-
公开(公告)号：CN108152789B
公开(公告)日：2019-11-01
申请号：CN201810003502.8
申请日：2018-01-03
Applicant: 电子科技大学
IPC: G01S5/00
Abstract: 本发明属于电子对抗技术领域，具体的说是一种利用RSS信息的无源多站多目标数据关联与定位方法。本发明在是在利用多个接收站接收的来自不同辐射源发射信号的信号强度，对多个站的多个接收数据进行关联时，针对出现虚假目标和真实目标交叉点，所提出的解决方法：首先采用多目标数据关联算法，将多个接收站的多个信号接受强度数据进行关联，根据多站多目标数据的关联，对于所得到的代价矩阵，采用自适应k‑medoids聚类算法估计出目标坐标。
-
公开(公告)号：CN107240138B
公开(公告)日：2019-07-23
申请号：CN201710378830.1
申请日：2017-05-25
Applicant: 西安电子科技大学
IPC: G06T9/40 , H04N19/124 , H04N19/176 , H04N19/85 , H04N19/96
Abstract: 本发明提出了一种基于样本二叉树字典学习的全色遥感图像压缩方法，用于解决现有全色遥感图像压缩方法中存在的结构复杂的纹理信息不能够得到有效表示的技术问题。实现步骤为：通过图像样本复杂度的评价函数，区分图像中简单样本和复杂样本；对训练图像和待压缩图像分别进行预处理得到样本集Y和T；由样本集Y和T分别建立训练样本二叉树和测试样本二叉树，完成不同复杂度样本的划分；训练样本二叉树叶节点上不同复杂度的样本用来训练不同尺度的字典；而测试样本二叉树叶节点上不同复杂度的样本集在对应字典下稀疏编码，得到系数矩阵；系数矩阵经过量化编码得到二进制码流。本发明压缩重构图像的PSNR指标和主观视觉评价高。
-
-
公开(公告)号：CN109919108A
公开(公告)日：2019-06-21
申请号：CN201910182161.X
申请日：2019-03-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度哈希辅助网络的遥感图像快速目标检测方法，解决了现有目标检测框架对于宽幅遥感图像中存在的占大部分面积的无目标存在的背景区域不能做高效检测的问题。实现步骤为：生成实验训练图像块集合和测试图像块集合；构建基于深度哈希辅助网络的遥感图像快速目标检测模型；训练基于深度哈希辅助网络的遥感图像快速目标检测模型；用训练好的深度哈希辅助网络得到测试图像块集合的测试结果并统计运行时间。本发明引入了哈希辅助分支网络模块，通过快速过滤宽幅遥感图像中大部分无目标的背景区域，大幅减少了目标检测中的冗余计算，使无目标背景区域检测时间大大降低，大幅提高了检测效率。用于宽幅遥感图像的目标检测。
-
公开(公告)号：CN106597438B
公开(公告)日：2019-05-21
申请号：CN201611079232.6
申请日：2016-11-30
Applicant: 西安电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于物理光学的太赫兹雷达回波成像方法，其思路为：确定太赫兹雷达，所述太赫兹雷达包含N个天线，所述太赫兹雷达的检测范围内存在复杂目标，所述复杂目标为电大尺寸目标，然后对复杂目标进行三角面元划分，得到M个三角面元，对N个天线分别进行等间隔采样，得到N个天线的NP个采样点，进而得到NP个经过随机抖动的采样点以及NP个采样点对应的三角面元序列；预先设定W个慢时间，分别得到M个三角面元经过W个慢时间旋转后的可见三角面元区域，以及W个慢时间对应的被照亮可见三角面元区域的时延集合P；依次计算W个慢时间对应的太赫兹雷达回波数据和W个慢时间对应的太赫兹雷达回波数据的最终时域输出S(t)，并计算W个慢时间复杂目标对应的太赫兹雷达回波成像。
-
Patent Agency Ranking
公开(公告)号：CN109361556A
公开(公告)日：2019-02-19
申请号：CN201811518571.9
申请日：2018-12-12
Applicant: 电子科技大学
IPC: H04L12/24
Abstract: 本发明属于复杂网络技术领域，涉及一种基于节点熵和结构洞的关键节点感知方法。在给定网络邻接矩阵的情况下，本发明基于节点熵和结构洞提出一种新的关键节点识别方法。这种方法考虑了网络的局部属性，原Burt的约束系数相同的两个节点也可以区别开重要程度，并且可以适用于大型网络。在真实网络Jazz,USAir,email上的SIR模拟实验表明本文的方法可以有效地识别出关键节点，算法简单，效果良好。
-
公开(公告)号：CN108282426A
公开(公告)日：2018-07-13
申请号：CN201711293537.1
申请日：2017-12-08
Applicant: 西安电子科技大学
IPC: H04L27/00 , H04L1/00 , H04B17/391
Abstract: 本发明公开一种基于轻量级深度网络的无线电信号认知识别方法，其实现步骤为：(1)构建编码调制联合信号；(2)生成训练样本集和测试样本集；(3)构建轻量级深度网络；(4)设置轻量级深度网络的参数；(5)训练轻量级深度网络；(6)获得认知识别准确率。本发明具有普适性强，可以直接处理一维无线电信号，不需要人工特征提取和先验知识，能同时认知识别无线电信号的信道编码方式和调制识别方式，复杂度低，模型轻量化，分类结果准确、稳定的优点，可用于无线电信号认知识别技术领域中。
-
公开(公告)号：CN108243129A
公开(公告)日：2018-07-03
申请号：CN201711345302.2
申请日：2017-12-15
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于注意力深度网络的无线电信号特征提取方法，其实现步骤为：在构建编码调制联合无线电信号基础上生成训练样本集和测试样本集；构建包含注意力机制层的用于提取无线电信号特征的注意力深度网络；将训练样本集输入注意力深度网络中进行训练，得到训练好的注意力深度网络；利用测试样本集和训练好的注意力深度网络获得识别准确率。本发明具有普适性强，不需要人工特征提取，可去除冗余信息，复杂度低，分类结果准确、稳定的优点，可用于后续无线电信号的认知识别等处理中。
-
公开(公告)号：CN108152789A
公开(公告)日：2018-06-12
申请号：CN201810003502.8
申请日：2018-01-03
Applicant: 电子科技大学
IPC: G01S5/00
Abstract: 本发明属于电子对抗技术领域，具体的说是一种利用RSS信息的无源多站多目标数据关联与定位方法。本发明在是在利用多个接收站接收的来自不同辐射源发射信号的信号强度，对多个站的多个接收数据进行关联时，针对出现虚假目标和真实目标交叉点，所提出的解决方法：首先采用多目标数据关联算法，将多个接收站的多个信号接受强度数据进行关联，根据多站多目标数据的关联，对于所得到的代价矩阵，采用自适应k-medoids聚类算法估计出目标坐标。
-
公开(公告)号：CN108061877A
公开(公告)日：2018-05-22
申请号：CN201711337488.7
申请日：2017-12-14
Applicant: 电子科技大学
Abstract: 本发明属于电子对抗技术领域，具体的说是涉及一种基于角度信息的无源多站多目标测向交叉定位方法。本发明的方法首先采用多辐射源数据关联算法，将多个观测站的观测数据进行关联得到代价矩阵C(p,q)，再根据获得的代价矩阵C(p,q)，采用k‑均值++聚类算法估计出目标坐标。本发明的有益效果为，本发明可以准确对多站数据完成关联，并最终准确估计出目标的位置，方法简单，效果良好。
-
-
-
-
-
-
-
-
-
Search Results
166
records
(took 0.01 seconds)
