公开(公告)号：CN119167196A

公开(公告)日：2024-12-20

申请号：CN202411089532.7

申请日：2024-08-09

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 张行健 ,  王鹏旭 ,  张钦宇

IPC: G06F18/2415 ,  H04L27/00 ,  G06F18/213

Abstract: 本发明公开了一种基于多任务学习的多频带信号识别方法，包括：获取待识别多频带信号，并对所述待识别多频带信号进行预处理；基于多任务学习的多频带无线信号识别网络对预处理后的待识别多频带信号进行频谱感知、调制识别以及信号分类；输出所述待识别多频带信号对应的频谱感知、调制识别以及信号分类的结果；本发明通过提取不同识别任务的共享特征，提高了单任务识别性能，并同时完成频谱感知、调制识别和信号分类任务，在一个模型中同时完成了三种任务，降低了模型的复杂度。

公开(公告)号：CN119135296A

公开(公告)日：2024-12-13

申请号：CN202411089528.0

申请日：2024-08-09

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 张行健 ,  郑溪桥 ,  张钦宇

IPC: H04B17/318 ,  H04B17/382 ,  H04B17/391 ,  H04W72/0453 ,  H04W72/542 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08 ,  G06V10/80 ,  G06T7/11 ,  G06T7/246 ,  G06T17/05 ,  G06V10/25

Abstract: 本发明公开了一种基于自编码器网络的3D频谱补全与预测方法，包括：基于网格量化方法对待预测三维地理区域进行区域分割，并采用预设轨迹的无人机进行空间稀疏采样，得到频谱的接收信号强度数据；基于多尺度特征融合模块和三维空间注意力机制的自编码器网络，对采集到的不完整的接收信号强度数据进行空间补全，得到频谱补全数据；基于深度学习的频谱预测网络对所述频谱补全数据进行时间、空间和频率的关键特征的提取，预测未来时段的频谱信息，并输出预测频谱数据；本发明通过提取三维空间特征和多尺度特征融合恢复缺失的频谱数据，并基于频谱补全的结果，利用深度学习的多分支频谱预测网络提取空间、时间和频率相关性特征，提高了频谱预测的精度。

公开(公告)号：CN116363535A

公开(公告)日：2023-06-30

申请号：CN202310520882.3

申请日：2023-05-10

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 吴绍华 ,  程书晓 ,  张行健 ,  焦健 ,  张钦宇

IPC: G06V20/17 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于卷积神经网络的无人机航拍影像中的船舶检测方法，包括以下步骤：步骤1，构建YOLO格式的无人机航拍影像船舶数据集；步骤2，将步骤1中构建的船舶数据集送入改进的YOLOv5s网络进行船舶检测模型训练；步骤3，使用步骤2训练出的模型文件进行船舶目标检测。本发明采用上述基于卷积神经网络的无人机航拍影像中的船舶检测方法，能够解决现有船舶检测算法精准度不足以及检测速度较慢的问题，让船舶检测具备更高的效率。