-
公开(公告)号：CN113298007B
公开(公告)日：2024-05-03
申请号：CN202110622757.4
申请日：2021-06-04
Applicant: 西北工业大学
IPC: G06V20/13 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种小样本SAR图像目标识别方法，该方法首先基于SAR图像目标的特性，建立了生成对抗网络，随后引入了两类客观参数,评价生成图像，筛选评价较高的图像构建扩容数据集；最后，使用基于CNN的SAR图像分类模型对扩容后的数据集进行目标识别，对比分析了多种不同方法扩容的数据集的结果。本发明方法能有效改善SAR目标识别数据集数据分布的均匀性和内容的多样性，相较于传统的SAR数据集扩容方式如图像剪切、尺度变换、反转变换等方法，有着大幅度的提升。
-
公开(公告)号：CN116605435A
公开(公告)日：2023-08-18
申请号：CN202310656885.X
申请日：2023-06-05
Applicant: 西北工业大学
Abstract: 本发明提出一种仿柳叶的机翼桁架结构，采用主叶脉桁架和分支叶脉桁架来代替植物柳叶的主叶脉和分支叶脉，进而提高该结构的抗弯性能，且使得该结构在发生较大弯曲变形时不易破坏；采用叶肉蒙皮来代替植物柳叶的叶肉，进而使得叶肉蒙皮与侧板构成盒式结构，提高该结构的抗扭性能；采用相邻主叶脉桁架之间用分支叶脉桁架连接，在降低该结构重量的情况下，进一步提高该结构的抗扭性能。
-
公开(公告)号：CN116542329A
公开(公告)日：2023-08-04
申请号：CN202310244595.4
申请日：2023-03-14
Applicant: 西北工业大学
Abstract: 本发明提出了一种数据与知识融合的目标识别方法，综合考虑数据与知识互补性，通过获取待识别数据，以及从现有数据库获取已打标签的数据组成的第一样本、未打标签的数据组成的第二样本；依次对第一样本构建第一规则前提以及通过标签对第一规则前提融合的方式，构建数据驱动置信规则库；通过重复为第二样本构建候选规则前提，利用互信息准则在候选规则前提中选择第二规则前提，并将第二规则前提提供给专家，从而构建知识驱动置信规则库；最终过利用遗传算法对置信规则库进行融合，能够有效减少规则冗余和冲突。本发明通过提取实时数据的特征与规则库中的特征比对找到对应的规则，如此准确确定实时所属目标种类。
-
公开(公告)号：CN115761420A
公开(公告)日：2023-03-07
申请号：CN202211206494.X
申请日：2022-09-29
Applicant: 西北工业大学
IPC: G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于证据深度学习的合成孔径雷达目标信任识别方法，通过获取多张SAR图像作为训练样本；构建依次连接的特征表示模块、置信分配模块以及期望效用模块的证据深度学习信任识别模型；在训练阶段仅考虑可能识别行为与实际类别相同的精确行为，使用训练样本对其通过反向传播调整权重以及偏差的方式进行迭代训练，直至可能行为与实际类别相同；在后续应用阶段，由于期望效用模块中可能识别行为是实际类别的所有非空子集，选取期望效用值最大的行为作为目标图像的预测标签输出。本发明通过在识别准确率和不精确度间进行折衷实现信任识别，从而提高SAR图像目标的识别准确率和识别结果的可靠性。
-
-
Patent Agency Ranking
公开(公告)号：CN112633389A
公开(公告)日：2021-04-09
申请号：CN202011580673.0
申请日：2020-12-28
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于MDL和速度方向的飓风运动轨迹趋势计算方法，获取历史飓风轨迹线；基于每条历史飓风轨迹线的最小长度描述代价和转弯角度变化率，确定每条历史飓风轨迹线的分段点；根据分段点确定每条历史飓风轨迹线的轨迹矢量；计算任意两条轨迹矢量之间的度量距离；基于度量距离，将轨迹矢量插入到R树中的叶子节点中，构建基于轨迹矢量的R树；基于DBSCAN算法对R树中的轨迹矢量进行聚类，生成聚类簇；根据聚类簇生成飓风运动轨迹趋势；本发明方法可以提升飓风轨迹分段精确性以及聚类计算效率。
-
公开(公告)号：CN106931993B
公开(公告)日：2019-06-07
申请号：CN201710122200.8
申请日：2017-03-02
Applicant: 西北工业大学
IPC: G01D3/024
Abstract: 本发明公开了一种量测窗长自适应滑动的时变参数估计方法，用自适应滑动的窗长选择更加有用的量测进行参数估计，通过传感器测量含有未知参数的系统以获得量测，再将量测传给第一级事件驱动量测选择器，其量测选择条件与现有事件驱动策略完全相同；经第一级事件驱动量测选择器选择后，将量测通过通信网络传递给第二级事件驱动量测选择器，以自适应选取靠近当前时刻的一个滑动窗长内的所有量测，第二级事件驱动的触发条件是后一时刻量测来决定前一时刻量测的取舍，依次类推，直至事件驱动条件不满足，舍掉不满足事件驱动条件时刻以前的所有量测；最后将窗长内的量测传递给估计器对参数进行估计。以解决FIR线性系统时变或突变参数的快速高精度估计与辨识问题。
-
公开(公告)号：CN104516356B
公开(公告)日：2017-07-14
申请号：CN201510009379.7
申请日：2015-01-08
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于RRT的动态障碍规避算法，通过计算无人机的规避点，按照避撞前以规避点为目标点，避撞后以终点为目标点的避撞决策，即可生成规避路径。本发明规避算法能够充分利用原有航路信息，以人工势场法计算得到的避障点作为RRT的航路指引点，克服了RRT原有的随机性强的问题，其规划时间、航迹长度和安全程度等方面都得到了很大的提高。
-
公开(公告)号：CN104964690A
公开(公告)日：2015-10-07
申请号：CN201510267084.X
申请日：2015-05-22
Applicant: 西北工业大学
IPC: G01C21/20
CPC classification number: G01C21/20
Abstract: 本发明涉及一种基于期望最大化的空中机动目标航迹粘连方法，在多杂波、多目标环境下，将机动起始和终结时刻(即航迹粘连外推起点和终点)作为缺失变量、转弯机动量作为待估计量，在EM框架下，对机动时刻和转弯角速度联合优化，且迭代过程中量测不断更新，同时得到精确的状态估计，最终实现准确的航迹粘连。在雷达、红外等典型探测装备中的空中机动目标的稳定跟踪有很大的应用价值。本发明的有益效果是：实现机动参量和机动时刻的最优辨识，同时得到目标状态的最优估计，进而利用二维分配实现多目标航迹粘连。该方法可以实现高精度航迹粘连，提高航迹连续性，并在仿真实验和空管实装数据中得到了验证。
-
公开(公告)号：CN102865859B
公开(公告)日：2014-11-05
申请号：CN201210353237.9
申请日：2012-09-21
Applicant: 西北工业大学
IPC: G01C11/04
Abstract: 本发明涉及一种基于SURF特征的航空序列图像位置估计方法，能够适应航空序列图像的旋转、尺度变换及噪声干扰，实现飞行器位置的精确估计。首先，构建了SURF尺度空间，运用快速Hessian矩阵定位极值点，计算出航空图像的64维SURF特征描述子；然后，基于Hessian矩阵迹完成特征点匹配；最后，使用RANSAC方法剔除出格点，实现位置参数的精确估计。本发明针对飞行器工作环境恶劣，以提高视觉导航的精确性为目标，较传统视觉导航方法，能有效克服无人机位置估计过程中，具有对尺度、旋转、光照等因素不敏感的优势，明显改善实时图与基准图的配准精度，对于无人机视觉导航工程化应用具有重要的实际意义。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.025 seconds)
