-
公开(公告)号：CN106447691A
公开(公告)日：2017-02-22
申请号：CN201610570469.8
申请日：2016-07-19
Applicant: 西安电子科技大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于加权多示例学习的加权极限学习机视频目标跟踪方法,主要解决现有技术中跟踪准确性差的问题，其实现步骤是：1.初始化类哈尔特征模型池并构造多种特征模型块，设置加权极限学习机网络参数；2.在当前帧提取训练样本及其对应于不同特征模型块的特征块；3.计算加权多示例学习权值；4.构建对应于不同特征块的多个网络并选择包的相似性函数值最大的网络与相应的特征模型块；5.计算网络全局输出权值；6.在下一帧提取检测样本及其对应于选择的特征模型块的特征块；7.使用已选择的网络对检测样本进行分类并得到下一帧目标位置；8.重复以上步骤，直到视频结束。本发明提高了跟踪的准确性，可实现对目标的鲁棒跟踪。
-
公开(公告)号：CN101895313A
公开(公告)日：2010-11-24
申请号：CN201010225224.4
申请日：2010-07-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种HF/VHF突发通信的信噪比估计方法，主要解决突发通信中，现有平方信噪方差SNV估计方法在突发信道相偏影响下对信噪比估计偏差较大的问题。其方法是：(1)接收端对受突发信道相偏影响的训练序列计算总功率；(2)构建接收训练序列的信号功率的计算公式，并计算训练序列的信号功率；(3)用步骤(1)得出的总功率减去步骤(2)得出的信号功率，得到突发信道中的噪声功率；(4)用步骤(2)得出的信号功率除以步骤(3)得出的噪声功率，得到突发通信的信噪比。本发明在突发信道的任意相偏影响下，仍能保证信噪比的准确估计，提高了自适应变速率突发通信系统的性能，可用于具有显著突发性和不确定性的突发通信。
-
公开(公告)号：CN119672295A
公开(公告)日：2025-03-21
申请号：CN202411665403.8
申请日：2024-11-20
Applicant: 西安电子科技大学
IPC: G06V10/25 , G06V10/62 , G06V10/52 , G06V20/13 , G06V20/10 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提出了一种基于二元神经网络和大核条带卷积的轻量化遥感图像变化检测方法，实现步骤为：获取训练样本集和测试样本集；构建基于二元神经网络和大核条带卷积的轻量化遥感图像变化检测网络模型并对其进行迭代训练；获取轻量化遥感图像变化检测结果。本发明在对轻量化遥感图像变化检测网络模型进行迭代训练和获取变化检测结果的过程中，通过两个分支网络中的ResNet18网络分别对双时态的特征图进行深层特征提取，能够将权重和激活量化为+1和‑1，实现了32倍的内存节省和58倍的CPU加速，避免了现有技术参数量较多的缺陷，有效提高了检测效率，同时通过大核条带卷积网络弥补了由于二值量化带来的精度上的不足。
-
公开(公告)号：CN114882205B
公开(公告)日：2024-12-17
申请号：CN202210339874.4
申请日：2022-04-01
Applicant: 西安电子科技大学 , 陕西方寸积慧智能科技有限公司
Abstract: 本发明公开了一种基于注意力机制的目标检测方法，主要解决现有目标检测方法网络复杂、速度不快和在复杂背景下检测效果差的问题。本发明的具体步骤如下：(1)构建积神经网络；(2)生成目标训练集；(3)训练卷积神经网络；(4)对待检测目标进行检测。本发明构建了一个由特征提取模块、注意力机制模块、特征增强模块、识别和定位模块组成的卷积神经网络，克服了现有目标检测方法中在复杂背景下目标检测效果差并且速度慢的问题，使得本发明能够实时检测复杂背景下的目标。
-
公开(公告)号：CN119025991A
公开(公告)日：2024-11-26
申请号：CN202411061364.0
申请日：2024-08-05
Applicant: 西安电子科技大学
IPC: G06F18/241 , G06F18/2415 , G06F18/213 , G06F18/15 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种基于多任务解耦学习的卫星变调制下个体识别方法，主要解决现有技术在变调制情况下提取的个体特征表征性能差的问题。其实现方案是：接收通过某观测轨道的下行通信链路信号，并划分训练集与测试集；建立由复值多尺度嵌入单元与注意力门控单元构成的两个知识提取块和一个共享知识提取块，并将这三个知识提取块并联组成特征提取模块；堆叠特征提取模块并连接分类器组成多任务解耦网络；将训练集数据输入到多任务解耦网络中进行训练；将测试集数据输入到训练好的多任务解耦网络，输出调制类型和卫星身份结果。本发明减轻了因调制变化引起的特征损失，能在调制方式变化下提取丰富的个体信息，增强对复杂信号识别性能，可用于信源卫星的电子侦察与识别。
-
Patent Agency Ranking
公开(公告)号：CN119025855A
公开(公告)日：2024-11-26
申请号：CN202411086120.8
申请日：2024-08-08
Applicant: 西安电子科技大学
IPC: G06F18/20 , G06N3/0455 , G06N3/0464
Abstract: 一种基于图聚合模型的多元时序预测方法、系统、设备及介质，方法：将设定的时序数据样本输入编码层模块，捕获含有时间维度全局信息的时序数据样本；接着进行预处理，调整为序列变量信息；构建反映序列变量关系的图邻接矩阵；将序列变量信息作为图聚合模型GAM的初始输入特征矩阵，采用图邻接矩阵对初始输入特征矩阵中每个特征表示进行图卷积更新迭代，获取多级图结构，作为变量之间相关性的深度信息；利用图聚合模型GAM中的多头自注意力层，将各级图结构对输出序列的预测影响进行动态权重分配与聚合，获取对输出序列的精确预测；系统、设备及介质用于实现该方法；本发明具有增强模型预测准确性和有效提高对长期依赖关系的深层建模能力的优点。
-
公开(公告)号：CN115082672B
公开(公告)日：2024-11-15
申请号：CN202210630721.5
申请日：2022-06-06
Applicant: 西安电子科技大学
IPC: G06V10/25 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明一种基于边界框回归的红外图像目标检测方法，其方案为：(1)搭建一种新的红外图像目标检测网络R‑YOLOv4；(2)构建FLIR红外数据集；(3)使用一种新的自适应CLAHE算法增强红外图像对比度；(4)使用一种新的基于α‑IoU的回归损失函数训练网络，得到训练好的基于边界框回归的红外图像目标检测网络；(5)将待检测的红外图像，输入到训练好的网络中进行检测标注，输出红外目标的检测结果。本发明的目标检测网络可以自适应增强红外图像对比度，同时目标检测网络能够有效提取特征，更灵活地实现不同水平的边界框回归精度，在IoU阈值较大时，可以提高目标的准确率和召回率，同时使得检测框的定位更加精确。
-
公开(公告)号：CN118795412A
公开(公告)日：2024-10-18
申请号：CN202410940576.X
申请日：2024-07-15
Applicant: 西安电子科技大学
IPC: G01S5/02
Abstract: 本发明公开了一种基于均匀圆阵的相位差变化率定位方法，首先使用均匀圆阵完成对辐射源信号的数据采集，通过频域鉴相方式，对两阵元接收信号做傅里叶变换，再求其相关谱Y(ω)的谱峰位置，获取该处的相位值即为模糊基线相位差；然后遍历全部的模糊数，利用相似度计算的方式，实现圆阵解模糊，去除鉴相过程产生的整周模糊影响，得到各个基线的无模糊相位差，最后设定0阵元为中心阵元的基线组为基本组，遍历圆阵各个阵元，分别得到不同基线组的定位结果，再基于相位差变化率对各组结果进行加权，得到最终的辐射源空间位置；本发明算法对检测阵型进行改进，使用均匀圆阵完成整体检测，提升了算法的全向检测能力。
-
公开(公告)号：CN118552717A
公开(公告)日：2024-08-27
申请号：CN202410671423.X
申请日：2024-05-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了基于多模态特征融合卷积的三维目标检测方法，包括以下步骤；步骤1，分别对点云数据和图像数据进行数据预处理；步骤2，将步骤1中经过预处理后的点云数据进行体素特征编码，输入到下采样稀疏卷积特征提取网络中，进行特征提取，获取体素特征图；将步骤1中预处理后的图像数据输入到SemDeepLabV3网络进行特征提取，获取图像特征图；步骤3，获得最终的融合特征图；步骤4，进行三维目标检测；步骤5，将结合了多模态特征融合卷积的三维目标检测网络模型进行训练，得到最优的基于多模态特征融合卷积的三维目标检测网络模型。本发明提高了特征信息丰富度；复杂背景下的检测鲁棒性，同时降低网络运算复杂度，减轻训练成本，使模型易于迁移。
-
公开(公告)号：CN115047403B
公开(公告)日：2024-08-16
申请号：CN202210553238.1
申请日：2022-05-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了基于空中平台的移动干扰源跟踪定位方法，主要解决现有技术采用多架无人机对移动式干扰源进行定位与跟踪，成本高且计算复杂的问题。其实现方案是：地面终端对空中平台巡航周围的电磁辐射信号进行频谱分析，若出现可疑频点，则计算干扰源的初始方位角与俯仰角；地面终端运用空间谱估计算法和三维空间坐标拟合算法建立初始预测模型；地面终端不断修正预测模型，直至其预测值hi小于高度阈值hλ，该预测值hi即为干扰源的位置。本发明降低了定位成本，并通过地面终端与无人机实时交互修正预测模型，实现了干扰源在监测区域内的精确搜索，提高了干扰源的定位精度，可用于对在复杂电磁环境中异常辐射源造成通信干扰的抑制和消除。
-
-
-
-
-
-
-
-
-
Search Results
174
records
(took 0.03 seconds)
