-
公开(公告)号：CN100365429C
公开(公告)日：2008-01-30
申请号：CN200510076603.0
申请日：2005-06-10
Applicant: 清华大学
Abstract: 本发明涉及一种合成孔径雷达运动目标成像的方法，包括：1)对每一个脉冲采样，完成距离压缩；2)将每个相干处理间隔中的脉冲采样通过FFT进入到方位频域，将每个频率通道的输出经恒虚警处理判断目标有无，并得到瞬态幅度、斜距和多普勒频移作为运动目标的属性集；3)“质心”凝聚；4)质心点迹跟踪；5)得到目标的多普勒参数和距离徙动序列；6)校正距离徙动；7)方位聚集；8)正确标示聚焦的运动目标像。本发明基于边检测，边跟踪，边成像的方案，可以方便地利用检测点迹信息实现运动目标数据块在整个数据块中的分割，还可以实现多运动目标的分别检测、跟踪和成像。
-
公开(公告)号：CN120071139A
公开(公告)日：2025-05-30
申请号：CN202510141832.3
申请日：2025-02-08
Applicant: 清华大学
IPC: G06V20/10 , G06V20/13 , G06V10/762 , G06V10/82 , G06V10/74 , G06N3/042 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种高光谱遥感图像赤潮检测方法及系统，本发明的方法包括将高光谱遥感图像转换为由顶点和超边构成的超图结构，并用超图关联矩阵表示；将顶点特征以及表示顶点与超边关系的超图关联矩阵输入到超图神经网络中，并利用预设的损失函数对超图神经网络进行训练，以将顶点特征映射到新特征空间；在新特征空间中对顶点特征进行聚类，并根据特征聚类结果识别出高光谱遥感图像中与赤潮现象相关的像素或区域，以实现对赤潮的检测。本发明利用高光谱遥感图像丰富的光谱信息，基于超图理论和超图神经网络构建了一种无需标注的无监督赤潮检测技术。
-
公开(公告)号：CN119625523A
公开(公告)日：2025-03-14
申请号：CN202411669294.7
申请日：2024-11-21
Applicant: 清华大学
IPC: G06V20/10 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及遥感目标检索技术领域，尤其是指一种基于广义似然比度量学习的遥感目标检索方法、装置、设备及计算机存储介质。本发明所述的遥感目标检索方法，在遥感目标检索模型的训练过程中引入了假设分布，并将统计分布参数估计对应的广义似然比定义为度量空间，基于度量空间构建损失函数，对遥感目标检索模型进行训练；本发明在训练阶段引入了全局数据的统计信息，避免了神经网络的过拟合，提高了神经网络的特征表达能力，使得能够在测遥感图像中基于给定的目标图像的内容，高精度检索对应目标。
-
公开(公告)号：CN114217283B
公开(公告)日：2025-03-14
申请号：CN202111300430.1
申请日：2021-11-04
Applicant: 清华大学 , 中国人民解放军海军航空大学
Abstract: 本申请公开了一种多普勒雷达静态融合平滑变结构滤波方法及装置，其中，方法包括以下步骤：利用第一广义平滑变结构滤波器对目标状态进行更新估计，获取目标状态后验估计；利用第二广义平滑变结构滤波器对目标伪状态进行更新估计，获取目标伪状态后验估计；利用静态融合器对目标状态后验估计和目标伪状态后验估计进行融合处理，获得目标最终的后验状态估计。本申请在保持模型不确定条件下的鲁棒估计性能的前提下，解决了非线性观测模型和非满秩观测矩阵导致的欠定问题，从而提高多普勒雷达系统的目标跟踪性能。可用于多普勒雷达的非线性观测模型，并在目标运动模型不确定条件下实现鲁棒的雷达目标状态估计。
-
公开(公告)号：CN116755854A
公开(公告)日：2023-09-15
申请号：CN202310653749.5
申请日：2023-06-02
Applicant: 清华大学
Abstract: 本申请实施例中提供了一种基于深度强化学习的多源卫星调度方法和装置，所述方法包括：获取当前多源卫星状态；将当前多源卫星状态输入预先训练的多源卫星调度模型，得到每个卫星的放弃执行任务概率和执行任务概率；基于放弃执行任务概率和执行任务概率，结合随机函数判断每个卫星是否执行当前任务，得到多源卫星调度结果。本申请实施例中，由于多源卫星调度模型是基于等量的好的调度经历和不好的调度经历组成训练样本，并基于深度强化学习训练得到的，保证多源卫星调度模型每次训练都能够从好的调度经历学习好的动作，能够从不好的调度经历避免不好的动作，使得训练过程更加合理，因而缩短训练时间，提升了多源卫星调度模型的收益。
-
Patent Agency Ranking
公开(公告)号：CN116310869A
公开(公告)日：2023-06-23
申请号：CN202310264693.4
申请日：2023-03-17
Applicant: 清华大学
Abstract: 本发明提供了一种基于软融合策略的轻量化洪水检测方法和装置，所述方法包括：获取当前时序卫星遥感图像，利用轻量化洪水检测神经网络对当前时序卫星遥感图像进行处理，得到洪水区域的概率矩阵，基于洪水区域的概率矩阵得到当前时序卫星遥感图像的初步检测结果，并确定当前时序卫星遥感图像的加权约束概率矩阵；根据历史时序卫星遥感图像的洪水检测结果确定短期记忆和长期记忆；利用最大类间方差算法，按照自适应加权因子将短期记忆、长期记忆和当前时序卫星遥感图像的加权约束概率矩阵进行融合计算，得到当前时序卫星遥感图像的最终洪水检测结果。本发明实现在保证洪水检测性能的前提下，大幅提高现有洪水检测方法的前向推理速度。
-
公开(公告)号：CN113381824B
公开(公告)日：2023-01-31
申请号：CN202110639526.4
申请日：2021-06-08
Applicant: 清华大学
Abstract: 本申请涉及一种水声信道测量方法、装置、无人潜航器和存储介质。方法包括：获取海洋参数以及潜航器的局部状态信息；将海洋参数、潜航器的局部状态信息、当前潜航器以及预设范围内潜航器上一轮测量到的水声信道测量数据，输入预先训练的多智能体强化学习模型中，得到本轮的水声信道测量策略；根据水声信道测量策略进行水声信道测量，得到本轮的水声信道测量数据。本方案中只需要将实时的局部环境信息输入多智能体强化学习模型中，就可以立即得到本轮的水声信道测量策略，相比固定收发通信系统，减少了传输时延，提高了测量效率，减少了信道衰减造成的影响，提高了水声信道特征采集的空间覆盖能力，增强了对空间覆盖的控制灵活性，测量准确率高。
-
公开(公告)号：CN112330562B
公开(公告)日：2022-11-15
申请号：CN202011236018.3
申请日：2020-11-09
Applicant: 中国人民解放军海军航空大学 , 清华大学
IPC: G06T5/00 , G06T7/40 , G06T7/90 , G06V10/84 , G06V10/774
Abstract: 本发明涉及一种异构遥感图像变换方法及系统，设置了可见光灰度图像作为SAR图像到可见光彩色图像的中间态，通过SAR图像降噪声生成器将SAR图像生成可见光灰度图像，并通过第一鉴别器进行鉴别，通过可见光图像生成器将可见光灰度图像生成可见光彩色图像，并通过第二鉴别器进行鉴别，降低了SAR图像到可见光彩色图像变换的失真率，提高了遥感图像变换的质量和效率。
-
公开(公告)号：CN113207106B
公开(公告)日：2022-09-20
申请号：CN202110357470.3
申请日：2021-04-01
Abstract: 本发明实施例提供了一种无人机融合控制方法及装置。确定目标区域，以及雷达探测的探测精度；确定公有速率上限值，以及私有速率上限值；基于预设波束赋形矩阵和预设公有速率分配向量，利用无人机的预设能效函数，在目标区域中确定目标部署位置；基于目标部署位置，利用预设能效函数，确定目标波束赋形矩阵以及目标公有速率分配向量；执行基于预设波束赋形矩阵和预设公有速率分配向量，利用无人机的预设能效函数，在目标区域中确定无人机的目标部署位置的步骤，直至误差小于预设误差阈值。通过本发明实施例提供的技术方案，有效保证无人机在综合通信功能与雷达探测功能后，在保证传输速率的前提下，有效减少无人机的能耗，提高无人机的续航能力。
-
公开(公告)号：CN115047444A
公开(公告)日：2022-09-13
申请号：CN202210667660.X
申请日：2022-06-14
Applicant: 清华大学
Abstract: 本申请提供一种基于广义时变平滑层策略的多普勒雷达滤波方法及系统，属于雷达数据处理和目标跟踪领域。所述方法首先计算笛卡尔坐标系下的线性位置观测变量；基于线性位置观测变量，执行面向多普勒雷达观测模型的广义时变平滑层策略，实时地判决目标运动模型的模型不确定度，并依据模型不确定度的高低选择不同的切换增益项；利用切换增益项，计算当前帧的第一后验状态估计；利用构造的距离‑径向速度积伪量测，对第一后验状态估计进行更新，得到当前帧最终的目标状态估计。本申请旨在保持目标运动模型不确定条件下的鲁棒估计性能的前提下，解决参数敏感性问题，在低模型不确定度时获得最优估计性能，从而提高多普勒雷达的目标跟踪精度。
-
-
-
-
-
-
-
-
-
Search Results
258
records
(took 0.07 seconds)
