公开(公告)号：CN119416012A

公开(公告)日：2025-02-11

申请号：CN202411342165.7

申请日：2024-09-25

Applicant: 上海无线电设备研究所

Inventor： 王天琪 ,  王志诚 ,  孙高 ,  盛佳恋 ,  董洪文 ,  王骁 ,  方磊

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/2131 ,  G06N3/0475 ,  G06N3/045

Abstract: 本发明提供一种基于多重特征约束的船只距离多普勒数据智能生成方法，使用人工智能领域的深度学习方法，解决小样本学习中数据有限、特征不足等问题，实现真实样本的扩充与平衡。本发明的技术方案包括基于深度卷积神经网络的生成器模块，构成对抗性训练的判别器模块和基于正则化约束的损失函数模块。生成器模块对噪声进行采样生成，判别器模块对生成数据与真实数据进行“真假”判断，损失函数模块依据生成数据的质量计算惩罚值。整个系统需要同时训练两个模型，一个是生成器模块用来模仿真实数据分布，一个是判别器模块用来估计样本来自真实数据而不是生成模块的概率。本发明创新性的将生成对抗网络用于船只的R‑D数据集生成，并结合多重特征损失函数提高生成图像的仿真度，有效提升训练样本的质量和数量。

公开(公告)号：CN119129204A

公开(公告)日：2024-12-13

申请号：CN202411135964.7

申请日：2024-08-19

Applicant: 上海无线电设备研究所

Inventor： 方磊 ,  王志诚 ,  盛佳恋 ,  孙高 ,  董洪文 ,  王天琪 ,  陈必武

IPC: G06F30/20 ,  G01S7/41 ,  G06T17/10 ,  G06T17/20

Abstract: 本发明公开了一种基于物理光学法的涡旋电磁波目标散射建模方法，具体步骤包括：确定阵元类型是理想点源还是理想电偶极子；当阵元类型为理想电偶极子时，确定模态数范围；否则结束运算；选定均匀圆形阵列中的一个阵元，确定该阵元的参数；选定目标，计算该目标在空间中产生的散射结果；遍历均匀圆形阵列中的所有阵元，得到当前模态数下均匀圆形阵列的散射结果；对模态数进行遍历，得到均匀圆形阵列的散射结果数据库。本发明简化了模型的构建，提高了构建模型的效率，且能适应实时变化的仿真应用场景。

公开(公告)号：CN119441977A

公开(公告)日：2025-02-14

申请号：CN202411483080.0

申请日：2024-10-23

Applicant: 上海无线电设备研究所

Inventor： 许倩倩 ,  盛佳恋 ,  陈必武 ,  董洪文 ,  孙高 ,  王志诚

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/10

Abstract: 本发明公开了一种基于跨模态学习的有源干扰识别方法，具体步骤包括：构建有源干扰识别基准数据集；明确有源干扰本体模型中外部知识的知识建模形式，将有源干扰知识建模转化为语义表示；基于干扰数据特征VAE模型和干扰语义表示VAE模型，构建有源干扰数据与知识混合驱动的跨模态学习模型；构建广义零样本分类模型，实现有源干扰识别。本发明通过数据与知识混合驱动的跨模态学习，解决了有源干扰识别面临的少样本、零样本问题。

公开(公告)号：CN119251463A

公开(公告)日：2025-01-03

申请号：CN202411192460.9

申请日：2024-08-28

Applicant: 上海无线电设备研究所

Inventor： 董洪文 ,  王志诚 ,  孙高 ,  盛佳恋 ,  王天琪 ,  陈必武 ,  方磊

IPC: G06V10/25 ,  G06V10/30 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种融合事件相机和深度学习的空中目标检测方法，包括：利用高速成像事件相机完成目标信息采集，得到时空事件流数据；采用离散点去噪方法，对事件相机输出时空事件流数据进行去噪处理，获得去噪后的时空事件流数据；将事件流数据进行图像重构，并对图像进行标注，划分训练集和测试集；构建单阶段卷积神经网络目标识别模型，通过骨干网路模块获取多尺度上下文特征信息，通过颈部网络模块将多尺度上下文特征信息进行自顶向下逐层级融合，通过应用锚框和非极大值抑制，对目标的预测结果进行解析和筛选，构建损失函数以及优化策略，本发明充分结合事件相机和深度学习的优点，具有鲁棒性更强的模型，实现空中目标高精度识别。

公开(公告)号：CN117132759A

公开(公告)日：2023-11-28

申请号：CN202310969057.1

申请日：2023-08-02

Applicant: 上海无线电设备研究所

Inventor： 董洪文 ,  魏飞鸣 ,  孙高 ,  盛佳恋

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种基于多波段视觉图像感知与融合的显著性目标检测方法，其包含：步骤1：构建多波段视觉图像训练样本集，对扩充后的训练样本集进行标注；步骤2：构建孪生骨干网络模型，提取多层级特征信息；步骤3：构建多尺度特征提取网络模块，对各层级特征信息提取多尺度特征信息；步骤4：构建注意力机制模块，输出可见光注意力特征图和热红外注意力特征图；步骤5：构建特征融合模块，以步骤4输出的可见光注意力特征图和热红外注意力特征图作为输入，通过加法、乘法和顺序拼接操作将其融合，形成预测输出的目标特征图，完成显著性目标的检测。本发明充分利用多波段视觉图像信息，可以实现多波段视觉图像中的目标识别，还可提高识别的精度。