-
公开(公告)号：CN111680666A
公开(公告)日：2020-09-18
申请号：CN202010613485.7
申请日：2020-06-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了欠采样跳频通信信号深度学习恢复方法，解决了现有技术中信号恢复方法计算复杂度高，计算效率较低，重构精度低的问题。实现步骤为：构建卷积神经网络和变分自编码器网络，引入新的网络结构和参数设置，构建最优的神经网络结构；跳频信号线性测量；数据预处理，用分离复数的实部和虚部的数据预处理方式，得到输入神经网络的数据格式；训练卷积神经网络和变分自编码器网络；跳频信号恢复。本发明构建权值共享，稀疏连接的两个网络，用数据预处理方式，得到输入神经网络的数据格式，通过训练好的最优神经网络结构和参数设置重构原始跳频信号。大幅度提高了信号恢复的准确率，降低了重构的误差和计算复杂度，用于跳频通信系统。
-
公开(公告)号：CN109257127A
公开(公告)日：2019-01-22
申请号：CN201811034509.2
申请日：2018-09-06
Applicant: 西安电子科技大学
IPC: H04B17/309 , H04B17/336
Abstract: 本发明公开了一种基于自适应随机共振的通信信号检测方法。解决了现有技术中随机共振的系统结构参数和计算步长选取难的问题。实现步骤为：输入通信信号，对粒子群确定参数并初始化；对接收信号进行时间上的采样；建立自适应随机共振系统模型；用粒子群优化算法计算随机共振系统的适应度值；判断迭代是否终止；输出已检测信号。本发明以随机共振系统为模型建立粒子群，用粒子群算法确定系统结构参数和计算步长，实现自适应控制，将输出信噪比和误比特率作为适应度值，用粒子群优化算法寻优，获取自适应随机共振系统的最佳结构参数，能够最优地检测出噪声背景下的微弱信号。本发明大幅度提高了输出信噪比，降低了误比特率，用于数字信号检测。
-
公开(公告)号：CN104899873B
公开(公告)日：2017-10-24
申请号：CN201510254252.1
申请日：2015-05-18
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于各项异性扩散空间的SAR图像显著性区域检测方法，主要解决斑点噪声下现有算法不能准确有效检测SAR图像显著性区域的问题。其实现步骤是：(1)通过不同尺度的检测窗口，计算像素点在不同尺度上的边缘强度及扩散系数；(2)利用不同尺度的行边缘参数矩阵和列边缘参数矩阵，构建不同尺度的尺度图及其对比图；(3)在不同尺度图及其对比图上构建对应尺度窗口，计算尺度显著性度量，并由此判断显著性，确定像素点的显著性度量和显著性尺度；(4)通过迭代得到稳定的显著性区域坐标及其区域范围。本发明减少了斑点噪声的影响，提高了检测准确性，能有效给出显著性区域的范围，可用于SAR图像目标检测和目标识别。
-
公开(公告)号：CN104680549B
公开(公告)日：2017-09-26
申请号：CN201510131795.4
申请日：2015-03-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于高阶邻域三重马尔科夫随机场模型的SAR图像变化检测方法，主要解决现有方法虚检数高，整体精度低的问题，其实现步骤是：1.输入两时相SAR图像产生差异图像；2.初始化标号场X；3.初始化似然参数；4.在初始化的标号场X上采用3×3邻域定义和初始化辅助场U；5.采用5×5的高阶邻域构造由同质区域、异质区域和U场部分三项组成的先验势能函数；6.更新标号场X和辅助场U；7.根据更新后的标号场X更新似然参数；8.对标号场X和辅助场U进行迭代更新得到最终变化检测结果。本发明与现有技术相比，降低了虚检数目，提高了整体检测精度，增强了对噪声的鲁棒性，可用于SAR图像的识别。
-
公开(公告)号：CN104732552B
公开(公告)日：2017-07-28
申请号：CN201510165617.3
申请日：2015-04-09
Applicant: 西安电子科技大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于非平稳条件场的SAR图像分割方法，主要解决现有技术分割不准确的问题。其实现步骤是：1.输入SAR图像，初始化分割获得分割标记场；2.对SAR图像进行初始区域划分，采用稀疏描述算法获取初始区域之间的相关性测度；3.依据初始区域之间的相关性测度，构建每一像素点对应的非平稳邻域；4.将非平稳邻域引入到条件场模型中，构建非平稳邻域下的一元、二元势能函数；5.对一元、二元势能函数进行整合，构建非平稳条件场模型中的全局后验概率；6.对全局后验概率进行贝叶斯推导，获得最终分割结果。本发明提高了SAR图像同质区域的分割一致性及细节特征的分割精度，可用于SAR图像目标检测与识别。
-
Patent Agency Ranking
公开(公告)号：CN104899873A
公开(公告)日：2015-09-09
申请号：CN201510254252.1
申请日：2015-05-18
Applicant: 西安电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10044
Abstract: 本发明公开了一种基于各项异性扩散空间的SAR图像显著性区域检测方法，主要解决斑点噪声下现有算法不能准确有效检测SAR图像显著性区域的问题。其实现步骤是：(1)通过不同尺度的检测窗口，计算像素点在不同尺度上的边缘强度及扩散系数；(2)利用不同尺度的行边缘参数矩阵和列边缘参数矩阵，构建不同尺度的尺度图及其对比图；(3)在不同尺度图及其对比图上构建对应尺度窗口，计算尺度显著性度量，并由此判断显著性，确定像素点的显著性度量和显著性尺度；(4)通过迭代得到稳定的显著性区域坐标及其区域范围。本发明减少了斑点噪声的影响，提高了检测准确性，能有效给出显著性区域的范围，可用于SAR图像目标检测和目标识别。
-
公开(公告)号：CN104732552A
公开(公告)日：2015-06-24
申请号：CN201510165617.3
申请日：2015-04-09
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于非平稳条件场的SAR图像分割方法，主要解决现有技术分割不准确的问题。其实现步骤是：1.输入SAR图像，初始化分割获得分割标记场；2.对SAR图像进行初始区域划分，采用稀疏描述算法获取初始区域之间的相关性测度；3.依据初始区域之间的相关性测度，构建每一像素点对应的非平稳邻域；4.将非平稳邻域引入到条件场模型中，构建非平稳邻域下的一元、二元势能函数；5.对一元、二元势能函数进行整合，构建非平稳条件场模型中的全局后验概率；6.对全局后验概率进行贝叶斯推导，获得最终分割结果。本发明提高了SAR图像同质区域的分割一致性及细节特征的分割精度，可用于SAR图像目标检测与识别。
-
公开(公告)号：CN104680549A
公开(公告)日：2015-06-03
申请号：CN201510131795.4
申请日：2015-03-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于高阶邻域三重马尔科夫随机场模型的SAR图像变化检测方法，主要解决现有方法虚检数高，整体精度低的问题，其实现步骤是：1.输入两时相SAR图像产生差异图像；2.初始化标号场X；3.初始化似然参数；4.在初始化的标号场X上采用3×3邻域定义和初始化辅助场U；5.采用5×5的高阶邻域构造由同质区域、异质区域和U场部分三项组成的先验势能函数；6.更新标号场X和辅助场U；7.根据更新后的标号场X更新似然参数；8.对标号场X和辅助场U进行迭代更新得到最终变化检测结果。本发明与现有技术相比，降低了虚检数目，提高了整体检测精度，增强了对噪声的鲁棒性，可用于SAR图像的识别。
-
公开(公告)号：CN103500453A
公开(公告)日：2014-01-08
申请号：CN201310478762.8
申请日：2013-10-13
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于伽玛分布和邻域信息的SAR图像显著性区域检测方法，主要解决斑点噪声下现有算法不能稳定有效检测SAR图像显著性区域的问题。其实现步骤是：(1)利用8个灰度变化值检测窗口得到像素点的变化值和变化方向；(2)在不同尺度下构建像素点的变化值和变化方向的二维直方图对，计算邻域变化不一致性度量，并确定像素点邻域的显著性和显著性尺度；(3)通过斑点噪声的伽玛分布模型估计像素点在显著性尺度邻域的灰度直方图，计算显著性尺度的局部显著性度量以及像素点的显著性度量；(4)通过迭代方法得到稳定的显著性区域坐标及其区域半径。本发明减少了斑点噪声的影响，检测的稳定性以及有效性均得到提高，可用于SAR图像配准、变化检测和目标识别。
-
公开(公告)号：CN111680666B
公开(公告)日：2023-03-24
申请号：CN202010613485.7
申请日：2020-06-30
Applicant: 西安电子科技大学
IPC: G06F18/10 , G06N3/0464 , G06F17/14 , G06F18/214 , G06F18/213 , G06F18/24
Abstract: 本发明公开了欠采样跳频通信信号深度学习恢复方法，解决了现有技术中信号恢复方法计算复杂度高，计算效率较低，重构精度低的问题。实现步骤为：构建卷积神经网络和变分自编码器网络，引入新的网络结构和参数设置，构建最优的神经网络结构；跳频信号线性测量；数据预处理，用分离复数的实部和虚部的数据预处理方式，得到输入神经网络的数据格式；训练卷积神经网络和变分自编码器网络；跳频信号恢复。本发明构建权值共享，稀疏连接的两个网络，用数据预处理方式，得到输入神经网络的数据格式，通过训练好的最优神经网络结构和参数设置重构原始跳频信号。大幅度提高了信号恢复的准确率，降低了重构的误差和计算复杂度，用于跳频通信系统。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.038 seconds)
