-
公开(公告)号：CN109308483B
公开(公告)日：2021-09-17
申请号：CN201810843122.5
申请日：2018-07-27
Applicant: 南京航空航天大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于卷积神经网络的双源图像特征提取及融合识别方法，包括：利用卷积神经网络具有迁移学习的特性，通过大量的可见光数据库训练卷积神经网络模型参数；将训练好的模型分别用于自动提取可见光与热红外目标图像的隐藏特征，并使用最大值降采样方法减少特征维度；结合费希尔判别法和主成分分析算法对目标的多源图像特征进行降维融合；利用支持向量机分类器对目标图像的融合特征进行分类识别。本发明针对无人机平台中多源传感器图像目标分类识别，实现利用卷积神经网络提取图像隐藏特征，再组合费希尔判别法和主成分分析算法用于特征的降维融合，为基于特征级的多源图像目标分类识别提供了一种新的有效途径。
-
Patent Agency Ranking
公开(公告)号：CN108322047A
公开(公告)日：2018-07-24
申请号：CN201810144251.5
申请日：2018-02-11
Applicant: 南京航空航天大学
Abstract: 本发明涉及一种滞环电流控制的包络线跟踪电源,由多电平变换器、AB类线性放大器和滞环电流控制电路组成。AB类线性放大器采用电压闭环控制，保证输出电压精度，同时线性放大器的输出给负载供电。多电平变换器由电平产生单元及电平选通单元组成。电平产生单元产生多路独立的电平，滞环电流控制电路通过电平选通单元选择适当的电平输出，电平选通单元的输出通过电感给负载供电，本发明采用滞环电流控制的多电平变换器可以动态的调节电感电流的变化率拟合负载电流变化率，避免因为两者电流变化率差值较大，造成开关变换器的开关频率大幅的增加，有效的提升了系统的效率。
-
公开(公告)号：CN104993697B
公开(公告)日：2017-11-14
申请号：CN201510413827.X
申请日：2015-07-14
Applicant: 南京航空航天大学
IPC: H02M3/155
Abstract: 本发明提供一种串并联组合结构包络线跟踪电源，包括电平提供单元，电平切换单元，A类线性放大器，斩波电路和控制电路，电平提供单元为电平切换单元提供多路独立电平，电平切换单元的输出接A类线性放大器的输入，A类线性放大器的输出为负载供电；斩波电路的输出经过一个电感同时为负载供电，控制电路的输入接A类线性放大器的电压调节器的输入，输出分别接电平切换单元和斩波电路。控制电路有两种实现方式，1由电流采样电路，最小值检测单元和两个控制信号产生单元组成，从而让斩波电路提供负载电流中最低幅值电流；2由两个控制信号产生单元组成，从而让斩波电路提供负载电流中部分三角波电流。
-
公开(公告)号：CN105896983A
公开(公告)日：2016-08-24
申请号：CN201610319898.8
申请日：2016-05-13
Applicant: 南京航空航天大学
IPC: H02M3/158
CPC classification number: H02M3/1584
Abstract: 本发明提出一种宽频带输出的包络线跟踪电源，包括两路Buck变换器、AB类线性放大器和控制电路，AB类线性放大器和两路Buck变换器三者相互并联；AB类线性放大器的输出端与负载并联，第一Buck变换器的输出滤波电感直接与负载输入端连接，第二Buck变换器的输出滤波电感与AB类线性放大器的输出的正端相连，两路Buck变换器与AB类线性放大器的输出的负端分别接地；控制电路由逻辑门电路、两路电流控制器和第三迟滞比较器构成，其中两路电流控制器均由采样电路、放大电路和迟滞比较器构成；逻辑门电路由与门和非门构成。本发明采用两路Buck变换器并联向负载提供电流，减小线性放大器的输出电流的摆幅，提高系统效率。
-
公开(公告)号：CN108322047B
公开(公告)日：2020-03-17
申请号：CN201810144251.5
申请日：2018-02-11
Applicant: 南京航空航天大学
Abstract: 本发明涉及一种滞环电流控制的包络线跟踪电源,由多电平变换器、AB类线性放大器和滞环电流控制电路组成。AB类线性放大器采用电压闭环控制，保证输出电压精度，同时线性放大器的输出给负载供电。多电平变换器由电平产生单元及电平选通单元组成。电平产生单元产生多路独立的电平，滞环电流控制电路通过电平选通单元选择适当的电平输出，电平选通单元的输出通过电感给负载供电，本发明采用滞环电流控制的多电平变换器可以动态的调节电感电流的变化率拟合负载电流变化率，避免因为两者电流变化率差值较大，造成开关变换器的开关频率大幅的增加，有效的提升了系统的效率。
-
公开(公告)号：CN109308483A
公开(公告)日：2019-02-05
申请号：CN201810843122.5
申请日：2018-07-27
Applicant: 南京航空航天大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于卷积神经网络的双源图像特征提取及融合识别方法，包括：利用卷积神经网络具有迁移学习的特性，通过大量的可见光数据库训练卷积神经网络模型参数；将训练好的模型分别用于自动提取可见光与热红外目标图像的隐藏特征，并使用最大值降采样方法减少特征维度；结合费希尔判别法和主成分分析算法对目标的多源图像特征进行降维融合；利用支持向量机分类器对目标图像的融合特征进行分类识别。本发明针对无人机平台中多源传感器图像目标分类识别，实现利用卷积神经网络提取图像隐藏特征，再组合费希尔判别法和主成分分析算法用于特征的降维融合，为基于特征级的多源图像目标分类识别提供了一种新的有效途径。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
