-
公开(公告)号：CN116430349B
公开(公告)日：2023-08-29
申请号：CN202310700834.2
申请日：2023-06-14
Applicant: 南京理工大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于物理先验知识的空间群目标探测方法及系统，具体为：构建不同尺寸的空间非合作锥体目标物理仿真模型，获得不同运动状态下混叠的空间群目标随时间变化的雷达回波，利用傅里叶变换获得空间群目标随时间变化的一维距离像；提取出所有时刻散射中心的位置信息和幅度信息，将混叠的锥体目标散射中心模型中的位置信息重组，重构单个锥体目标微多普勒时频图和一维距离像；结合双通道卷积神经网络进行训练和测试，得到复杂环境中空间非合作锥体目标的高度、半径、进动频率。本发明在复杂电磁环境下仍能对空间群目标进行有效分离重构，减少目标之间的交叉和遮挡等干扰，具有更高的提取精度和抗干扰能力。
-
公开(公告)号：CN116503675A
公开(公告)日：2023-07-28
申请号：CN202310762241.9
申请日：2023-06-27
Applicant: 南京理工大学
IPC: G06V10/764 , G06V10/762 , G06F30/327 , G06F30/34
Abstract: 本发明公开了一种基于强聚类损失函数的多种类目标辨识方法及系统。所述方法为：根据同一批次待识别目标标签的特征值和标签值特点，构建强聚类损失函数；加入目标的移位特征，进一步增大不同类别目标的损失值差异；编写CNN模型的网络层硬件代码并进行并行加速，生成的RTL级代码结合网络权重数据、偏置数据迁移到FPGA中；构建硬件层面电路图，对RTL级代码生成的IP核和Zynq处理器部署硬件设计，PS端和PL端联合生成比特流，实现CNN模型在FPGA上的运算。所述系统包括强聚类损失函数构建、移位特征添加、硬件代码编写、FPGA、硬件层面电路图构建这些模块。本发明聚类效果明显、识别精度高，并且提升了计算效率。
-
公开(公告)号：CN112380737B
公开(公告)日：2021-06-08
申请号：CN202010907602.0
申请日：2020-09-02
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于表面阻抗边界的薄层电磁结构的时域分析方法。该方法包括以下步骤：运用等效传输线电路理论，建立薄层人工电磁结构单元的等效传输线电路模型；提取薄层人工电磁结构单元的等效表面阻抗，采用矢量拟合方法将宽频带的等效表面阻抗拟合成有理分式累加的形式；使用基于表面阻抗边界条件的时域有限差分法对结构进行全波仿真，仿真过程中用表面阻抗边界条件来代替薄层人工电磁结构单元；对全波仿真得到的电磁场进行后处理。本发明方法对于计算薄层人工电磁结构，显著减少了薄层结构纵向和横向的计算未知量，节省了运算时间和内存，具有比较高的灵活性和有效性。
-
公开(公告)号：CN116430349A
公开(公告)日：2023-07-14
申请号：CN202310700834.2
申请日：2023-06-14
Applicant: 南京理工大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于物理先验知识的空间群目标探测方法及系统，具体为：构建不同尺寸的空间非合作锥体目标物理仿真模型，获得不同运动状态下混叠的空间群目标随时间变化的雷达回波，利用傅里叶变换获得空间群目标随时间变化的一维距离像；提取出所有时刻散射中心的位置信息和幅度信息，将混叠的锥体目标散射中心模型中的位置信息重组，重构单个锥体目标微多普勒时频图和一维距离像；结合双通道卷积神经网络进行训练和测试，得到复杂环境中空间非合作锥体目标的高度、半径、进动频率。本发明在复杂电磁环境下仍能对空间群目标进行有效分离重构，减少目标之间的交叉和遮挡等干扰，具有更高的提取精度和抗干扰能力。
-
公开(公告)号：CN112380737A
公开(公告)日：2021-02-19
申请号：CN202010907602.0
申请日：2020-09-02
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于表面阻抗边界的薄层电磁结构的时域分析方法。该方法包括以下步骤：运用等效传输线电路理论，建立薄层人工电磁结构单元的等效传输线电路模型；提取薄层人工电磁结构单元的等效表面阻抗，采用矢量拟合方法将宽频带的等效表面阻抗拟合成有理分式累加的形式；使用基于表面阻抗边界条件的时域有限差分法对结构进行全波仿真，仿真过程中用表面阻抗边界条件来代替薄层人工电磁结构单元；对全波仿真得到的电磁场进行后处理。本发明方法对于计算薄层人工电磁结构，显著减少了薄层结构纵向和横向的计算未知量，节省了运算时间和内存，具有比较高的灵活性和有效性。
-
Patent Agency Ranking
公开(公告)号：CN118551342B
公开(公告)日：2024-10-18
申请号：CN202411030640.7
申请日：2024-07-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种多维特征交叉融合网络的锥体目标参数估计方法及系统，具体为：基于时变散射中心模型构建动态多目标雷达回波序列，结合自适应分段假设匹配算法实现散射中心的分离，消除遮挡效应，实现动态多目标的分离；根据锥体目标不同运动状态下的多维电磁散射特征数据集，搭建图像深度特征提取模块；构建物理特征提取模块，引导网络提取目标的时变距离物理特征和微多普勒物理特征；构建跨模态特征交叉融合模块，实现物理和图像深度特征维度的跨模态特征融合；将两个融合特征，按照通道维度连接作为参数估计模块的输入，经过全连接层和输出层得到所估计的目标参数。本发明能够实现动态多目标的准确分离，有效提高目标本征参数的识别精度。
-
公开(公告)号：CN117706490A
公开(公告)日：2024-03-15
申请号：CN202410167220.7
申请日：2024-02-06
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于单站雷达的金属目标间的耦合散射中心建模方法，该方法为：首先使用计算机仿真软件对目标整体进行几何建模，对目标进行部件分解剖分，并将不同部件和面元依次编号，使用弹跳射线法对所有面元进行遮挡判断和射线追踪；然后根据射线的弹跳次数、路径对射线进行分类，依据目标回波和形状函数间的傅里叶变换关系，使用相位等效的原则求解每条射线的等效点，获得等效点的分布；接着计算每个集合中的等效点在距离向和方位向上的投影大小，确立散射中心类型；最后根据散射中心的类型，分别确立位置、幅度、长度以及频率因子相关参数，得到属性散射中心模型。本发明计算过程效率高，模型描述简洁，建立的耦合散射中心模型精确度高。
-
公开(公告)号：CN116430350B
公开(公告)日：2023-09-26
申请号：CN202310703134.9
申请日：2023-06-14
Applicant: 南京理工大学
Abstract: 本发明公开了一种空间动态群目标属性散射中心的建模方法及系统，具体为：根据空间目标几何模型以及空域分布，赋予群目标动态参数，构建空间动态群目标模型；根据面法向量的突变以及面元的不连续性将空间动态群目标模型进行部件分解，并基于散射中心产生机理将部件划分为镜面反射部件与边缘部件，基于八叉树模型分析镜面反射部件与边缘部件间遮挡效应，判断部件中面元与线元遮挡关系，获取未被遮挡部件；基于物理光学法与等效边缘电流理论，计算两种未被遮挡部件的散射中心位置、长度、散射强度等参数，获得空间动态群目标属性散射中心模型。本发明计算效率更高，建立的复杂动态群目标散射中心模型更为准确。
-
公开(公告)号：CN116430350A
公开(公告)日：2023-07-14
申请号：CN202310703134.9
申请日：2023-06-14
Applicant: 南京理工大学
Abstract: 本发明公开了一种空间动态群目标属性散射中心的建模方法及系统，具体为：根据空间目标几何模型以及空域分布，赋予群目标动态参数，构建空间动态群目标模型；根据面法向量的突变以及面元的不连续性将空间动态群目标模型进行部件分解，并基于散射中心产生机理将部件划分为镜面反射部件与边缘部件，基于八叉树模型分析镜面反射部件与边缘部件间遮挡效应，判断部件中面元与线元遮挡关系，获取未被遮挡部件；基于物理光学法与等效边缘电流理论，计算两种未被遮挡部件的散射中心位置、长度、散射强度等参数，获得空间动态群目标属性散射中心模型。本发明计算效率更高，建立的复杂动态群目标散射中心模型更为准确。
-
公开(公告)号：CN112115639B
公开(公告)日：2021-06-22
申请号：CN202010913981.4
申请日：2020-09-03
Applicant: 南京理工大学
IPC: G06F30/27
Abstract: 本发明公开了一种基于深度学习的单元近耦合条件下电磁超构表面构建方法。该方法为：在微波或者光波段，选择单元周期，使单元透射率或反射率大于阈值，并且通过改变单元属性，使波前的相位变化覆盖2π范围；将目标单元及周围单元看作一个子阵，对单元进行3比特量化，并且建立目标单元透射场或反射场的数据集；设计神经网络模型，输入为不同属性的单元，输出为相应的透射或反射场，训练生成满足精度需求的神经网络模型；构建电磁超构表面，利用神经网络建立单元属性与透射场或反射场的关系，计算出待优化目标处的电场值；使用优化算法对电磁超构表面进行优化，调整电磁超构表面的电磁波调控效率。本发明显著提高了电磁超构表面的电磁波调控效率。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.018 seconds)
