-
公开(公告)号：CN119536353B
公开(公告)日：2025-04-15
申请号：CN202510080596.9
申请日：2025-01-20
Applicant: 西安电子科技大学
IPC: G05D1/622 , G01C21/20 , G05D1/698 , G06N3/008 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/092 , G06N3/084 , G06N3/0985 , G05D109/20
Abstract: 本发明提供了一种面向动态威胁与局部感知的智能体路径实时决策方法，智能体路径规划技术领域，包括采集自身状态数据以及环境中的局部障碍物感知数据，再进行预处理，之后拼接预处理后的数据得到总体特征信息，将其转换为27维Q值之后输入至当前Q网络中得到最佳动作，再执行最佳动作。当前Q网络利用历史经验数据更新历史Q网络得到，在更新过程中采用多个维度的密集奖励函数引导Q网络向奖励增加的方向选择动作。本发明基于局部态势感知的多源数据的路径规划思路，允许智能体根据实时环境动态调整路径，增强智能体对动态复杂场景的适应能力，并且密集奖励机制能够激励智能体以更精细的方式避开障碍，显著提升了智能体避障的灵活性与精确性。
-
公开(公告)号：CN119473919A
公开(公告)日：2025-02-18
申请号：CN202510051994.8
申请日：2025-01-14
Applicant: 西安电子科技大学
IPC: G06F11/3668 , G06F18/23 , G06N3/006
Abstract: 本发明公开了一种高维黑盒智能系统试验用例自适应搜索评估方法，包括：生成初始试验设计用例，通过黑盒系统获得每个初始试验设计用例的输出响应；基于初始试验设计用例及其输出响应，局部自适应地生成加点试验设计用例，通过黑盒系统获得每个加点试验设计用例的输出响应；从初始试验设计用例和加点试验设计用例中筛选输出响应处于预设感兴趣范围的试验设计用例；基于演化算法对筛选得到的试验用例集合#imgabs0#进行序贯智能试验设计，得到扩充后的试验用例集合#imgabs1#及其输出响应集合#imgabs2#；基于集合#imgabs3#的测试因子空间和#imgabs4#对集合#imgabs5#进行分层聚类。本发明提升了面向高维黑盒智能系统测试的自适应试验设计能力与试验用例生成能力，有利于挑选代表性试验设计用例。
-
公开(公告)号：CN118734295A
公开(公告)日：2024-10-01
申请号：CN202410769927.5
申请日：2024-06-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种针对红外智能检测器的对抗攻击方法及装置，通过基于粒子群优化算法对能够添加至目标范围的数字补丁组合进行寻优，得到优化数字补丁组合；其中，粒子的位置向量由数字补丁组合中的多个数字补丁的位置、灰度值矩阵和尺寸组成，寻优过程中以最小化数字补丁组合的功耗值和攻击效果评估指标为寻优目标；基于优化数字补丁组合中的数字补丁的尺寸对应构造真实补丁；根据数字补丁在目标范围内的位置，为真实目标搭载对应的真实补丁；根据数字补丁的灰度值矩阵，控制对应的真实补丁的多个发热单元的温度，提高了真实补丁的隐蔽性和欺骗性，基于真实补丁可以更有效地实现针对红外智能检测器的对抗攻击。
-
公开(公告)号：CN118171717A
公开(公告)日：2024-06-11
申请号：CN202410298581.5
申请日：2024-03-15
Applicant: 西安电子科技大学
IPC: G06N3/096 , G06V10/40 , G06V10/764 , G06V20/58 , G06F18/243 , G06N20/20 , G06N5/01
Abstract: 本发明公开了一种基于多样化样本回放的毫米波雷达点云类增量学习方法，涉及目标识别技术领域，包括：采集雷达原始回波信号，并对雷达原始回波信号进行处理，得到切片级点云数据；将切片级点云数据输入至训练好的增量学习模型，对切片级点云数据中的目标进行识别；其中，训练好的增量学习模型以预设类别的数据作为训练数据，对初始增量学习模型进行训练得到，当训练好的增量学习模型需要识别新类别的数据时，更新训练好的增量学习模型；初始增量学习模型包括特征提取模块、分类识别模块、基于不确定性估计的旧类样本挑选模块和旧类模型更新模块。本发明提出的增量算法复杂度更低，对存储量的需求也低，同时能保持较好的增量学习性能。
-
公开(公告)号：CN113960536B
公开(公告)日：2024-05-14
申请号：CN202111231826.5
申请日：2021-10-22
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于干扰消除的多站雷达多目标检测方法，实现步骤为：构建多站雷达目标检测系统；每个雷达站对接收的回波信号进行采样；信号融合中心计算每个空间分辨单元的观测矩阵；信号融合中心计算每个观测矩阵的干扰检验统计量；信号融合中心计算每个不受干扰和受干扰影响的空间分辨单元的检验统计量；信号融合中心获取多站雷达多目标检测结果。本发明首先判断空间分辨单元是否受干扰影响，对不受干扰影响的空间分辨单元直接构造检验统计量进行目标检测，对受干扰影响的空间分辨单元构造一个修正项进行干扰消除，然后再构造检验统计量进行目标检测，解决了现有技术中多目标环境下由于干扰影响导致多站雷达虚警率较高的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN116935213A
公开(公告)日：2023-10-24
申请号：CN202310761441.2
申请日：2023-06-26
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0495 , G06N3/08
Abstract: 本发明公开了一种基于知识蒸馏的轻量化SAR图像的目标检测方法，包括：获取待检测的SAR图像；将所述待检测的SAR图像输入至训练好的轻量化的学生网络，得到目标检测结果；其中，以YOLOX‑S模型为基线构建所述轻量化的学生网络；轻量化的学生网络利用训练好的教师网络进行训练，且轻量化的学生网络的损失函数包括非蒸馏损失与蒸馏损失，以使训练好的轻量化的学生网络结合顶层知识蒸馏与隐层知识蒸馏的知识蒸馏方法进行目标检测，得到目标检测结果。本发明能够充分提取教师网络中有利于轻量化的学生网络学习的知识，从而更好地提高轻量化的性能，使得轻量化模型的检测精度可与复杂大模型相比较，实现对地检测的精度要求。
-
公开(公告)号：CN116739158A
公开(公告)日：2023-09-12
申请号：CN202310640040.1
申请日：2023-05-31
Applicant: 西安电子科技大学
IPC: G06Q10/04 , G06Q10/067 , G06Q10/0637 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种基于强化学习的自适应优化储能方法，包括：获取用户的电力数据，构建用户的需量计费模型；结合所述需量计费模型，考虑约束条件，对当前用电情况下储能系统的经济效益进行分析和评估，得到储能系统初步分配方案；根据所述储能系统初步分配方案，对储能动作参数进行预处理，并对动作策略进行粗分配；将粗分配后的储能系统动作转变为动作序列并与每个时刻点对应，生成按照时间排序的储能系统调度序列；需要根据当前环境特征，对所述储能系统调度序列进行动态的动作调整，以达到企业收益最优的目的。本发明弥补了传统算法通用性不足的缺陷，降低了传统算法对场景的依赖，能够适用在不同的场景，最终获得最优化的调度策略。
-
公开(公告)号：CN113361472B
公开(公告)日：2023-04-18
申请号：CN202110745157.7
申请日：2021-07-01
Applicant: 西安电子科技大学
IPC: G06V20/50 , G06V10/764 , G06V10/774
Abstract: 一种基于ILFAcs模型的雷达HRRP目标识别方法，其实现步骤为：从HRRP数据流中提取功率谱特征；训练最大间隔因子分析MMFA模型；生成永久保留样本集；获得第0个时刻之外的每个时刻的训练数据；构建ILFAcs模型；训练ILFAcs模型；更新永久保留样本集；目标识别。本发明构建ILFAcs模型，对雷达HRRP数据流进行学习，能有效减少了时间和空间资源的浪费，提高了雷达HRRP目标识别效率，同时生成含有代表性雷达HRRP数据的永久保留样本集，缓解了灾难性遗忘问题，提升了雷达HRRP目标识别性能。
-
公开(公告)号：CN113534059B
公开(公告)日：2022-12-02
申请号：CN202110831478.9
申请日：2021-07-22
Applicant: 西安电子科技大学
Abstract: 本发明公开一种开集场景下基于深度卷积网络的雷达有源干扰识别方法，其实现步骤为：获取雷达有源干扰信号；对每个干扰信号进行归一化处理；生成训练集和验证集；构建深度卷积网络并进行训练；使用深度卷积网络获取待识别有源干扰信号的后验分布；计算有源干扰信号后验分布的置信分数；判断置信分数是否超过阈值，若是，选择后验分布中后验概率最高的干扰作为识别结果输出，否则，识别结果为未知干扰类型。本发明具有既能准确识别已知有源干扰类型也能检测出未知有源干扰类型优点，同时具有自动提取有源干扰信号的特征的能力。
-
公开(公告)号：CN113240047B
公开(公告)日：2022-12-02
申请号：CN202110613816.1
申请日：2021-06-02
Applicant: 西安电子科技大学
IPC: G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于部件解析多尺度卷积神经网络的合成孔径雷达SAR目标识别方法，主要解决现有技术对SAR目标内在信息挖掘不充分且难以建立合适的模版库导致SAR目标识别准确率低的问题，实现步骤为：(1)生成训练集；(2)构建部件解析多尺度卷积神经网络；(3)训练部件解析多尺度卷积神经网络；(4)对待分类的合成孔径雷达SAR复图像进行分类。本发明同时利用了SAR目标的幅值信息和电磁散射信息，并通过网络对SAR图像进行分类，使得本发明对SAR目标内在信息挖掘更加充分且不需要构建模版库，有效地提高了SAR目标识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.036 seconds)
