公开(公告)号：CN102288951A

公开(公告)日：2011-12-21

申请号：CN201110199223.1

申请日：2011-07-17

Applicant: 西安电子科技大学

Inventor： 杨淑媛 ,  焦李成 ,  王晶 ,  谭山 ,  王爽 ,  侯彪 ,  缑水平 ,  谢冬梅 ,  万艳艳

IPC: G01S7/41

Abstract: 本发明公开了一种基于模拟信息转换器AIC压缩信息获取和FBMP的雷达目标参数估计方法，主要解决现有的压缩感知雷达目标参数估计方法不能同时提高估计精度和降低时间代价的问题。其实现步骤是：采用AIC实现雷达回波信号的低维压缩观测；基于发射信号设计时移稀疏字典，使得雷达回波信号能够在这个时移稀疏字典上达到稀疏的表示；根据AIC采样序列和稀疏时移字典构建压缩感知重建理论中所需要的观测矩阵；采用快速贝叶斯匹配追踪算法FBMP，求解雷达回波信号的稀疏系数向量，以实现雷达目标参数估计。本发明具有自适应确定待重建信号稀疏系数向量中非零系数的个数的优点，并能提高重建精度同时降低了时间代价，可用于雷达目标的识别与雷达成像。

公开(公告)号：CN102708576A

公开(公告)日：2012-10-03

申请号：CN201210155980.3

申请日：2012-05-18

Applicant: 西安电子科技大学

Inventor： 杨淑媛 ,  焦李成 ,  陈义光 ,  刘芳 ,  侯彪 ,  王爽 ,  马文萍 ,  齐智峰 ,  谢冬梅

IPC: G06T11/00

Abstract: 本发明公开了一种基于结构字典的分块图像压缩感知重建方法，克服了现有技术中分块压缩感知重建时由于单一字典对具有不同结构的图像块不能最稀疏的表示，而导致重建效果不理想的缺点，实现步骤为：(1)构造训练样本库；(2)图像块分类；(3)训练结构字典；(4)构造观测矩阵；(5)观测图像块；(6)结构字典重建；(7)获取重建误差；(8)重建图像；(9)输出重建图像。采用基于图像块在所有结构字典下误差的加权求和方法进行重建，明显的提高了重建质量。

公开(公告)号：CN102880875B

公开(公告)日：2016-03-02

申请号：CN201210387089.2

申请日：2012-10-12

Applicant: 西安电子科技大学

Inventor： 杨淑媛 ,  焦李成 ,  王秀秀 ,  刘芳 ,  缑水平 ,  侯彪 ,  王爽 ,  马文萍 ,  杨丽霞 ,  徐雯辉 ,  谢冬梅

IPC: G06K9/62 ,  G06K9/00

Abstract: 本发明公开了一种基于LRR图的半监督学习人脸识别方法。其步骤为：(1)划分数据库样本集；(2)组成样本集合；(3)生成初始标签矩阵；(4)低秩表示；(5)生成样本相似度矩阵；(6)生成类别概率矩阵；(7)输出测试样本的类别。本发明采用半监督学习的方法可以在已知标签样本较少的情况下获得更高的识别正确率，同时，本发明采用低秩表示的方法，在样本受到噪声污染的情况下具有更强的鲁棒性。

公开(公告)号：CN102288951B

公开(公告)日：2013-06-12

申请号：CN201110199223.1

申请日：2011-07-17

Applicant: 西安电子科技大学

Inventor： 杨淑媛 ,  焦李成 ,  王晶 ,  谭山 ,  王爽 ,  侯彪 ,  缑水平 ,  谢冬梅 ,  万艳艳

IPC: G01S7/41

Abstract: 本发明公开了一种基于模拟信息转换器AIC压缩信息获取和FBMP的雷达目标参数估计方法，主要解决现有的压缩感知雷达目标参数估计方法不能同时提高估计精度和降低时间代价的问题。其实现步骤是：采用AIC实现雷达回波信号的低维压缩观测；基于发射信号设计时移稀疏字典，使得雷达回波信号能够在这个时移稀疏字典上达到稀疏的表示；根据AIC采样序列和稀疏时移字典构建压缩感知重建理论中所需要的观测矩阵；采用快速贝叶斯匹配追踪算法FBMP，求解雷达回波信号的稀疏系数向量，以实现雷达目标参数估计。本发明具有自适应确定待重建信号稀疏系数向量中非零系数的个数的优点，并能提高重建精度同时降低了时间代价，可用于雷达目标的识别与雷达成像。

公开(公告)号：CN102708576B

公开(公告)日：2014-11-19

申请号：CN201210155980.3

申请日：2012-05-18

Applicant: 西安电子科技大学

Inventor： 杨淑媛 ,  焦李成 ,  陈义光 ,  刘芳 ,  侯彪 ,  王爽 ,  马文萍 ,  齐智峰 ,  谢冬梅

IPC: G06T11/00

Abstract: 本发明公开了一种基于结构字典的分块图像压缩感知重建方法，克服了现有技术中分块压缩感知重建时由于单一字典对具有不同结构的图像块不能最稀疏的表示，而导致重建效果不理想的缺点，实现步骤为：(1)构造训练样本库；(2)图像块分类；(3)训练结构字典；(4)构造观测矩阵；(5)观测图像块；(6)结构字典重建；(7)获取重建误差；(8)重建图像；(9)输出重建图像。采用基于图像块在所有结构字典下误差的加权求和方法进行重建，明显的提高了重建质量。

公开(公告)号：CN102880875A

公开(公告)日：2013-01-16

申请号：CN201210387089.2

申请日：2012-10-12

Applicant: 西安电子科技大学

Inventor： 杨淑媛 ,  焦李成 ,  王秀秀 ,  刘芳 ,  缑水平 ,  侯彪 ,  王爽 ,  马文萍 ,  杨丽霞 ,  徐雯辉 ,  谢冬梅

IPC: G06K9/62 ,  G06K9/00

Abstract: 本发明公开了一种基于LRR图的半监督学习人脸识别方法。其步骤为：(1)划分数据库样本集；(2)组成样本集合；(3)生成初始标签矩阵；(4)低秩表示；(5)生成样本相似度矩阵；(6)生成类别概率矩阵；(7)输出测试样本的类别。本发明采用半监督学习的方法可以在已知标签样本较少的情况下获得更高的识别正确率，同时，本发明采用低秩表示的方法，在样本受到噪声污染的情况下具有更强的鲁棒性。