-
公开(公告)号：CN116524537A
公开(公告)日：2023-08-01
申请号：CN202310465077.5
申请日：2023-04-26
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: G06V40/10 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于CNN和LSTM联合的人体姿态识别方法，首先，采集训练与测试所需的中频信号样本数据；其次，对中频信号数据进行距离维傅立叶变换得到时间‑距离图像，沿距离维对目标所在距离单元数据求和得到一维距离谱峰，经过短时傅里叶变换得到时间‑频率图像，并对每张图像标注不同类别的标签；建立三通道的深度学习神经网络模型，在每个通道中结合CNN和LSTM网络，通道一与通道二将时间‑频率图像作为输入，在卷积层采用有大小差异的卷积核提取特征，通道三将时间‑距离图像作为输入。输入数据到模型中进行训练。该方法将毫米波雷达与CNN和LSTM网络结合，并采用多类特征图像进行融合，充分利用时序的特征信息，提高了对人体姿态进行识别的准确率。
-
公开(公告)号：CN115905986A
公开(公告)日：2023-04-04
申请号：CN202211315320.7
申请日：2022-10-26
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: G06F18/2433 , G06F18/214 , G06F17/16 , G06N5/04
Abstract: 本发明公开了一种基于联合策略的稳健卡尔曼滤波方法，包括步骤1、建立卡尔曼滤波状态转移方程和状态观测方程；步骤2、估计目标初始状态初始化估计误差方差P0,0；步骤3、获取k‑1时刻目标状态估计及估计误差方差Pk‑1,k‑1；输入前L时刻指示变量zk的期望序列；步骤4、利用k时刻的观测样本权值wk和指示变量zk对观测似然进行修正；步骤5、借助变分贝叶斯推断，通过迭代更新对隐变量进行后验估计；步骤6、根据更新结果，保存当前时刻目标状态估计误差方差Pk,k及前L‑1时刻和k时刻的指示变量zk的期望序列；步骤7、跳转至步骤3，进行k＝k+1时刻的状态估计。本发明满足实时定位跟踪系统低功耗的需求，提高了目标状态估计的精度。
-
公开(公告)号：CN117349645A
公开(公告)日：2024-01-05
申请号：CN202311068644.X
申请日：2023-08-23
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: G06F18/213 , G01S13/88 , G01S7/41 , A61B5/0205 , A61B5/00 , G16H10/60 , G06F18/15
Abstract: 本发明公开了一种生命体征信号的特征提取方法及装置，包括：对胸腔运动导致的生命体征信号进行建模；对连续波雷达系统回波信号混频获取拍频信号进行建模；对获得的拍频信号求取相位梯度，估计二阶延迟积；利用二阶延迟积估计二阶循环时变矩；根据二阶循环时变矩构造增强谱 提取增强谱中最强呼吸谐波频率；估计最强呼吸谐波阶数，从而提取目标呼吸频率 根据呼吸频率构造谐波抑制增强谱 提取目标心跳频率 迭代优化估计目标呼吸频率与心跳频率。本发明能够实现强谐波干扰下的非接触式目标呼吸与心跳频率准确提取。
-
公开(公告)号：CN116458920A
公开(公告)日：2023-07-21
申请号：CN202310309862.1
申请日：2023-03-28
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: A61B8/02 , G06F18/10 , G06F18/213 , A61B8/08 , A61B8/00
Abstract: 本发明公开了一种基于自适应梳状滤波器的心率提取方法。本方法包括以下步骤：1、对雷达回波处理获得生命信号；2、从中提取呼吸率等特征，初始化滤波器各参数；3、设计用于评估滤波效果的ALE模块，初始化模块各参数；4、将生命信号通过自适应梳状滤波器，迭代到待优化参数基本收敛；5、从生命信号通过本滤波器的输出信号频谱中选取心跳频率。本发明提出的基于自适应梳状滤波器的心率提取方法，考虑了多普勒雷达系统中生命信号的呼吸、心率成分互调特点，有效减弱了呼吸及其高次谐波对心率选取的干扰。实验结果表明，当生命信号中因呼吸高次谐波对心率测量造成影响时，本发明所提出的自适应梳状滤波器可以较准确地测量待测者的心率。
-
公开(公告)号：CN116203556A
公开(公告)日：2023-06-02
申请号：CN202310009696.3
申请日：2023-01-04
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明公开了一种基于毫米波雷达的室内人体目标点云检测方法和系统，毫米波雷达实时获取目标的点云信息，包括目标点的距离门索引、角度门索引、信噪比和背景噪声。其中点云检测过程包括：1、基于距离‑角度热图确定每个距离门的目标点检测门限；2、计算二维热图的归一化梯度并使用门限进行判决得到目标图；3、使用闭运算更新目标图；4、使用扫描线种子填充算法识别目标图的背景区域；5、计算非背景区域点的信息并作为点云输出。该方法可以显著降低大尺寸目标自身以及强目标的干扰，同时可完整检测出目标在热图中的形态，在室内人体目标检测中具有较强的实用性。
-
Patent Agency Ranking
公开(公告)号：CN117554956A
公开(公告)日：2024-02-13
申请号：CN202210940192.9
申请日：2022-08-05
Applicant: 网络通信与安全紫金山实验室 , 成都天锐星通科技有限公司
IPC: G01S13/89
Abstract: 本发明提供一种相控阵雷达系统，所述系统包括：上下变频单元、天线单元和信号处理分机；上下变频单元用于产生宽带线性调频连续波信号，基于宽带线性调频连续波信号获取射频信号，将射频信号传输给天线单元；用于接收天线单元传输的和差信号，对和差信号进行混频获取基带信号，将基带信号传输给信号处理分机；天线单元用于将射频信号合成不同的波束并辐射波束；用于基于回波信号获取和差信号，将和差信号传输给上下变频单元；信号处理分机用于基于需求对基带信号进行处理获取需求结果。本发明通过采用宽带线性调频连续波信号和波束合成处理，形成宽角度辐射，并获取携带目标信息的和差信号，实现精准的目标探测定位和高分辨率的三维立体成像。
-
公开(公告)号：CN112034445B
公开(公告)日：2022-04-12
申请号：CN202010824302.6
申请日：2020-08-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于毫米波雷达的车辆运动轨迹跟踪方法和系统，毫米波雷达实时获取车辆与雷达的距离、车辆相对于雷达的方位角和径向速度，其中跟踪方法包括：1、建立车辆状态转移方程和状态观测方程；2、获取车辆初始状态；设置粒子群并初始化每个粒子的状态；3、根据当前时刻毫米波雷达获取到的车辆观测量对粒子群进行第一次更新；4、对粒子群进行重新采样做第二次更新；5、根据第二次更新后的粒子权重和状态，计算当前时刻k车辆的状态估计，得到当前时刻车辆的位置和速度；6、跳转至步骤3进行下一时刻的车辆跟踪。该方法可以显著降低车辆观测数据中具有随机性和间歇性野值对车辆状态估计的影响，具有较强的抗奇异值能力。
-
公开(公告)号：CN110443138B
公开(公告)日：2021-10-19
申请号：CN201910601880.0
申请日：2019-07-05
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于车载毫米波雷达联合SVM和CNN多目标分类方法，首先对雷达获取到的不同目标的IF信号进行采样，转换为帧信号，对帧信号进行二维傅里叶变换，归一化后得到距离‑多普勒图，提取距离‑多普勒图中的特征向量，构建样本集；其次构建并训练SVM分类器，得到能够进行初步分类的SVM分类器；最后构建并训练卷积神经网络分类器，对SVM分类器无法分类的样本进行进一步分类，得到待测目标的分类结果。该方法联合SVM分类器和CNN分类器，弥补了CNN分类器对位置信息的不敏感，充分利用了样本的有效信息，提高了目标分类准确率。
-
公开(公告)号：CN113111313A
公开(公告)日：2021-07-13
申请号：CN202110407828.9
申请日：2021-04-15
Applicant: 东南大学
Abstract: 本发明公开了一种基于期望传播的多任务稀疏重构和聚类方法，1)通过引入“spikeand slab”和“Dirichlet Process”先验概率分布，构造一种具有多任务稀疏结构聚类的贝叶斯生成模型；(2)使用期望传播技术，将上述模型参数后验分布求解问题转换所选指数类分布的参数优化问题；(3)初始模型近似概率分布，(4)对每个q1j、q2j、q3j，分别计算其cavity分布，以更新对应参数，模型参数收敛至最优值时停止，本发明可以显著降低信号重构误差，具有更强的抗噪声能力，并能基于信号的稀疏结构特性对任务进行自主聚类，且无需事先设置类别数。
-
公开(公告)号：CN110378191A
公开(公告)日：2019-10-25
申请号：CN201910336968.4
申请日：2019-04-25
Applicant: 东南大学
Abstract: 本发明公开了一种基于毫米波传感器的行人和车辆分类方法，包括：根据行人的步态分析和车辆的运动分析获取行人和车辆目标的时域回波信号；目标时域回波信号处理，获得距离-多普勒图；并构建距离-多普勒图样本集；将样本集分成训练样本集和测试样本集，对训练样本集中的数据进行预处理；构建级联神经网络分类器，并将距离-多普勒图作为训练数据输入到级联神经网络分类器中，进行有监督的学习，训练和学习出各级分类器的网络参数；基于训练的各级网络参数，获得具有行人和车辆分类功能的级联神经网络分类器。本发明通过构建级联神经网络分类器，有效降低了实际应用中行人和车辆样本不平衡对目标分类的影响，提高目标分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.032 seconds)
