-
公开(公告)号:CN107040879B
公开(公告)日:2020-04-14
申请号:CN201710244556.9
申请日:2017-04-14
Applicant: 电子科技大学
Abstract: 本发明属于无线传感网节点移动领域,公开了一种基于遗传模糊树的无线传感网节点联合移动算法。首先进行传感器网络任务分配:输入传感器Si的性能指标,将所述性能指标利用模糊逻辑系统A进行综合评分,所述综合评分最高的前N个传感器Tn移动,其余传感器保持静止;其次进行传感器联合路径规划:求出传感器Tn与目标之间的距离和传感器Tn与传感器Tj之间的距离,将所述距离值作为模糊逻辑系统B的输入进行处理,输出得到传感器Tn的移动距离值,Tn的移动方向由库伦定律决定;最后利用遗传算法对模糊逻辑树中的模糊逻辑系统A和模糊逻辑系统B进行优化,使规则库和数据库能自适应变化,使联合路径规划时间最短;采用此发明,可以有效的提高网络对目标的定位跟踪性能。
-
公开(公告)号:CN109143153A
公开(公告)日:2019-01-04
申请号:CN201810492669.5
申请日:2018-05-22
Applicant: 电子科技大学
IPC: G01S3/14
CPC classification number: G01S3/14
Abstract: 本发明公开了一种基于稀疏重构的超嵌套阵列波达方向估计方法,涉及阵列信号处理领域;其包括步骤1:将远场不相干信号入射到已构造的超嵌套阵列结构获得阵列接收信号;步骤2:向量化阵列接收信号的协方差矩阵获得虚拟传感器的接收信号;步骤3:将虚拟传感器的接收信号进行稀疏获得优化函数后求解优化函数获得估计值;步骤4:根据估计值和已划分的网格点构建空间功率谱后通过搜索估计信号的方向角;本发明解决了现有嵌套阵列波达方向估计方法因采用空间平滑算法需要对连续的传感器划分为相互重叠的子阵列导致自由度降低的问题,达到了利用阵列间产生的虚拟传感器增加阵列的自由度,使用稀疏重构算法最大限度增加估计信源数,降低误差的效果。
-
公开(公告)号:CN107064177A
公开(公告)日:2017-08-18
申请号:CN201710372471.9
申请日:2017-05-24
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于自适应模糊推理的超宽带土壤信号含水量识别方法,属于精细化农业技术应用方向,具体涉及遥感技术、土壤含水量检测技术领域,解决现有技术中的土壤含水量的测量方法不能充分利用土壤回波性质,从而造成土壤含水量的测量不精确、测量成本高等问题。本发明收集土壤的超宽带土壤回波和对应土壤回波的土壤含水量;对土壤回波进行预处理;构建自适应模糊推理系统,对预处理后的土壤回波进行特征向量提取;使用机器学习算法——随机森林算法构建分类器,得到随机森林分类器;随机森林分类器根据不同土壤含水量对提取的预处理后的土壤回波的特征向量进行分类识别,并输出分类识别结果。本发明用于土壤含水量的测量。
-
公开(公告)号:CN106353752B
公开(公告)日:2018-08-14
申请号:CN201610740824.1
申请日:2016-08-28
Applicant: 电子科技大学
Abstract: 一种基于超宽带信号与非单点一型模糊逻辑系统的土壤含水量测量方法,涉及土壤含水量测量方法,主旨在于解决时间成本与计算成和识别正确率问题。包括如下步骤:步骤一、采集不同土壤含水量的雷达回波信号;步骤二、截取雷达回波信号中噪声影响较小部分,将相同含水量的回波信号串联在一起组成一组回波信号序列,对多组回波信号序列求均值,作为信号预测中的真正的土壤回波信号序列;步骤三、使用非单点一型模糊逻辑系统对土壤回波信号序列预测,提取雷达回波模板;步骤四、将雷达回波模板与相同超宽带雷达收集的未知土壤含水量的回波信号进行比对,最终将未知土壤含水量信号归类于最小均方根误差对应模板中,得到测试信号的土壤含水量。
-
公开(公告)号:CN106443625A
公开(公告)日:2017-02-22
申请号:CN201610829717.6
申请日:2016-09-19
Applicant: 电子科技大学
IPC: G01S7/41
CPC classification number: G01S7/41
Abstract: 基于高分辨一维像信息融合的目标识别方法,目的在于解决如何把网络中不同雷达的观测结果进行信息融合,进而达到提高分辨率。其包括以下步骤:步骤1、利用BSS产生波形不同的两种雷达,对两飞行器进行探测,得到两个不同雷达的回波数据;步骤2、将回波数据进行脉冲压缩,得到目标的两组高分辨一维像;步骤3、两组高分辨一维像采用加权平均法进行数据融合,得到一组新的一维像,其中融合权值在0到1之间任取;步骤4、将新的高分辨一维像通过一设定门限,得到采样点数目;步骤5、将得到的新的高分辨一维像的采样点个数与预设的距离分辨率(两采样点间的实际距离)相乘,得到目标的长度;步骤6、采用贝叶斯分类进行目标识别。
-
公开(公告)号:CN106443625B
公开(公告)日:2018-10-12
申请号:CN201610829717.6
申请日:2016-09-19
Applicant: 电子科技大学
IPC: G01S7/41
Abstract: 基于高分辨一维像信息融合的目标识别方法,目的在于解决如何把网络中不同雷达的观测结果进行信息融合,进而达到提高分辨率。其包括以下步骤:步骤1、利用BSS产生波形不同的两种雷达,对两飞行器进行探测,得到两个不同雷达的回波数据;步骤2、将回波数据进行脉冲压缩,得到目标的两组高分辨一维像;步骤3、两组高分辨一维像采用加权平均法进行数据融合,得到一组新的一维像,其中融合权值在0到1之间任取;步骤4、将新的高分辨一维像通过一设定门限,得到采样点数目;步骤5、将得到的新的高分辨一维像的采样点个数与预设的距离分辨率(两采样点间的实际距离)相乘,得到目标的长度;步骤6、采用贝叶斯分类进行目标识别。
-
公开(公告)号:CN106353752A
公开(公告)日:2017-01-25
申请号:CN201610740824.1
申请日:2016-08-28
Applicant: 电子科技大学
Abstract: 一种基于超宽带信号与非单点一型模糊逻辑系统的土壤含水量测量方法,涉及土壤含水量测量方法,主旨在于解决时间成本与计算成和识别正确率问题。包括如下步骤:步骤一、采集不同土壤含水量的雷达回波信号;步骤二、截取雷达回波信号中噪声影响较小部分,将相同含水量的回波信号串联在一起组成一组回波信号序列,对多组回波信号序列求均值,作为信号预测中的真正的土壤回波信号序列;步骤三、使用非单点一型模糊逻辑系统对土壤回波信号序列预测,提取雷达回波模板;步骤四、将雷达回波模板与相同超宽带雷达收集的未知土壤含水量的回波信号进行比对,最终将未知土壤含水量信号归类于最小均方根误差对应模板中,得到测试信号的土壤含水量。
-
公开(公告)号:CN106338722A
公开(公告)日:2017-01-18
申请号:CN201610722921.8
申请日:2016-08-25
Applicant: 电子科技大学
IPC: G01S7/41
CPC classification number: G01S7/411
Abstract: 本发明涉及一种基于多次样本的高分辨雷达一维距离像目标识别方法,其主旨在于针对最小K-L距离准则在对称性上的缺陷性,引入一种新的距离判决准则,即最小Resistor-Average(RA)距离准则,用以提高雷达目标识别性能。具体方案为第一步:多次距离像样本高分辨率雷达一维模板距离像特征提取;第二步:多次距离像样本高分辨率雷达一维测试距离像特征提取;第三步为本申请提案与现有技术不同之处:利用最小RA距离准则进行多次距离像样本高分辨率雷达一维测试距离像目标识别。
-
公开(公告)号:CN107064177B
公开(公告)日:2019-08-27
申请号:CN201710372471.9
申请日:2017-05-24
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于自适应模糊推理的超宽带土壤信号含水量识别方法,属于精细化农业技术应用方向,具体涉及遥感技术、土壤含水量检测技术领域,解决现有技术中的土壤含水量的测量方法不能充分利用土壤回波性质,从而造成土壤含水量的测量不精确、测量成本高等问题。本发明收集土壤的超宽带土壤回波和对应土壤回波的土壤含水量;对土壤回波进行预处理;构建自适应模糊推理系统,对预处理后的土壤回波进行特征向量提取;使用机器学习算法——随机森林算法构建分类器,得到随机森林分类器;随机森林分类器根据不同土壤含水量对提取的预处理后的土壤回波的特征向量进行分类识别,并输出分类识别结果。本发明用于土壤含水量的测量。
-
公开(公告)号:CN108614259A
公开(公告)日:2018-10-02
申请号:CN201810411059.8
申请日:2018-05-02
Applicant: 电子科技大学
Abstract: 本发明公开一种基于超宽带雷达传感器的心跳呼吸特征监测方法,涉及心跳信号检测技术领域,包括如下步骤:将检测到的呼吸信号和心跳信号作为回波信号;将回波信号进行预处理,并且选取距离门得到一维信号;将得到的一维信号用经典模态分解算法进行模态分解,得到模态个数K以及这K个具体模态;根据模态个数K和这K个具体模态,通过变分模态分解算法对步骤2中的一维信号进行模态分解后,提取呼吸模态和心跳模态;将提取出的呼吸模态和心跳模态分别进行频谱变换得到各自的频域信息,由频域信息可以直接得到单目标每分钟的呼吸次数和心跳次数。本发明解决了目前的方法抗干扰性差、准确度低下和模态混叠的问题。
-
-
-
-
-
-
-
-
-