-
公开(公告)号：CN104375139A
公开(公告)日：2015-02-25
申请号：CN201410513115.0
申请日：2014-09-29
Applicant: 西安电子科技大学
IPC: G01S13/18
CPC classification number: G01S13/18 , G01S13/222
Abstract: 本发明涉及一种基于一维集方法的脉冲多普勒雷达改进测距方法，其步骤为：建立查找表，令查找表中的每个数值取0；得出雷达发射信号的第i个脉冲重复频率Pi对应的视在距离门限si和最大模糊度fi；根据目标回波信号得出雷达发射信号的第i个脉冲重复频率Pi对应的视在距离xi；对视在距离门限si对应的最大模糊度fi进行更新，得到更新后的视在距离门限si对应的最大模糊度fxi；出距离单元序号集合距离单元序号集合中第q个元素riq为：riq＝q*qi+xi，q＝0，1，2...fxi；令查找表中第i行第Ri列的数值更新为1，Ri＝ri0，ri1，ri2...，令j依次取1至N，如查找表中第j列的所有数值之和yj大于或等于L，则得出目标与脉冲多普勒雷达的距离A。
-
公开(公告)号：CN103353595B
公开(公告)日：2015-01-07
申请号：CN201310240710.7
申请日：2013-06-18
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于阵列内插压缩感知的测高方法，主要解决多径环境下，尤其是低信噪比和快拍数较少环境下的低仰角测高问题，其实现过程：从雷达回波提取目标信号；通过对消和信号重构得到空域稀疏信号；使用波束形成法得到目标粗测角度；根据粗测角度得到空域，并对其进行划分；利用阵列内插得到虚拟阵列；根据矩阵变换关系得到内插变换矩阵，并对其进行预白化处理；利用白化内插变换矩阵和观测矩阵得到观测信号；利用白化内插变换矩阵和观测信号迭代运算得到目标信号估计值；从目标信号估计值提取目标角度，进而得到目标高度。本发明明显减少了目标信号的采样点数和运算量，有效降低了信号功率谱和空间谱的旁瓣，可用于目标跟踪。
-
公开(公告)号：CN103353595A
公开(公告)日：2013-10-16
申请号：CN201310240710.7
申请日：2013-06-18
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于阵列内插压缩感知的测高方法，主要解决多径环境下，尤其是低信噪比和快拍数较少环境下的低仰角测高问题，其实现过程：从雷达回波提取目标信号；通过对消和信号重构得到空域稀疏信号；使用波束形成法得到目标粗测角度；根据粗测角度得到空域，并对其进行划分；利用阵列内插得到虚拟阵列；根据矩阵变换关系得到内插变换矩阵，并对其进行预白化处理；利用白化内插变换矩阵和观测矩阵得到观测信号；利用白化内插变换矩阵和观测信号迭代运算得到目标信号估计值；从目标信号估计值提取目标角度，进而得到目标高度。本发明明显减少了目标信号的采样点数和运算量，有效降低了信号功率谱和空间谱的旁瓣，可用于目标跟踪。
-
公开(公告)号：CN110110844A
公开(公告)日：2019-08-09
申请号：CN201910331464.3
申请日：2019-04-24
Applicant: 西安电子科技大学
IPC: G06N3/04
Abstract: 本发明提出了一种基于OpenCL的卷积神经网络并行处理方法，主要解决现有卷积神经网络并行化处理中模型复杂度高、运行速度缓慢的问题。实现步骤为：获取图像数据矩阵的重组矩阵；获取权值矩阵；分块并行计算权值矩阵与重组矩阵的乘积；对乘积矩阵进行并行批量归一化；输出特征值矩阵。本发明利用计算机图形处理器GPU中大量的并行计算单元，将卷积神经网络的卷积过程转化为大型矩阵乘法，分块并行计算权值矩阵与重组矩阵的乘积，简化了卷积层数据的处理过程，优化了数据的访存方式，提高了数据的复用率，使得本发明大幅提高了卷积神经网络的运行速度。
-
公开(公告)号：CN107563392A
公开(公告)日：2018-01-09
申请号：CN201710798823.7
申请日：2017-09-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种使用GPU硬件加速的YOLO目标检测方法，实现的步骤是：(1)初始化卷积神经网络；(2)获取训练样本；(3)划分训练样本的网格；(4)训练卷积神经网络；(5)判断损失值是否小于0.01，若是，保存训练好的卷积神经网络模型，若不是，获取下一次的训练样本继续训练；(6)将训练好的卷积神经网络的模型保存至计算机硬盘；(7)提取测试图片的特征；(8)确定测试图片目标的位置矩形框；(9)结束目标检测。本发明可用在通用计算机上实现对图像中的目标进行特征提取，然后用位置矩形框标示出目标所在位置，并且在矩形框右上角标示出目标的类别。
-
Patent Agency Ranking
公开(公告)号：CN110110844B
公开(公告)日：2021-01-12
申请号：CN201910331464.3
申请日：2019-04-24
Applicant: 西安电子科技大学
IPC: G06N3/04
Abstract: 本发明提出了一种基于OpenCL的卷积神经网络并行处理方法，主要解决现有卷积神经网络并行化处理中模型复杂度高、运行速度缓慢的问题。实现步骤为：获取图像数据矩阵的重组矩阵；获取权值矩阵；分块并行计算权值矩阵与重组矩阵的乘积；对乘积矩阵进行并行批量归一化；输出特征值矩阵。本发明利用计算机图形处理器GPU中大量的并行计算单元，将卷积神经网络的卷积过程转化为大型矩阵乘法，分块并行计算权值矩阵与重组矩阵的乘积，简化了卷积层数据的处理过程，优化了数据的访存方式，提高了数据的复用率，使得本发明大幅提高了卷积神经网络的运行速度。
-
公开(公告)号：CN107563145A
公开(公告)日：2018-01-09
申请号：CN201710841733.1
申请日：2017-09-18
Applicant: 西安电子科技大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于二维搜索的飞行器驻点温度计算方法，建立查找表；拟合出γ-T曲线；将γ-T曲线转换为查找表，以温度值T为搜索条件可以查找到对应的空气比热容比值γT；计算V＝5Ma时的驻点温度值，根据温度值选取γ值，再重复计算驻点温度，确定γ初始值；计算空气比热容比值γi,j；以飞行速度V和高度H为条件，在二维查找表中查找空气比热容比γ，并计算对应速度和高度下的飞行器驻点温度T，最终可以得到高度20km-70km区间、速度5Ma-22Ma区间内飞行器驻点温度。解决了现有技术飞行器驻点温度不准确、计算不连续的问题。
-
公开(公告)号：CN107563145B
公开(公告)日：2019-09-10
申请号：CN201710841733.1
申请日：2017-09-18
Applicant: 西安电子科技大学
IPC: G06F17/10
Abstract: 本发明公开了一种基于二维搜索的飞行器驻点温度计算方法，建立查找表；拟合出γ‑T曲线；将γ‑T曲线转换为查找表，以温度值T为搜索条件可以查找到对应的空气比热容比值γT；计算V＝5Ma时的驻点温度值，根据温度值选取γ值，再重复计算驻点温度，确定γ初始值；计算空气比热容比值γi,j；以飞行速度V和高度H为条件，在二维查找表中查找空气比热容比γ，并计算对应速度和高度下的飞行器驻点温度T，最终可以得到高度20km‑70km区间、速度5Ma‑22Ma区间内飞行器驻点温度。解决了现有技术飞行器驻点温度不准确、计算不连续的问题。
-
公开(公告)号：CN108830195A
公开(公告)日：2018-11-16
申请号：CN201810549729.2
申请日：2018-05-31
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于现场可编程门阵列FPGA的图像分类方法，实现的步骤是：(1)获取测试数据集；(2)获取训练数据集；(3)搭建一个含有10个卷积层，3个最大池化层，1个平均池化层和一个柔性最大值softmax层共15层的卷积神经网络；(4)设置卷积神经网络中各层的内核参数；(5)利用训练数据集训练卷积神经网络；(6)将测试图片输入到卷积神经网络中，对测试数据集进行分类；(7)计算测试数据集的准确率。本发明可用在现场可编程门阵列FPGA上实现对光学图像，SAR图像，自然图像进行分类。
-
公开(公告)号：CN104375139B
公开(公告)日：2017-01-25
申请号：CN201410513115.0
申请日：2014-09-29
Applicant: 西安电子科技大学
IPC: G01S13/18
Abstract: 本发明涉及一种基于一维集方法的脉冲多普勒雷达改进测距方法，其步骤为：建立查找表，令查找表中的每个数值取0；得出雷达发射信号的第i个脉冲重复频率Pi对应的视在距离门限si和最大模糊度fi；根据目标回波信号得出雷达发射信号的第i个脉冲重复频率Pi对应的视在距离xi；对视在距离门限si对应的最大模糊度fi进行更新，得到更新后的视在距离门限si对应的最大模糊度fxi；出距离单元序号集合距离单元序号集合 中第q个元素riq为：riq＝q*qi+xi，q＝0,1,2...fxi；令查找表中第i行第Ri列的数值 更新为1，Ri＝ri0,ri1,ri2..., 令j依次取1至N，如查找表中第j列的所有数值之和yj大于或等于L，则得出目标与
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
