-
公开(公告)号：CN117848342A
公开(公告)日：2024-04-09
申请号：CN202311787690.5
申请日：2023-12-22
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本申请提出了一种基于粒子群算法优化LSTM神经网络的定位方法。该方法包括使用智能手机采集地磁、加速度、方位角以及陀螺仪数据，对采集的数据预处理，提取地磁特征值归一化；构建了粒子群算法优化的LSTM神经网络模型进行定位估计。同时针对IMU传感器数据，采用非线性模型KIM模型进行步长估计，使用地磁和方位角数据提取特征，设计实现了基于深度学习的神经网络模型预测航向角，解算目标位置。最后，将地磁估计作为观测模型，航迹推算估计作为量测模型，通过扩展卡尔曼滤波实现目标定位。
-
公开(公告)号：CN117788515A
公开(公告)日：2024-03-29
申请号：CN202311662185.8
申请日：2023-12-06
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种结合注意力机制和加权响应的单目标跟踪方法，首先使用改进的VGG16作为特征提取主干网；其次采用了残差语义嵌入模块，自适应地将深层语义信息引入浅层特征，充分利用目标的语义和空间信息；然后将浅层特征响应和深层特征响应进行加权融合，进一步提高定位精度和判别能力；最后引入轻量级的注意力机制，从水平和垂直方向的二次划分特征来增强通道的特征显著性。本发明改善了现有目标跟踪方法中出现目标和背景进行相似性判别时，大多数跟踪器仅使用最后一层提取语义特征，忽略了空间结构对区分目标和背景的作用，跟踪过程容易出现漂移或者跟踪丢失问题。
-
公开(公告)号：CN117556191A
公开(公告)日：2024-02-13
申请号：CN202311516111.3
申请日：2023-11-14
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F18/10 , G06F18/213 , G01S19/49 , G01S19/37
Abstract: 本发明涉及全球卫星导航技术领域，具体涉及一种基于约束的衰减记忆容积卡尔曼滤波方法。采用衰减记忆法进行计算预测和更新步骤中的协方差矩阵，减弱过去时刻的信息权重，抑制了滤波发散，同时考虑到实际应用中过程噪声和量测噪声随外界干扰动态变化的特点，将过程噪声协方差矩阵和量测噪声协方差矩阵变为变量，并动态进行调节修正，最后建立误差协方差矩阵与量测噪声协方差矩阵的比值约束，保证了状态估计误差收敛速度，提高滤波精度。
-
公开(公告)号：CN117419706A
公开(公告)日：2024-01-19
申请号：CN202311353762.5
申请日：2023-10-18
Applicant: 桂林电子科技大学
IPC: G01C21/08 , G06N3/0464 , G06N3/0442 , G01C21/16 , G01C21/20
Abstract: 本申请适用于室内定位领域，提供了一种基于多特征驱动的神经网络地磁定位方法、计算机可读存储介质及计算机设备。所述方法包括：接收移动终端采集的地磁信号和传感器信息，创建用于地磁定位和步长估计的多维数据集；基于ResNet‑GRU‑LSTM神经网络模型进行地磁定位估计，得到预测的地磁定位结果；利用层级GRU神经网络模型得到用于预测得到行人航迹推算PDR定位的步长、步频和方向角；根据步长、步频和方向角以及地磁定位结果，通过粒子滤波进行地磁辅助多特征驱动的PDR定位，得到目标最终的位置。本申请能有效消除地磁定位和PDR定位带来的模糊定位误差和异常值，从而显著提高了定位性能，可以有效缓解设备的异构性，并具有很强的鲁棒性。
-
公开(公告)号：CN116720434A
公开(公告)日：2023-09-08
申请号：CN202310658397.2
申请日：2023-06-06
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明提出了一种基于BP神经网络PID算法的电离层闪烁模型实现方法，涉及电离层闪烁技术领域。该方法包括：复高斯信号权值分配、闪烁信号生成以及基于BP神经网络PID的权值更新；复高斯信号权值分配用于重新分配下一次的每段的复高斯信号对应的权值；闪烁信号生成用于根据模型设置参数和更新后的复高斯信号生成闪烁信号；基于BP神经网络PID的权值更新用于根据幅度指数的误差，迭代更新权值。本发明专利解决了电离层闪烁信号准确复现和随着数据更新周期越大，Cornell模型生成的闪烁信号，无法准确描述电离层幅度闪烁强度的问题，提高了仿真的电离层闪烁信号的真实性和复杂变换条件下的信号模拟的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116630666A
公开(公告)日：2023-08-22
申请号：CN202310723725.2
申请日：2023-06-19
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明提出一种应用于无人机图像匹配的SIFT‑KNN特征匹配方法，包括一：将图像均匀分割成m×n个相同的区域，将每个区域按逐行的顺序分别存储在集合{s1,s2,…,sm}中；二：构建尺度空间，输入图像通过二维高斯函数连续的对尺度进行参数变换，最终得到多尺度空间；三：采用Harris算子检测特征点,通过求解矩阵M特征值判断一个窗口是平面、边缘、角点；四：建立特征点KD树索引，将所有特征点分成两部分，直到每个叶子节点只包含一个像素值，顺着KD树计算出待匹配点的最佳匹配点对；五：判断图像1中的特征点对(f,f')，图像2中的匹配点对(f',f”)，匹配点f的像素值Ix，匹配点f”的像素值Iy，若Ix＝Iy，则(f,f')为初步正确的特征点对；六：采用渐近一致采样法在步骤五的基础上选取正确率相对要高的匹配点对。
-
公开(公告)号：CN116229293A
公开(公告)日：2023-06-06
申请号：CN202310088363.4
申请日：2023-02-09
Applicant: 桂林电子科技大学
Abstract: 本发明涉及无人机影像技术领域，具体涉及一种基于PMVS改进的多视角影像匹配方法，首先采用Harris+DoG算子对无人机图像进行特征点检测，在图像匹配阶段引入渐近一致采样法进行误匹配消除，提高了图像匹配的准确性，同时在面片生成上结合正态分布空间阈值选择空间点云，减少了面片生成的盲目性，最后在面片优化阶段采用改进的拟牛顿算法优化面片参数，在保证算法全局收敛性的情况下，提高了面片中心和法向量等相关参数的准确性，本发明能够有效解决PMVS算法图像匹配中的误匹配问题，选取正确率较高的匹配点集合，同时提高了算法中面片初始化和面片优化的效率，为面片扩散提高置信度较高的面片。
-
公开(公告)号：CN113610891B
公开(公告)日：2023-05-23
申请号：CN202110797269.7
申请日：2021-07-14
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种目标跟踪方法，包括：读取视频序列第一帧图像的groundtruth数据，初始化跟踪滤波器模型；读取下一帧图像，确定下一帧图像的目标块图像；获取目标块图像的深度卷积特征和CN特征并融合构建目标外观模型；根据目标块图像确定其上下文区域块，获取上下文区域块的HOG特征和CN特征并融合构建背景上下文模型；基于目标外观模型确定目标块图像的目标中心位置；构建尺度估计模型，得到尺度因子；根据目标外观模型和背景上下文模型的模型参数更新跟踪滤波器模型且返回至读取下一帧图像的步骤并继续执行，直至视频序列的所有图像帧完成目标跟踪。该方法从特征融合、背景信息处理两方面实现在光照变化、形变、背景干扰等复杂场景下的跟踪性能显著提升。
-
公开(公告)号：CN115170956A
公开(公告)日：2022-10-11
申请号：CN202210751710.2
申请日：2022-06-28
Applicant: 桂林电子科技大学
Abstract: 本发明涉及高光谱遥感图像处理技术领域，具体涉及基于多尺度熵率超像素的后验概率高光谱图像分类方法，包括对高光谱图像数据进行预处理，得到处理图像，对高光谱图像进行初始分类，得到多个初始分类标签光谱信息，对预处理图像进行主成分分析，得到前三个主要成分，对三个主要成分进行图像处理，得到不同尺度下的超像素图像，对超像素图像进行融合处理，得到降维的高光谱图像，对多个初始分类标签和降维的高光图像进行域变换插值卷积滤波处理，得到重排列分类标签，对高光谱图像进行分类，再进行超像素分割操作、特征提取和修正，得到最后的分类标签，从而改善现有的光谱图像分类技术提取空间信息不足以及忽视超像素边缘信息的问题。
-
公开(公告)号：CN113129337B
公开(公告)日：2022-07-19
申请号：CN202110400856.8
申请日：2021-04-14
Applicant: 桂林电子科技大学
Abstract: 本发明适用于计算机视觉跟踪领域，提供了背景感知跟踪方法、计算机可读存储介质及计算机设备，包括：构建背景感知模型，从背景感知模型中提取真实样本用于训练滤波器，所述真实样本指从测试视频中实时提取的目标信息和背景信息；从测试视频之外的视频数据集中以参考目标为条件来搜索目标对象，挖掘包括与目标相关度高于预设阈值的图像作为困难样本，重新根据所述困难样本训练并更新滤波器；通过更新后的滤波器更新DCFNet框架的输出，实现对目标的在线跟踪。解决了由傅里叶频域卷积带来的边界效应问题，增强了跟踪的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.026 seconds)
