-
公开(公告)号：CN101201398B
公开(公告)日：2011-02-16
申请号：CN200710050703.5
申请日：2007-12-05
申请人： 电子科技大学
IPC分类号： G01S5/14
摘要： 利用邻站测距辅助测角的非直达波定位方法属无线通信基站网络的目标信息定位范畴，涉及通过测量多站到目标之间的距离获取目标位置信息的方法。利用主站的测距结果和角度搜索范围确定目标位置的搜索范围，在目标位置搜索范围内，计算每个候选目标与邻站之间的距离估计，通过比较距离估计与邻站的测距结果之间的差值，确定角度搜索范围内的每个角度的代价，根据最小代价对应的角度确定目标相对于主站的测角结果，最后利用主站测距结果和利用邻站测距结果得到的测角结果确定目标的位置。本方法有效的提高了多站测距定位的估计精度和定位的稳健性。对于定位误差小于100米的累积概率而言，本发明比相同的试验条件下的Chan方法提高了约20％。
-
公开(公告)号：CN113657541B
公开(公告)日：2023-10-10
申请号：CN202110987414.8
申请日：2021-08-26
申请人： 电子科技大学长三角研究院(衢州)
IPC分类号： G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明属于目标识别技术领域，具体的说是涉及一种基于深度知识集成的领域自适应目标识别方法。本发明实现了特征级和决策级的深度知识集成。在特征级设计公有映射矩阵和特有映射矩阵实现知识集成，提升目标识别性能的鲁棒性；其中，公有映射矩阵充分挖掘了异构特征的公有知识，特有映射矩阵保留了不同特征的特有知识。在决策级设计特征权重量化不同特征的重要程度，同时利用目标域样本通过在线学习更新特征权重，克服不同领域的数据分布差异，实现领域自适应目标识别。因此本发明提出的基于深度知识集成的领域自适应目标识别方法是一种智能的领域自适应目标识别方法。
-
公开(公告)号：CN116047896A
公开(公告)日：2023-05-02
申请号：CN202211279258.0
申请日：2022-10-19
申请人： 电子科技大学长三角研究院(衢州)
IPC分类号： G05B13/04
摘要： 本发明属于室内目标跟踪技术领域，具体是涉及一种室内不确定系统的定位和跟踪方法。本发明测量噪声与多源干扰下二阶非线性系统的模型相结合。首先通过最小二乘法得到位置信息的先验预估值，用于后续状态预估器的校准。然后设计基于径向基神经网络状态预估器同时对系统受到的集总干扰和系统的全部状态进行估计，得到一个相对于先验预测值更加平滑且准确的定位结果。最后使用预估器输出的系统状态以及集总干扰的预估值设计反步法控制律，驱动系统进行预设轨迹的跟踪。仿真结果表明所提出方法能够在测量噪声与多源干扰下获得准确且连续的定位、跟踪结果。
-
公开(公告)号：CN114794042B
公开(公告)日：2022-12-23
申请号：CN202210479731.3
申请日：2022-05-05
申请人： 电子科技大学
摘要： 本发明公开了一种带有诱虫机构的森林害虫识别监控装置，包括诱虫机构及拍摄组件，所述诱虫机构包括第一诱虫机构和第二诱虫机构；所述第一诱虫机构包括多个第一诱虫组件，各第一诱虫组件均包括诱剂瓶及与诱剂瓶出口相通的释放箱；所述第二诱虫机构包括多个第二诱虫组件，各第二诱虫组件均包括用于安装诱虫灯的接口；所述拍摄组件包括相机，所述相机用于图像采集，所述图像采集的覆盖区域包括释放箱的诱虫区域以及诱虫灯的诱虫区域。本方案可用于森林害虫识别监测，同时可提高害虫识别准确率。
-
公开(公告)号：CN111626363B
公开(公告)日：2022-06-07
申请号：CN202010467695.X
申请日：2020-05-28
申请人： 电子科技大学
IPC分类号： G06V10/764 , G06K9/62 , G06V10/40 , G06N3/04 , G06N3/08
摘要： 本发明属于合成孔径雷达目标识别技术领域，具体的说是涉及一种基于期望最大化算法的多视角SAR目标识别方法。本发明应用卷积神经网络为特征提取器，根据卷积神经网络对目标的预测概率合理地选择标签的数量，不再简单地选择单视角预测概率最大的标签为预测类别，而是根据预测类别的概率分布灵活地选择可靠的标签。考虑到多视角之间的信息补偿特性，随机选择同一目标的多个视角，自适应地构造多视角标签集，运用EM算法求解预测标签的概率分布，得到更加准确的估计标签，实现了多视角融合，提高了识别率。由于对多视角之间的视角间隔没有限制，本发明可灵活应用于实际场景，尤其是对非协作目标进行目标识别。
-
公开(公告)号：CN112113570B
公开(公告)日：2022-05-17
申请号：CN202010969150.9
申请日：2020-09-15
申请人： 电子科技大学
摘要： 本发明属于室内定位技术领域，具体是涉及一种基于深度迁移和模型参数集成的室内定位方法。本发明利用深度迁移对源域和目标域深层特征进行均值距离最小化约束和二阶统计差异最小化约束，能最大程度的减小域差异，进而使模型能够有效的适应复杂的室内环境。利用参数集成的思想，让用于预测的模型在每个训练步骤利用指数滑动平均机制集成利用梯度下降法进行训练的网络的参数，降低了神经网络在训练过程中的抖动，保证预测模型具有稳定的输出。本发明可以有效克服复杂室内环境中由于环境变化和异构设备测量偏差导致的误差增大的问题及神经网络在训练中的抖动问题。
-
公开(公告)号：CN113163485B
公开(公告)日：2022-04-22
申请号：CN202110306834.5
申请日：2021-03-23
申请人： 电子科技大学
摘要： 本发明属于室内定位技术领域，具体为一种大范围复杂室内环境中精确定位的方法本发明在基于UWB的大规模无线网络的定位系统中，用传感器网络定时同步协议(TPSN)创建网络的生成树进行全局网络时钟同步，然后对每个定位基站的累积时钟误差进行校正，从而实现高精度的定位。利用到达时间差测距原理进行定位，需要通过无线同步的方式，构建分层结构(生成树)扩展时钟同步网络的范围，使接收定位帧的基站间的时钟高精度同步。通过时钟误差校正方法，对每个待定位点的时钟同步累积误差进行校正，有效地降低了每个待定位点由于时钟同步引入的累积误差，进而提高系统的定位精度。
-
公开(公告)号：CN112954791B
公开(公告)日：2022-04-22
申请号：CN202110102437.6
申请日：2021-01-26
申请人： 电子科技大学
IPC分类号： H04W64/00 , H04B17/309 , H04B7/06 , H04B7/08
摘要： 本发明属于无线定位技术领域，具体涉及一种基于子载波筛选的信道状态信息CSI定位方法。本发明利用具有细粒度特征的无线信号—CSI进行指纹定位，利用CSI相位对信道的高度敏感性辅助筛选最优的CSI幅度指纹空间构建指纹库。解决因为部分子载波数据特征不稳定，导致定位性能较差的问题。首先搭建无线定位环境，划分定位格点，在每个格点处采集CSI数据。对CSI相位进行分段误差校正，根据校准方差构造最优的CSI幅度指纹库，并记录每个格点所选的子载波编号。在线阶段首先对CSI幅度进行归一化处理，再计算CSI幅度子空间特征的欧式距离，并根据空间维度进行归一化。最后通过K近邻估计最优的匹配格点。
-
公开(公告)号：CN113484855A
公开(公告)日：2021-10-08
申请号：CN202110825631.7
申请日：2021-07-21
申请人： 电子科技大学
IPC分类号： G01S13/06
摘要： 本发明属于雷达定位技术领域，具体涉及一种外辐射源的单站定位方法。本发明首先采用单个接收站接收外辐射源直达波和目标反射波信号，确定反射外辐射源信号的目标位置坐标、外辐射源直达波来波方向估计、目标的反射波到达时间与外辐射源的直达波到达时间之间的时差估计，然后由目标位置坐标和时差估计，确定外辐射源到目标的距离与外辐射源到单站之间的距离之差，接着由外辐射源的直达波信号来波方向的估计、外辐射源到目标的距离与外辐射源到单站之间的距离之差、时差估计，确定外辐射源与单站之间的距离估计，进而确定外辐射源的横坐标估计和纵坐标估计。
-
公开(公告)号：CN113132931A
公开(公告)日：2021-07-16
申请号：CN202110409122.6
申请日：2021-04-16
申请人： 电子科技大学
摘要： 本发明属于在复杂的室内环境下进行准确定位的方法，具体是涉及一种基于参数预测的深度迁移室内定位方法。本发明首先利用有标签的源域数据预训练一个性能良好的源网络定位模型，然后通过固定预训练的源网络参数，在无标签目标域数据的辅助下学习一种从源网络参数到目标网络参数的转换矩阵，最后利用该转换矩阵和源网络参数计算出目标域网络参数。本发明克服了常用领域适应技术过度专注于领域不变特征而忽略领域差异的弊端，能够使目标域的特征分布尽可能接近源域特征分布，从而保证了目标域网络在适应新环境的同时能保留部分源域网络的数据处理能力。本发明是一种能够良好适应复杂室内环境的高精度定位方法。
-
-
-
-
-
-
-
-
-
搜索结果
105 条记录 (耗时 0.051 秒)
