-
公开(公告)号：CN110286357B
公开(公告)日：2021-07-09
申请号：CN201910618959.4
申请日：2019-07-10
Applicant: 中国电子科技集团公司第三十六研究所
Abstract: 本发明涉及一种基于水声探测的目标运动定位方法，属于目标定位技术领域。该方法包括以下步骤：S1，通过多个水声探测节点获取多通道节点的时域波形数据；S2，根据其他节点依次与第一个节点间时域波形的互谱函数计算得到时延差量测值；S3，根据所述时延差量测值和目标实时状态变化信息构建卡尔曼滤波算法框架；S4，根据预设阈值对时延差量测值的统计量进行差异性统计判决改进卡尔曼滤波算法，得到目标运动参数估计结果后对目标进行定位。本发明利用TDOA量测信息，结合扩展卡尔曼滤波算法，通过实时获取目标状态信息，并利用该信息修正协方差矩阵，快速实现目标运动参数估计，更好地适应目标做强机动情况下的运动参数估计对目标运动进行定位。
-
公开(公告)号：CN111967592A
公开(公告)日：2020-11-20
申请号：CN202010656484.0
申请日：2020-07-09
Applicant: 中国电子科技集团公司第三十六研究所 , 南京大学
Abstract: 本发明提供了基于分离正负扰动生成对抗图像机器识别的方法，包括：步骤1，计算在L∞距离的限定下，图像像素的修改范围；步骤2，在原始图像像素的基础上，结合步骤1中确定的扰动限制，构建搜素算法来搜寻合适的扰动；步骤3，引入正负扰动来简化扰动的限制，并修改优化的损失，采取梯度下降的方法搜寻目标扰动；步骤4，固定网络的参数，只迭代地训练修改正负扰动；步骤5，为了满足以上限制，避免直接优化正负扰动的困难，引入无限制的变量z来代替正负扰动；步骤6，得到图片对应的输入扰动和对抗样本；步骤7，将生成的对抗样本作为要识别的图片验证码。
-
公开(公告)号：CN110286357A
公开(公告)日：2019-09-27
申请号：CN201910618959.4
申请日：2019-07-10
Applicant: 中国电子科技集团公司第三十六研究所
Abstract: 本发明涉及一种基于水声探测的目标运动定位方法，属于目标定位技术领域。该方法包括以下步骤：S1，通过多个水声探测节点获取多通道节点的时域波形数据；S2，根据其他节点依次与第一个节点间时域波形的互谱函数计算得到时延差量测值；S3，根据所述时延差量测值和目标实时状态变化信息构建卡尔曼滤波算法框架；S4，根据预设阈值对时延差量测值的统计量进行差异性统计判决改进卡尔曼滤波算法，得到目标运动参数估计结果后对目标进行定位。本发明利用TDOA量测信息，结合扩展卡尔曼滤波算法，通过实时获取目标状态信息，并利用该信息修正协方差矩阵，快速实现目标运动参数估计，更好地适应目标做强机动情况下的运动参数估计对目标运动进行定位。
-
公开(公告)号：CN111985533B
公开(公告)日：2023-02-03
申请号：CN202010673065.8
申请日：2020-07-14
Applicant: 中国电子科技集团公司第三十六研究所 , 南京大学
IPC: G06F18/25 , G06F18/22 , G06F18/241 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/096 , G06F123/02
Abstract: 本发明提供了一种基于多尺度信息融合的增量式水声信号识别方法，包括：步骤1，初始化算法记忆存储空间；步骤2，输入水声信号；步骤3，更新增量学习数据集；步骤4，对增量数据集进行数据增强；步骤5，更新全局特征提取器和多尺度信息提取器；步骤6，进行特征信息的融合；步骤7，更新算法的记忆存储空间；步骤8，若判断样本为已知信号，则转步骤9，若判断样本为未知信号，则输出信号未知，并转步骤10；步骤9，利用信号分类器进行已知信号的识别，并输出识别结果；步骤10，判断是否有数据更新，若有数据更新则返回步骤2进行算法的增量学习，若无数据更新则结束算法。
-
公开(公告)号：CN111667016B
公开(公告)日：2023-01-06
申请号：CN202010539580.7
申请日：2020-06-12
Applicant: 中国电子科技集团公司第三十六研究所 , 南京大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明提供了一种基于prototype的增量式信息分类方法，包括：步骤1，对当前已经训练好的模型生成一份副本，并固定副本模型参数；步骤2，为数据流新来的每个类初始化一个prototype向量，并按照新类的数量扩展当前模型的分类数目；步骤3,使用深度学习算法，计算新数据对应的损失；步骤4，根据新模型和模型副本对新数据的输出计算固化损失；步骤5，将两部分损失进行权重求和，使用梯度下降算法调整模型；步骤6，根据当前迭代次数选择继续训练或者退出。
-
Patent Agency Ranking
公开(公告)号：CN109143224A
公开(公告)日：2019-01-04
申请号：CN201810985211.3
申请日：2018-08-28
Applicant: 中国电子科技集团公司第三十六研究所
CPC classification number: G01S13/862 , G01S13/58 , G01S15/58
Abstract: 本发明公开了一种多目标关联方法和装置，方法包括：获取第一观测平台和第二观测平台下各目标对应的方位观测序列；利用卡尔曼滤波算法以及所述方位观测序列进行航迹不变量信息估计，得到目标的航向信息；联合利用方位观测序列和航迹不变量信息，计算关联度，并对关联度进行排序，当最大关联度大于预设的阈值时，确定第一观测平台观测到的目标的航迹与第二观测平台观测到的相应目标的航迹关联，输出关联结果。与传统的仅利用方位信息的关联算法相比，本方案有较高的关联准确度。
-
公开(公告)号：CN109143224B
公开(公告)日：2023-01-20
申请号：CN201810985211.3
申请日：2018-08-28
Applicant: 中国电子科技集团公司第三十六研究所
Abstract: 本发明公开了一种多目标关联方法和装置，方法包括：获取第一观测平台和第二观测平台下各目标对应的方位观测序列；利用卡尔曼滤波算法以及所述方位观测序列进行航迹不变量信息估计，得到目标的航向信息；联合利用方位观测序列和航迹不变量信息，计算关联度，并对关联度进行排序，当最大关联度大于预设的阈值时，确定第一观测平台观测到的目标的航迹与第二观测平台观测到的相应目标的航迹关联，输出关联结果。与传统的仅利用方位信息的关联算法相比，本方案有较高的关联准确度。
-
公开(公告)号：CN111985533A
公开(公告)日：2020-11-24
申请号：CN202010673065.8
申请日：2020-07-14
Applicant: 中国电子科技集团公司第三十六研究所 , 南京大学
Abstract: 本发明提供了一种基于多尺度信息融合的增量式水声信号识别方法，包括：步骤1，初始化算法记忆存储空间；步骤2，输入水声信号；步骤3，更新增量学习数据集；步骤4，对增量数据集进行数据增强；步骤5，更新全局特征提取器和多尺度信息提取器；步骤6，进行特征信息的融合；步骤7，更新算法的记忆存储空间；步骤8，若判断样本为已知信号，则转步骤9，若判断样本为未知信号，则输出信号未知，并转步骤10；步骤9，利用信号分类器进行已知信号的识别，并输出识别结果；步骤10，判断是否有数据更新，若有数据更新则返回步骤2进行算法的增量学习，若无数据更新则结束算法。
-
公开(公告)号：CN111967592B
公开(公告)日：2023-12-05
申请号：CN202010656484.0
申请日：2020-07-09
Applicant: 中国电子科技集团公司第三十六研究所 , 南京大学
IPC: G06V30/19 , G06V30/302 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094 , G06N3/084 , G06N3/0985
Abstract: 本发明提供了基于分离正负扰动生成对抗图像机器识别的方法，包括：步骤1，计算在L∞距离的限定下，图像像素的修改范围；步骤2，在原始图像像素的基础上，结合步骤1中确定的扰动限制，构建搜素算法来搜寻合适的扰动；步骤3，引入正负扰动来简化扰动的限制，并修改优化的损失，采取梯度下降的方法搜寻目标扰动；步骤4，固定网络的参数，只迭代地训练修改正负扰动；步骤5，为了满足以上限制，避免直接优化正负扰动的困难，引入无限制的变量z来代替正负扰动；步骤6，得到图片对应的输入扰动和对抗样本；步骤7，将生成的对抗样本作为要识别的图片
-
公开(公告)号：CN113176533B
公开(公告)日：2023-11-24
申请号：CN202110468849.1
申请日：2021-04-28
Applicant: 中国电子科技集团公司第三十六研究所
IPC: G01S3/802
Abstract: 本申请公开了一种水声通信信号的测向方法、装置及电子设备。本申请在传统的波束形成的基础上，利用非均匀线性排列的多个阵元进行水声通信信号的测向，通过多个阵元的频域数据构造了整阵域和至少两个子阵域的协方差矩阵及至少两个子阵域的互相关矩阵，通过对整阵域和至少两个子阵域的协方差矩阵和导引向量的加权处理，以及互相关矩阵和各子阵域的导引向量的加权处理，得到了通信信号在所有扫描频点和扫描方位上的空间分布，利用至少两个子阵域及其互相关矩阵的波束输出得到了一组非线性加权系数，从而利用该组非线性加权系数对传统的波束输出进行加权处理，得到最优的波束输出。该测向方法相比于传统的测向方法有着更高的空间分辨能力和稳健性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.056 seconds)
