-
公开(公告)号:CN118196142A
公开(公告)日:2024-06-14
申请号:CN202410394904.0
申请日:2024-04-02
Applicant: 大连海事大学
IPC: G06T7/246 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于可学习互相关和排序损失的孪生网络目标跟踪算法,包括:获取目标图像和搜索图像;构建包括相连接的特征提取模块和可学习互相关模块的孪生神经网络模型,特征提取模块用于提取搜索图像的搜索特征图和目标图像的模板特征图;可学习互相关模块用于根据搜索特征图和模板特征图得到融合特征图;根据融合特征图构建排序损失函数更新孪生神经网络模型的参数;将图像组输入孪生神经网络模型,孪生神经网络结果输出目标图像在搜索图像的位置。通过可学习互相关模块增强对物体边界的分辨能力,防止被相似干扰物欺骗。通过基于排序的损失函数,增强模型的判别能力,缓解分类和定位之间的不匹配问题,确保更准确的目标预测。
-
公开(公告)号:CN116451032A
公开(公告)日:2023-07-18
申请号:CN202310144472.3
申请日:2023-02-21
Applicant: 大连海事大学
Abstract: 本发明提供一种基于DE‑LSSVM的AIS数据修复方法,包括:由自动识别系统获取船舶AIS数据;对船舶AIS数据进行预处理;筛选长距离缺失AIS数据;以基于改进欧氏距离的相似度判定方法作为指标对长距离缺失AIS数据进行相似历史数据检索,获取与长距离离缺失AIS数据最相似的AIS历史数据;将得到的相似数据作为训练集训练回归模型,为确保LSSVM方法对相似样本数据的建模精度,采用差分进化算法进行参数寻优,在长距离缺失数据情况下较为精准的还原AIS数据。本发明在考虑数据修复基础上,基于相似历史数据的轨迹相似性,采用优化效率高、参数设置简单、鲁棒性好的差分进化算法对LSSVM进行参数优化,更加精确的修复经度、纬度、航向与船速。
-
公开(公告)号:CN118381695A
公开(公告)日:2024-07-23
申请号:CN202410435840.4
申请日:2024-04-11
Applicant: 大连海事大学
Abstract: 本发明提供一种基于循环平稳特性的CP‑OFDM信号参数盲估计方法,包括:计算采样数据延时为2个采样点的时变自相关值,采用频谱累计的方式进行谱面优化后提取循环相关频谱的谱峰位置,估计码片时宽#imgabs0#计算数据不同延时下的自相关累加值,根据门限值估计有用符号长度#imgabs1#计算采样数据延时为#imgabs2#的时变自相关值,采用频谱累计的方式进行谱面优化后通过门限判决提取多个循环相关频谱的谱峰,基于其平均频率间隔估计符号长度#imgabs3#估计符号长度#imgabs4#本发明在OFDM信号的循环平稳特性理论基础上,同时考虑实际逻辑电路设计的时间及资源复杂度,通过频率累积的方法优化了自相关的循环频谱谱峰表现,通过设定实时更新的检测门限,在提升改善估计精度的同时保证提取到正确的谱峰,同时结合流水线设计一定程度上减少了冗余计算以及内存资源的占用。
-
-