-
公开(公告)号：CN110287924A
公开(公告)日：2019-09-27
申请号：CN201910582563.9
申请日：2019-06-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于GRU-RNN模型的土壤参数分类方法，涉及土壤参数反演领域，步骤如下：1、采集原始回波信号并对其进行预处理，得到有效回波信号；2、将有效回波信号输入原始GRU-RNN模型，为有效回波信号给定标签，选取部分有效回波信号作为训练数据、部分标签作为训练标签，通过训练数据和训练标签对原始GRU-RNN模型训练，得到最终GRU-RNN模型；3、采集雷达回波信号并对其进行预处理，得到目标回波信号，将目标回波信号输入最终GRU-RNN模型中进行交叉验证，得到目标回波信号的总体分类准确率。本方法的GRU-RNN模型具有更少的门结构，使得网络复杂度更低，从而提高了计算速度，减少了训练时间。本方法能根据土壤中的多种特征参数对土壤进行分类，具有较高的分类表现效果。
-
公开(公告)号：CN110285812A
公开(公告)日：2019-09-27
申请号：CN201910569424.2
申请日：2019-06-27
Applicant: 电子科技大学
IPC: G01C21/20
Abstract: 本发明公开了多目标跟踪中基于目标威胁度的传感器匹配方法及系统，涉及多传感器多目标追踪领域；其包括步骤1：计算k时刻每个目标的威胁度获取应追踪目标的集合T；步骤2：匹配传感器i和其探测范围内集合T中威胁度最高的目标j，获得配对矩阵 步骤3：判断集合T中的所有目标是否均匹配，若满足，则令配对矩阵元素满足 否则转至步骤4；步骤4：为集合T中未匹配的目标j′匹配离其最近的传感器即，并转至步骤3；目标威胁度的因素通过目标状态量化，因素包括目标速度、目标航向角和目标与控制中心的距离。本发明通过对多目标跟踪中每一时刻的目标威胁度进行评估后，对传感器-目标进行配对，能有效实现传感器资源的分配。
-
公开(公告)号：CN110286383B
公开(公告)日：2023-09-01
申请号：CN201910565557.2
申请日：2019-06-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种应用于目标跟踪的雷达和红外传感器部署方法，属于目标跟踪技术领域，包括以下步骤：对传感器部署进行建模，所述传感器包括雷达和红外传感器；构建并引入评分系统，将传感器部署量化为一个高维多峰值的优化问题；基于传统粒子群算法改进得到降维粒子群算法，对优化问题进行降维和迭代处理，求解全局最优解；根据全局最优解部署传感器。本发明解决了现有传感器部署方法存在不适用于目标跟踪的任务需求，部署模型无法实现多个异类传感器部署，以及对传感器进行优化部署的时候，容易陷入局部最优解的问题。
-
Patent Agency Ranking
公开(公告)号：CN110286383A
公开(公告)日：2019-09-27
申请号：CN201910565557.2
申请日：2019-06-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种应用于目标跟踪的雷达和红外传感器部署方法，属于目标跟踪技术领域，包括以下步骤：对传感器部署进行建模，所述传感器包括雷达和红外传感器；构建并引入评分系统，将传感器部署量化为一个高维多峰值的优化问题；基于传统粒子群算法改进得到降维粒子群算法，对优化问题进行降维和迭代处理，求解全局最优解；根据全局最优解部署传感器。本发明解决了现有传感器部署方法存在不适用于目标跟踪的任务需求，部署模型无法实现多个异类传感器部署，以及对传感器进行优化部署的时候，容易陷入局部最优解的问题。
-
公开(公告)号：CN110187321B
公开(公告)日：2022-07-22
申请号：CN201910462165.3
申请日：2019-05-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的复杂环境下雷达辐射源特征参数提取方法，属于电子侦察领域。包括：初始特征提取、分类神经网络构建、稀疏自编码器构建以及特征矩阵拼接；本发明将分类神经网络识别与稀疏自编码器神经网络识别想结合的方法，深入分析和研究辐射源信号的本质，探索新的特征参数，构建更有助于信号识别的特征向量，提升了复杂环境下雷达辐射源信号的识别能力。
-
公开(公告)号：CN110197282A
公开(公告)日：2019-09-03
申请号：CN201910499362.2
申请日：2019-06-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于遗传模糊逻辑树的威胁估计与态势评估方法，方法为：对目标特征与属性采用模糊逻辑方法进行推理得到威胁估计结果；将威胁估计结果和环境影响因素输入态势评估的模糊推理器，进行态势评估并得到初步的态势评估结果；根据态势评估的环境影响因素的实时变化，结合遗传算法不断优化模糊推理器，输出得到最终的态势评估结果。本发明构成级联的双层模糊逻辑树，采用模糊逻辑技术，适宜于处理复杂的、非线性的、无法进行数学描述的动态系统，结合遗传算法，具备了更新知识规则库的能力，从而实现智能化的威胁估计与态势评估，且在保留模糊逻辑自适应力与鲁棒性能的同时大幅降低运算量，提升威胁估计与态势评估的时效性。
-
公开(公告)号：CN110187321A
公开(公告)日：2019-08-30
申请号：CN201910462165.3
申请日：2019-05-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的复杂环境下雷达辐射源特征参数提取方法，属于电子侦察领域。包括：初始特征提取、分类神经网络构建、稀疏自编码器构建以及特征矩阵拼接；本发明将分类神经网络识别与稀疏自编码器神经网络识别想结合的方法，深入分析和研究辐射源信号的本质，探索新的特征参数，构建更有助于信号识别的特征向量，提升了复杂环境下雷达辐射源信号的识别能力。
-
公开(公告)号：CN110197282B
公开(公告)日：2023-02-03
申请号：CN201910499362.2
申请日：2019-06-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于遗传模糊逻辑树的威胁估计与态势评估方法，方法为：对目标特征与属性采用模糊逻辑方法进行推理得到威胁估计结果；将威胁估计结果和环境影响因素输入态势评估的模糊推理器，进行态势评估并得到初步的态势评估结果；根据态势评估的环境影响因素的实时变化，结合遗传算法不断优化模糊推理器，输出得到最终的态势评估结果。本发明构成级联的双层模糊逻辑树，采用模糊逻辑技术，适宜于处理复杂的、非线性的、无法进行数学描述的动态系统，结合遗传算法，具备了更新知识规则库的能力，从而实现智能化的威胁估计与态势评估，且在保留模糊逻辑自适应力与鲁棒性能的同时大幅降低运算量，提升威胁估计与态势评估的时效性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
