-
公开(公告)号：CN109214452B
公开(公告)日：2020-06-23
申请号：CN201810998889.5
申请日：2018-08-29
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于注意深度双向循环神经网络的HRRP目标识别方法，首先提取数据的时域特征并对提取出的时域特征进行切分和非均匀量化编码得到其局部结构的编码，然后利用其局部结构和周围数个局部结构的关系得到其编码之间的共现矩阵，进而通过该共现矩阵得到数据的结构嵌入特征，然后再将提取出的嵌入特征送入由全连接层和基于注意LSTM的双向循环神经网络构成的深度神经网络进行训练，同时根据循环网络隐层的输出，采用softmax层得到注意力模型的权重参数，最后利用softmax层和注意模型的权重对HRRP进行识别并得到识别结果。
-
公开(公告)号：CN109214452A
公开(公告)日：2019-01-15
申请号：CN201810998889.5
申请日：2018-08-29
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于注意深度双向循环神经网络的HRRP目标识别方法，首先提取数据的时域特征并对提取出的时域特征进行切分和非均匀量化编码得到其局部结构的编码，然后利用其局部结构和周围数个局部结构的关系得到其编码之间的共现矩阵，进而通过该共现矩阵得到数据的结构嵌入特征，然后再将提取出的嵌入特征送入由全连接层和基于注意LSTM的双向循环神经网络构成的深度神经网络进行训练，同时根据循环网络隐层的输出，采用softmax层得到注意力模型的权重参数，最后利用softmax层和注意模型的权重对HRRP进行识别并得到识别结果。
-
公开(公告)号：CN102404265B
公开(公告)日：2016-08-24
申请号：CN201010280608.6
申请日：2010-09-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种多载波信号处理方法，包括：根据待处理信号中不同传输数据对失真容忍度的要求，将用于承载所述待处理信号的子载波划分为V组，并为每组子载波设置对应的失真容忍度；根据各组子载波对应的失真容忍度，确定抵消函数对应的失真噪声在频域各组子载波间的分布比例；根据所述失真噪声在频域各组子载波间的分布比例，构造抵消函数的初始频域响应序列；对所述频域响应序列进行频域-时域转换处理，得到用于峰值抵消的抵消函数；利用所述抵消函数对所述待处理信号进行峰值抵消处理。此外，本发明还公开了一种多载波信号处理装置。本发明所公开的技术方案能够在进行峰值抵消时保护对抵消失真有要求的传输数据。
-
公开(公告)号：CN111753677B
公开(公告)日：2023-10-31
申请号：CN202010521967.X
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/13 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于特征金字塔结构的多角度遥感船舶图像目标检测方法，包括以下步骤：S1，收集遥感卫星船舶图像数据集，并进行样本标注，得到标注目标；S2，对经过S1所提取的数据集中的样本进行数据预处理，形成完整的训练数据集；S3，用经过改进的特征金字塔网络对预处理后的样本进行特征提取，得到多层特征融合的特征金字塔；S4，经过RPN网络生成候选区域；S5，添加不同池化大小的ROI Pooling层；S6，搭建Fast R‑CNN网络；S7，对由S1采集到的测试数据进行训练阶段的步骤S2预处理操作；S8，将经过S7处理的样本送入S3、S4、S5和S6构建的模型中进行测试求得结果，即最后经过Fast R‑CNN输出分类与回归的结果。
-
公开(公告)号：CN110033043B
公开(公告)日：2020-11-10
申请号：CN201910306521.2
申请日：2019-04-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于条件生成式对抗网络的雷达一维距离像拒判方法，包括如下步骤：S1：对原始HRRP样本集进行预处理；S2：搭建模型：在TensorFlow平台上搭建条件生成式对抗网络，根据网络特点设计优化目标函数；S3：调参训练：每一帧都按相同步骤训练出一个判别器，使用所述优化目标函数进行参数更新；S4：用训练好的模型在测试样本集上进行测试：从每一帧训练集所训练出的条件生成式判别网络中分别提取出判别器进行测试，对判别器设置相应阈值，若测试样本经过所有判别器的输出都小于阈值，则对该测试样本进行拒判。
-
Patent Agency Ranking
公开(公告)号：CN109239670B
公开(公告)日：2020-08-04
申请号：CN201810998871.5
申请日：2018-08-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于结构嵌入和深度神经网络的雷达HRRP识别方法，首先提取数据的时域特征并对提取出的时域特征进行切分和非均匀量化编码得到其局部结构的编码，然后利用局部结构和其周围数个局部结构的关系得到其编码之间的共现矩阵，进而通过该共现矩阵得到数据的结构嵌入特征，然后再将提取出的嵌入特征送入由全连接层和基于LSTM的双向循环神经网络构成的深度神经网络进行训练，最后利用softmax层对HRRP进行识别并得到识别结果。
-
公开(公告)号：CN101547067B
公开(公告)日：2013-09-25
申请号：CN200810089823.0
申请日：2008-03-28
Applicant: 电子科技大学 , 株式会社NTT都科摩
Abstract: 本发明公开了一种预编码矩阵跟踪方法及装置。在该方法中，以矩阵欧式距离为测度，为预先设置的预编码码本中每一个预编码矩阵确定邻近预编码矩阵群；将本域中前一次选择的优化预编码矩阵对应的邻近预编码矩阵群作为当前备选码本空间，并在该当前备选码本空间中选择出本次优化预编码矩阵。本发明的预编码矩阵跟踪装置中包括码本确定模块和跟踪模块。本发明的预编码跟踪方案能够在保持较低预编码反馈信息量的同时，有效提高系统性能。
-
公开(公告)号：CN101110809B
公开(公告)日：2012-07-04
申请号：CN200610099213.X
申请日：2006-07-21
Applicant: 电子科技大学 , 株式会社NTT都科摩
Abstract: 本发明公开了一种多载波数据传输方法，预先从坐标空间的单位圆中选择互相关性小的候选相位因子序列，该方法包括：A.利用全部候选相位因子序列处理发射端中的待传输数据，计算处理结果的PAPR值并进行比较，将PAPR最小值对应的候选相位因子序列确定为被选相位因子序列；B.将PAPR最小值对应的处理结果作为主信息，连同被选相位因子序列的组号一起发送给接收端；C.接收端根据接收到的组号确定被选相位因子序列，将接收到的主信息还原为待传输数据。本发明通过选取互相关较小的相位因子来提高PAPR抑制效果，在相同相位因子组数条件下可获得更好的PAPR抑制效果；在相同PAPR抑制性能下计算复杂度和副信息量较小。
-
公开(公告)号：CN101867399A
公开(公告)日：2010-10-20
申请号：CN200910135333.4
申请日：2009-04-20
Applicant: 电子科技大学 , 株式会社NTT都科摩
Abstract: 本发明提供了一种多输入多输出系统中的多用户调度方法及装置。在该方法中，各移动台从预先设置的码本中选择与自身相匹配的最优向量作为量化信道，计算该量化信道对应的信道质量信息，并上报给基站；基站根据预先设置的调度原则从等待调度用户中选择第一个被调度用户，通过正交分解方式，从第一个被调度用户对应的量化信道得到预编码矩阵；将与所述预编码矩阵中除第一个列向量之外的其余列向量匹配的用户确定为其它被调度用户。本发明的方案能够有效地提高多输入多输出系统性能。
-
公开(公告)号：CN101267289A
公开(公告)日：2008-09-17
申请号：CN200710088208.3
申请日：2007-03-15
Applicant: 电子科技大学 , 株式会社NTT都科摩
Abstract: 本发明公开了一种多载波数据传输方法，该方法包括：A.发射端对原始信号编码，并进行频率分块，按照每种CFPI方式，对全部发射天线的各对应频率块同步进行置换和/或求反处理；B.计算所有置换和/或求反处理结果的峰平比PAPR，并将最优PAPR对应的CFPI方式确定为被选CFPI方式；C.将最优PAPR对应的置换和/或求反处理结果形成为主信息，将被选CFPI方式信息作为副信息，发送给接收端；D.接收端根据接收到的副信息确定被选CFPI方式，并将主信息还原为原始信号。本发明中技术方案能够有效地提高PAPR抑制性能。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.033 seconds)
