要通过计算预测样本与最近邻K个训练样本之间的欧氏距离实现，时间成本低。
-
公开(公告)号：CN116977741A
公开(公告)日：2023-10-31
申请号：CN202310975268.6
申请日：2023-08-03
Applicant: 西南交通大学
IPC: G06V10/764 , G06V10/774 , G06V10/22 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本发明提供基于无监督深度学习的实时受电弓故障检测方法，涉及故障检测识别技术领域，包括受电弓区域定位模块、受电弓分割模块、受电弓图像重构模块和故障检测模块四个部分，其具体包括以下步骤：S1，选取不同位置、不同光线、不同亮度的图像数据用作训练神经网络的数据集。本发明具有实时检测和模型轻量化的优点，能很好的解决实际工程中遇到的问题。从最终测试结果来看，本发明所设计的模型拥有参数量小、检测速度快等优点，能够更好的应用于嵌入式设备以进行受电弓故障的实时检测。本发明提出的方法集成了深度学习和图像处理的优点，能够快速准确地进行受电弓的故障检测和分类，在实际场景中有较好的应用价值。
-
公开(公告)号：CN110736984B
公开(公告)日：2023-03-31
申请号：CN201910907971.7
申请日：2019-09-24
Applicant: 西南交通大学
Abstract: 本发明公开了一种无插值三维主动毫米波成像方法及系统、储存介质、成像设备，结合傅立叶变换、解线频调相位补偿、并行计算等技术，基于宽带线性调频三维主动毫米波成像系统参数与采集到的实际测量数据实现三维成像；该方法不需要三维主动毫米波全息成像算法所用到的Stolt插值操作，避免了大量的插值运算及额外的插值误差，减少成像过程的计算量，可提高主动毫米波安检成像效率。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.02 seconds)
