-
公开(公告)号：CN108282426B
公开(公告)日：2019-11-26
申请号：CN201711293537.1
申请日：2017-12-08
Applicant: 西安电子科技大学
IPC: H04L27/00 , H04L1/00 , H04B17/391
Abstract: 本发明公开一种基于轻量级深度网络的无线电信号认知识别方法，其实现步骤为：(1)构建编码调制联合信号；(2)生成训练样本集和测试样本集；(3)构建轻量级深度网络；(4)设置轻量级深度网络的参数；(5)训练轻量级深度网络；(6)获得认知识别准确率。本发明具有普适性强，可以直接处理一维无线电信号，不需要人工特征提取和先验知识，能同时认知识别无线电信号的信道编码方式和调制识别方式，复杂度低，模型轻量化，分类结果准确、稳定的优点，可用于无线电信号认知识别技术领域中。
-
公开(公告)号：CN108282263B
公开(公告)日：2019-11-26
申请号：CN201711345300.3
申请日：2017-12-15
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于一维深度残差轻量网络的编码调制联合识别方法，其实现步骤为：(1)生成29种编码调制联合信号和2种调制信号；(2)生成训练样本集和测试样本集；(3)构建一维深度残差轻量网络模型；(4)训练一维深度残差轻量网络模型；(5)将测试样本集输入到训练好的一维深度残差轻量网络模型中进行测试，获得识别准确率，评估网络性能。本发明是一种通用的无线电信号特征提取方法，具有普适性好、鲁棒性强、识别准确率高、网络参数少、识别信号类型多的优点，可用于实际复杂通讯环境下的无线电信号的编码与调制方式的联合识别。
-
公开(公告)号：CN105844580B
公开(公告)日：2019-03-29
申请号：CN201610156968.2
申请日：2016-03-18
Applicant: 西安电子科技大学
IPC: G06T1/20
Abstract: 本发明属于雷达信号处理领域，公开了一种基于单片FPGA的弹载SAR成像系统架构设计，单片FPGA包括处理模块PS和可编程逻辑模块PL，PS模块中设置有双核ARM和DDR存储器，PL模块中设置有FPGA模块、RAM模块和DMA模块，FPGA模块用于获取中频数字回波信号，进行数字下变频、距离向脉冲压缩，并将结果存储于RAM模块；ARM核0对距离脉压图像数据依次进行多普勒中心估计、距离走动校正、距离弯曲校正、多普勒调频估计；FPGA模块对距离向校正后的图像数据进行运动误差补偿、方位非线性变标和方位向脉冲压缩；ARM核1还用于对方位脉压图像数据进行多视处理和量化处理，得到SAR图像数据。
-
公开(公告)号：CN108282427A
公开(公告)日：2018-07-13
申请号：CN201711345202.X
申请日：2017-12-15
Applicant: 西安电子科技大学
IPC: H04L27/00 , H04L1/00 , H04B17/391
Abstract: 本发明公开一种基于多尺度轻量网络的无线电信号认知识别方法，其实现步骤为：(1)生成29种编码调制联合信号和2种调制信号；(2)生成训练样本集和测试样本集；(3)构建多尺度轻量网络模型；(4)设置多尺度轻量网络模型的参数；(5)训练多尺度轻量网络模型；(6)将测试样本集输入到训练好的多尺度轻量网络模型中进行测试，获得识别准确率。本发明具有模型轻量化、普适性强、训练参数少、识别的无线电信号类型多，分类精度高的优点，可用于信号分类识别技术领域中。
-
公开(公告)号：CN108282262A
公开(公告)日：2018-07-13
申请号：CN201711345203.4
申请日：2018-04-16
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于门控循环单元深度网络的智能时序信号分类方法，其实现步骤为：(1)构建编码调制联合时序信号；(2)生成训练样本集和测试样本集；(3)搭建门控循环单元深度网络模型；(4)设置门控循环单元深度网络的参数；(5)训练门控循环单元深度网络模型；(6)获得分类准确率。本发明不需要人工特征提取和大量先验知识，可以对一维信号进行自动的特征提取和准确的信号分类，具有复杂度低，分类结果准确、稳定等优点，可用于军事和民用通信领域中。
-
Patent Agency Ranking
公开(公告)号：CN105163121B
公开(公告)日：2018-04-17
申请号：CN201510524105.1
申请日：2015-08-24
Applicant: 西安电子科技大学
IPC: H04N19/154 , H04N19/42 , H04N19/146
Abstract: 本发明公开了一种基于深度自编码网络的大压缩比卫星遥感图像压缩方法，主要解决现有技术压缩比低的问题。其实现步骤为：将多个自编码器级联堆叠构成深度自编码网络；输入一组训练图像数据到深度自编码网络，训练该网络获得优化的网络参数，得到深度压缩网络和深度解压网络；待压缩的遥感图像送入深度压缩网络，得到高阶稀疏特征，对特征量化和编码得到最终压缩码流；对接收到的码流反量化和编码，得到高阶稀疏特征并送入深度解压网络，网络的最终输出为解压的遥感图像。本发明结合图像处理与深度学习技术，实现卫星遥感数据的大倍率压缩；因压缩与解压过程只需进行简单的前向传递操作，实时性好；减轻了海量遥感数据的存储与传输负担。
-
公开(公告)号：CN107527054A
公开(公告)日：2017-12-29
申请号：CN201710844379.8
申请日：2017-09-19
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于多视角融合的前景自动提取方法，用于解决现有基于图切割的前景提取方法中，提取过程比较繁琐和提取的前景边缘不精确的技术问题。本发明首先对SVM分类器进行训练，然后对待提取图像进行灰度化，得到灰度图像，通过训练的SVM分类器，在灰度图像中检测包含前景的子图像，并将子图像在待提取图像中的位置坐标，作为GrabCut算法的输入，对待提取图像进行前景提取，得到待提取图像的像素视角下的提取结果，以SLIC算法对待提取图像生成超像素图像，通过融合超像素图像和像素视角下的提取结果，得到待提取图像的精确的前景提取结果。本发明可用于立体视觉、图像语义识别，三维重建、图像搜索等的应用与研究。
-
公开(公告)号：CN106597438A
公开(公告)日：2017-04-26
申请号：CN201611079232.6
申请日：2016-11-30
Applicant: 西安电子科技大学
IPC: G01S13/90
CPC classification number: G01S13/9017
Abstract: 本发明公开了一种基于物理光学的太赫兹雷达回波成像方法，其思路为：确定太赫兹雷达，所述太赫兹雷达包含N个天线，所述太赫兹雷达的检测范围内存在复杂目标，所述复杂目标为电大尺寸目标，然后对复杂目标进行三角面元划分，得到M个三角面元，对N个天线分别进行等间隔采样，得到N个天线的NP个采样点，进而得到NP个经过随机抖动的采样点以及NP个采样点对应的三角面元序列；预先设定W个慢时间，分别得到M个三角面元经过W个慢时间旋转后的可见三角面元区域，以及W个慢时间对应的被照亮可见三角面元区域的时延集合P；依次计算W个慢时间对应的太赫兹雷达回波数据和W个慢时间对应的太赫兹雷达回波数据的最终时域输出S(t)，并计算W个慢时间复杂目标对应的太赫兹雷达回波成像。
-
公开(公告)号：CN105163121A
公开(公告)日：2015-12-16
申请号：CN201510524105.1
申请日：2015-08-24
Applicant: 西安电子科技大学
IPC: H04N19/154 , H04N19/42 , H04N19/146
Abstract: 本发明公开了一种基于深度自编码网络的大压缩比卫星遥感图像压缩方法，主要解决现有技术压缩比低的问题。其实现步骤为：将多个自编码器级联堆叠构成深度自编码网络；输入一组训练图像数据到深度自编码网络，训练该网络获得优化的网络参数，得到深度压缩网络和深度解压网络；待压缩的遥感图像送入深度压缩网络，得到高阶稀疏特征，对特征量化和编码得到最终压缩码流；对接收到的码流反量化和编码，得到高阶稀疏特征并送入深度解压网络，网络的最终输出为解压的遥感图像。本发明结合图像处理与深度学习技术，实现卫星遥感数据的大倍率压缩；因压缩与解压过程只需进行简单的前向传递操作，实时性好；减轻了海量遥感数据的存储与传输负担。
-
公开(公告)号：CN105069478A
公开(公告)日：2015-11-18
申请号：CN201510511885.6
申请日：2015-08-19
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6271
Abstract: 本发明公开了一种基于超像素张量稀疏编码的高光谱遥感地物分类方法，克服了现有技术中不能充分利用高光谱图像的空间信息进行分类和分类速度慢的缺点。本发明实现的步骤是：(1)输入待分类的高光谱图像；(2)构建层次空间相似度矩阵；(3)获得超像素集；(4)构造标记样本字典；(5)求解稀疏系数矩阵；(6)超像素分类；(7)输出待分类高光谱图像的分类结果。本发明具有保持高光谱图像同质区域的空间一致性和分类速度快的优点，可用于高光谱图像的快速分类。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.043 seconds)
