基于超像素引导判别森林的高光谱异常检测方法

    公开(公告)号:CN115471750A

    公开(公告)日:2022-12-13

    申请号:CN202211123551.8

    申请日:2022-09-15

    Abstract: 本发明提出了一种基于超像素引导判别森林的高光谱异常检测方法,主要解决现有方法中局部异常目标检测性能不佳和高虚警率的问题。方案包括:1)通过主成分分析法提取高光谱图像最主要的三个成分特征,并利用该特征进行多个不同尺度超像素分割,以获取多尺度且含所有波段的超像素特征;2)构建基于多个波段增益准则的判别森林模型对每个超像素块特征进行训练和测试,产生多个尺度的初始检测图;3)通过基于引导滤波的多尺度融合模型对所有初始检测图融合优化,获取最终检测结果。本发明将基于空间的超像素分割和基于多个光谱波段的判别森林进行结合,有效地挖掘高光谱图像的空间和光谱信息,增强模型对异常像素识别能力以提升其检测性能。

    一种SAR图像多尺度舰船目标检测方法

    公开(公告)号:CN114494829A

    公开(公告)日:2022-05-13

    申请号:CN202210045694.5

    申请日:2022-01-16

    Abstract: 本发明提供了一种SAR图像多尺度舰船目标检测方法,解决了舰船目标检测网络直接进行特征图融合,忽略特征图间融合程度的技术问题。本发明通过获取原始SSDD数据集;构建特征提取模块;构建特征融合模块;构建基于特征提取和特征融合模块的舰船目标检测网络;进行网络训练和测试,实现了SAR图像多尺度舰船目标更准确的检测。本发明构建的特征提取模块能获得被检测舰船目标的多尺度特征,且作为检测网络主干和检测头的基础模块。构建的特征融合模块能在特征自适应融合之后经过一个特征提取模块增强特征表达。本发明拥有强大特征提取能力的同时能平衡多尺度舰船目标的检测,提升了检测精度,用于SAR图像舰船目标检测。

    基于多无人机分布式与LMS的无线频谱智能感知方法

    公开(公告)号:CN114337881A

    公开(公告)日:2022-04-12

    申请号:CN202111422536.9

    申请日:2021-11-26

    Abstract: 本发明提出了一种基于多无人机分布式与LMS的无线频谱智能感知方法。主要解决现有无线频谱感知技术使得算法计算量大、参数估计缓慢的问题。方案包括:1)通过采用获取待检信号和噪声信号;2)将采样得到的待检信号与噪声信号的能量均值相比得到信噪比估计值;3)设立信噪比阈值,并进行阈值判断;4)根据判断结果选择无人机的频谱检测方式,采用单点的LMS频谱检测或分布式扩散协作式的频谱检测对其进行检测,得到检测结果;5)根据检测结果对待检信号中的闲置频谱进行利用,实现频谱感知。本发明有效降低了算法复杂度,具有计算量小、参数估计快且准确率高的特点。

    基于数据判断的分布式网络无线频谱智能感知方法

    公开(公告)号:CN114268394A

    公开(公告)日:2022-04-01

    申请号:CN202111420712.5

    申请日:2021-11-26

    Abstract: 本发明提出了一种基于数据判断的分布式网络无线频谱智能感知方法。主要解决现有技术在无人机节点出错信息干扰以及信噪比低环境下不能对参数准确估计的问题。方案包括:通过将采样的待检信号的能量均值与噪声信号的能量均值相比得到信噪比估计值;设立信噪比阈值,利用阈值判断筛选出信噪比估计值小于信噪比阈值的待检测信号,通过分布式扩散协作式的频谱检测对待检信号进行检测,检测时通过错误数据判断模型对出现错误的节点信息进行剔除,得出检测结果,根据检测结果对待检信号中的闲置频谱进行利用,实现频谱感知。本发明在提升检测准确性的同时有效降低了算法复杂度,具有计算量小、参数估计快且准确率高的特点。

    一种基于FPGA的QPSK神经网络解调器及其控制方法

    公开(公告)号:CN109981517B

    公开(公告)日:2020-06-19

    申请号:CN201910059841.2

    申请日:2019-01-22

    Abstract: 本发明涉及一种基于FPGA的QPSK神经网络解调器,包括:时钟和复位模块,用于发送时钟信号和复位信号;AD采样模块,用于对待解调信号采样获取采样数据;输入缓冲模块,用于接收和缓存采样数据,并对采样数据进行时钟域转换;相位突变检测模块,用于检测时钟域转换后的采样数据中的相对相位变化,并输出相位突变信息;星座旋转和数据翻转模块,用于接收并处理相位突变信息,形成基带数据;同步输出模块,用于同步判决基带数据,生成并输出解调数据。本发明提出的解调器,参数复杂度低,结构稳定性高,能够通过有针对性的训练提高解调器对特殊环境的适应力,运用时间延迟网进行一维卷积运算,降低了计算复杂度,提高了硬件资源使用效率。

    基于FPGA的多层协议数据包封装装置及方法

    公开(公告)号:CN106941488B

    公开(公告)日:2019-11-29

    申请号:CN201710138744.3

    申请日:2017-03-09

    Abstract: 本发明提出了一种基于FPGA的多层协议数据包封装装置及方法,用于解决现有采用处理器或嵌入式微处理器在封装高速多层协议数据包时存在的缓存需求量大和处理能力低的技术问题;封装装置包括缓存模块、校验模块和数据包封装模块,且该三个模块的逻辑功能通过FPGA实现;封装方法为:将用户数据输入到缓存模块中并缓存;将用户数据输入到校验模块进行校验计算,得到用户数据校验和;用户选用需要工作的封装状态机,所选封装状态机间进行两次信息交互;各工作的封装状态机间依次传递封装完成信号并进入各自的初始等待状态。本发明的缓存需求量小,对高速多层协议数据包的处理能力强。

    一种基于FPGA的QPSK神经网络解调器及其控制方法

    公开(公告)号:CN109981517A

    公开(公告)日:2019-07-05

    申请号:CN201910059841.2

    申请日:2019-01-22

    Abstract: 本发明涉及一种基于FPGA的QPSK神经网络解调器,包括:时钟和复位模块,用于发送时钟信号和复位信号;AD采样模块,用于对待解调信号采样获取采样数据;输入缓冲模块,用于接收和缓存采样数据,并对采样数据进行时钟域转换;相位突变检测模块,用于检测时钟域转换后的采样数据中的相对相位变化,并输出相位突变信息;星座旋转和数据翻转模块,用于接收并处理相位突变信息,形成基带数据;同步输出模块,用于同步判决基带数据,生成并输出解调数据。本发明提出的解调器,参数复杂度低,结构稳定性高,能够通过有针对性的训练提高解调器对特殊环境的适应力,运用时间延迟网进行一维卷积运算,降低了计算复杂度,提高了硬件资源使用效率。

    基于边界信息融合的超像素分割方法

    公开(公告)号:CN106056155B

    公开(公告)日:2019-04-23

    申请号:CN201610368277.9

    申请日:2016-05-30

    Abstract: 本发明公开了一种基于边界信息融合的超像素分割方法,主要解决现有SLIC算法对细小虚弱边界贴合度较低的问题。其实现步骤是:1)获取原始图像的边缘图像;2)获取原始图像的LAB空间转换图像;3)在LAB转换图像内初始化平面聚类中心;4)在平面聚类中心的局部范围内初始化边界聚类中心;5)更新平面聚类中心和边界聚类中心为3×3邻域内的梯度最小点;6)在LAB转换图像内对像素点进行分类;7)循环迭代步骤6),获得LAB转换图像像素点的最终标记;8)将具有相同标记的像素点构成一个超像素,获得原始图像的超像素分割结果。本发明提高了超像素对细小虚弱边缘的贴合度,可用于分类、识别、跟踪等要求检测目标的场合。

    基于FPGA的三维卷积器
    89.
    发明公开

    公开(公告)号:CN107403117A

    公开(公告)日:2017-11-28

    申请号:CN201710630095.9

    申请日:2017-07-28

    CPC classification number: G06G7/19 G06F17/153

    Abstract: 本发明提出了一种基于FPGA的三维卷积器,用于解决现有技术中存在的输入数据重复载入的技术问题,包括在FPGA中实现的六个模块,其中输入数据存储模块,用于对待处理特征图进行输入缓存;三维卷积核存储模块,用于在FPGA内部以多个二维卷积核的形式存储一个三维卷积核;二维卷积器阵列模块,用于将待处理特征图与三维卷积核卷积后输出;中间数据延迟线模块,用于将指定的二维卷积器卷积结果相加、对相加结果延迟后输出;加法器模块,用于将二维卷积器阵列模块输出和中间数据延迟线输出相加并输出;数据输出控制器模块,用于控制加法器模块多个输出的先后顺序。本发明能够显著提升三维卷积运算速度,可用于目标跟踪或行为检测等方面。

    基于1D-CNN的BPSK调制信号相位跳变检测方法

    公开(公告)号:CN107317778A

    公开(公告)日:2017-11-03

    申请号:CN201710630039.5

    申请日:2017-07-28

    Abstract: 本发明提出了一种基于1D-CNN的BPSK调制信号相位跳变检测方法,旨在保证较低误码率的同时,提高相位跳变检测速度。实现步骤为:获取一维卷积神经网络训练集;获取两个指示相反相位跳变的相位跳变标签集;设定一维卷积神经网络;用获取的训练集和两个相位跳变标签集分别对一维卷积神经网络进行训练;获取待检测序列;设定判决阈值;使用一维卷积神经网络对待检测序列进行检测并对检测结果进行阈值判断;获取相位跳变检测结果序列。本发明具有在保证较低误码率前提下检测速度快,鲁棒性较好,并且对待检测BPSK调制信号起始位置无要求的优点,可用于卫星通信、深空通信。

Patent Agency Ranking