-
公开(公告)号：CN110119588B
公开(公告)日：2023-09-01
申请号：CN201910423119.2
申请日：2019-05-21
Applicant: 杭州电子科技大学
IPC: G06F30/20
Abstract: 本发明公开了一种基于扩展卡尔曼滤波状态估计值的在线优化设计方法，本发明通过对扩展卡尔曼算法得到的状态估计值添加采样点因子实现对状态估计值的更新，进而将更新后所得的状态估计值代替状态观测值。进而求出更新后的观测预测值，与观测值对比，得到残差信息阵，利用残差信息来检验更新后最适合于当前时刻的状态估计值，并将该状态估计值作为当前时刻的状态估计值。通过这种方式可以再一定程度上降低模型动态偏差对系统跟踪带来的影响，解决扩展卡尔曼滤波在系统出现模型偏差时带来的精度不足的问题，能在非线性系统领域内得到较好的运用，且具有一定的鲁棒性。
-
公开(公告)号：CN111612729B
公开(公告)日：2023-06-23
申请号：CN202010454432.5
申请日：2020-05-26
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于卡尔曼滤波的目标序列跟踪图像恢复方法。本发明大体包括三部分内容。第一部分，根据实际目标跟踪的运动状态建立卡尔曼方程组；第二部分，将卡尔曼方程组改进为列向量形式；第三部分，目标序列观测图像融合。利用本发明不仅可以应对单幅受损图像进行复原所获得效果有限的问题，而且能够解决图像融合技术对于图像要求严苛的问题。
-
公开(公告)号：CN112764345B
公开(公告)日：2022-08-02
申请号：CN202011513880.4
申请日：2020-12-21
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于目标状态跟踪的强非线性系统卡尔曼滤波器设计方法。本发明将目标状态和测量方程中的基本函数定义为隐变量，从而将原始目标状态模型和测量模型改写成伪线性形式；然后，将隐变量视为系统的参数变量，建立各隐变量与其他隐变量及目标状态变量之间的动态线性模型；进一步将测量模型改写成当前时刻目标状态估计值和各参数变量值之间的一阶线性乘积形式；最后，借助卡尔曼滤波器组逐步求解参数变量，设计出一个逐步线性化的高阶扩展卡尔曼滤波器。通过三个目标状态追踪案例对比的仿真测试，验证了本发明的有效性。
-
公开(公告)号：CN113608442A
公开(公告)日：2021-11-05
申请号：CN202110899253.7
申请日：2021-08-05
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于特征函数的非线性状态模型系统的状态估计方法。本发明基于泰勒展开来对非线性状态模型进行线性化，通过对状态模型的非线性部分寻找连续可导的点，然后在可导点处对非线性部分进行泰勒展开，通过保留泰勒展开后的一阶项而舍去高阶项的方式来线性化状态模型，对测量模型不做改变，从而使得系统模型满足状态为线性，测量为非线性，以满足特征函数滤波的使用条件，来用特征函数滤波进行状态估计。这种非线性状态模型的线性化方法，扩展了特征函数滤波在非线性系统中的应用范围，能在很大程度上提高估计精度，在实际应用中，尤其是在目标跟踪、通信导航等领域能够节约测量和维护成本。
-
公开(公告)号：CN113221063A
公开(公告)日：2021-08-06
申请号：CN202110417570.0
申请日：2021-04-19
Applicant: 杭州电子科技大学
IPC: G06F17/16
Abstract: 本发明公开了一种基于乘性潜变量的两阶段分布式卡尔曼滤波方法。本发明首先，将模型中的非线性乘子定义为潜变量，从而将系统模型改写成基于原始状态变量与相应潜变量相结合的伪线性形式；然后，将潜变量视为新的系统参数变量，建立潜变量与原始状态变量之间的动态关联模型；再次，写出待估状态变量和潜变量的分布式观测模型；最后，设计两阶段的卡尔曼滤波器，依次估计出潜变量和状态变量。本发明将模型中非线性乘子定义为潜变量，然后通过两阶段的卡尔曼滤波器依次估计出潜变量和状态变量的状态；从而避免了传统扩展卡尔曼滤波由于泰勒展开式产生的截断误差，有效提高了滤波效果。
-
Patent Agency Ranking
公开(公告)号：CN112507966A
公开(公告)日：2021-03-16
申请号：CN202011537807.0
申请日：2020-12-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于四元数非凸罚稀疏主成分分析的彩色人脸识别方法，属于模式识别和人工智能领域。本发明方法首先利用四元数对彩色图像的红、绿、蓝三通道进行编码，构造四元数矩阵的复表示形式，然后计算四元数协方差矩阵并对其特征分解得到主成分向量，再引入非凸罚L1/2范数作为稀疏约束项得到一种新的四元数非凸罚稀疏主成分分析（QHSPCA）优化模型，采用坐标下降法和不动点迭代法求解该模型的稀疏解，最后用最近邻分类器实现人脸识别。在Georgia Tech人脸数据库上的实验表明，本发明提出的QHSPCA方法具有较好的识别性能，计算效率也有所提高。
-
公开(公告)号：CN112488213A
公开(公告)日：2021-03-12
申请号：CN202011399868.5
申请日：2020-12-03
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于深度学习的卷积神经网络多尺度分类方法。本发明首先构建训练集和测试集图片，并且给每张图片添加正负标签。其次利用多尺度方法中的下采样运算方法将火灾图像划分为不同尺度的图像块集合。再次分别构建多个尺度的卷积神经网络模型，每个卷积神经网络模型对应着一个尺度的火灾图像。利用多个尺度的火灾图像作为训练数据，对图像像素值进行归一化处理，再分别代入上一步的卷积神经网络模型中进行特征提取。最后将所提取的多尺度的火灾图像的特征进行融合，利用融合的特征对图像进行分类并与标签进行比对。本发明在一定程度上扩充了训练集的数量，还可以提取不同尺度的图片特征，提升了网络训练的效果和图片分类的准确度。
-
公开(公告)号：CN111914718A
公开(公告)日：2020-11-10
申请号：CN202010727958.6
申请日：2020-07-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于平均影响值数据变换的特征加权PCA人脸识别方法。本发明中MIV的计算过程是通过对系统的输入值做等比例增加和减小，得到增加和减少后的数据分别作为系统输入，求解其对应的系统输出值。求取各个输入变量做等比例增加对应的系统输出值减去各个输入变量做等比例减小对应的系统输出值得到系统输入的各个参变量对系统输出的影响程度值及MIV值；采用多次计算求平均值的方式确定各个特征变量最终的MIV值。通过对MIV值一定的等比例放缩，将其用作PCA降维最近邻分类方法输入数据的特征权值来进行人脸识别。通过ORL人脸数据集的仿真测试，验证了本发明的有效性。
-
公开(公告)号：CN110097022A
公开(公告)日：2019-08-06
申请号：CN201910389944.5
申请日：2019-05-10
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于双向插值增强的2DPCA人脸图像识别方法，本发明先把把ORL人脸库分为训练样本和测试样本；然后分别用PCA方法、2DPCA方法、(2D)2PCA方法对训练样本提取特征值和特征向量。再使用插值的方法对所提取的特征向量进行插值。最后采用范数距离方法和支持向量机方法进行识别。本发明通过在高价值的特征向量之间插入新的向量，以期望提高特征信息的显示度，在不增加更大计算复杂度的前提下来提高了图像的识别精度。
-
公开(公告)号：CN109255758A
公开(公告)日：2019-01-22
申请号：CN201810768178.9
申请日：2018-07-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于全1*1卷积神经网络的图像增强方法。本发明构建全1*1卷积神经网络，并对低质成像图像中局部图像块或者整幅图像中的像素进行重新随机排列(Pixel Shuffle)，利用重排后的图像块或图像作为输入。然后对上述网络估计出来的潜在变量后处理。基于潜在变量所对应成像模型，得到从低质图像和潜在变量估计出的清晰图像的数学表达式，从而计算得到增强后的结果。相比传统卷积神经网络普遍采用的大卷积核方式，实现了以更少的参数、更少的计算量保持相当的模型表示能力的目的，从而快速、准确地估计图像增强中的潜在变量。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.028 seconds)
