-
公开(公告)号：CN119001798A
公开(公告)日：2024-11-22
申请号：CN202411094857.4
申请日：2024-08-11
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明提出一种角度约束的动态模糊度搜索方法，所述方法包括一：在城市街道采集IMU和BDS双天线数据；包括二：通过IMU输出数据计算实时姿态角信息；包括三：通过加速度计的输出数据估计俯仰搜索空间#imgabs0#包括四：同时基于基线向量和卫星单位向量之差的空间几何关系，建立数学模型M；包括五：根据数学模型M，解算整周模糊度范围，进一步解算偏航搜索空间ψ；包括六：将IMU的输出数据滤波解算，然后和俯仰搜索空间#imgabs1#偏航搜索空间ψ求交集得到新的搜索空间分别表示为#imgabs2#ψ′；包括七：在搜索空间利用模糊度函数法进行模糊度搜索，求解目标函数的最大值，从而确定整周模糊度。
-
公开(公告)号：CN118938356A
公开(公告)日：2024-11-12
申请号：CN202410985868.5
申请日：2024-07-22
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明提出一种基于雷达回波图和注意力增强的短临降雨预测方法。包括一：收集雷达回波图，分为训练集样本和测试集样本；包括二：使用训练集样本训练预测递归神经网络模型，连续N帧的雷达回波图输入网络模型中得到N个隐藏状态；包括三：构建N‑1对来自不同时间步的隐藏状态；包括四：计算隐藏状态之间注意力加权矩阵；包括五：当前时间步的隐藏状态卷积后和注意力加权矩阵相加输出新的隐藏状态；包括六：将新的隐藏状态作为预测递归神经网络模型最后输出的隐藏状态；包括七：将训练集样本训练好后得到的预测递归神经网络模型保存；包括八：将测试集样本中连续N帧雷达回波图输入预测递归神经网络模型中外推出M帧的雷达回波图。
-
公开(公告)号：CN117788515A
公开(公告)日：2024-03-29
申请号：CN202311662185.8
申请日：2023-12-06
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种结合注意力机制和加权响应的单目标跟踪方法，首先使用改进的VGG16作为特征提取主干网；其次采用了残差语义嵌入模块，自适应地将深层语义信息引入浅层特征，充分利用目标的语义和空间信息；然后将浅层特征响应和深层特征响应进行加权融合，进一步提高定位精度和判别能力；最后引入轻量级的注意力机制，从水平和垂直方向的二次划分特征来增强通道的特征显著性。本发明改善了现有目标跟踪方法中出现目标和背景进行相似性判别时，大多数跟踪器仅使用最后一层提取语义特征，忽略了空间结构对区分目标和背景的作用，跟踪过程容易出现漂移或者跟踪丢失问题。
-
公开(公告)号：CN119618205A
公开(公告)日：2025-03-14
申请号：CN202411889668.6
申请日：2024-12-20
Applicant: 南宁桂电电子科技研究院有限公司 , 桂林电子科技大学
Abstract: 本发明提出一种基于MEMS IMU辅助搜索的COA(Coati Optimization Algorithm)姿态解算方法，所述方法包括一：在GNSS信号弱的城市街道采集IMU和BDS双天线数据；包括二：通过MEMS IMU输出数据计算俯仰角和偏航角，确定优化算法搜索边界；包括三：根据GNSS载波相位观测模和姿态观测模型，定义待优化的适应度函数；包括四：引入自适应动态参数调整机制，以加速算法的收敛过程并有效避免陷入局部最优解；包括五：针对解空间中跳跃性过大或收敛速度较慢的问题，提出了步长自适应调整机制，以提高优化过程的效率和精度；包括六：在惯性导航系统确定的空间范围内，应用改进的COA进行姿态搜索与优化，求解系统的精确姿态。
-
公开(公告)号：CN117173577A
公开(公告)日：2023-12-05
申请号：CN202311211198.3
申请日：2023-09-19
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06V20/10 , G06V20/13 , G06V10/82 , G06N3/0464 , G06V10/764
Abstract: 本发明提出一种基于改进Swin Transformer的遥感影像建筑物变化检测方法，包括一：采集建筑物的遥感影响数据，对数据集中的遥感影像数据进行预处理，制作训练数据集；二：构建CNN模块与Swin Transformer模块，用于提取建筑物的全局‑局部特征；三：基于CNN‑Swin Transformer特征提取模块来设计特征提取编码器和多尺度特征融合解码器；四：基于CNN‑Swin Transformer特征提取编码器，以及解码器来构建改进的变化检测网络；五：将编码器所提取的特征输入到解码器中，得到二分类结果图。本发明有效提高了建筑物变化检测的准确率，分割结果形状规则且边缘细腻，基本没有检测到伪变化区域。实现对建筑物变化区域的准确检测，对比现有变化检测方法在应用于国土资源管理方面上更具优势。
-
Patent Agency Ranking
公开(公告)号：CN116630845A
公开(公告)日：2023-08-22
申请号：CN202310488020.7
申请日：2023-05-04
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种结合层级编码器和并行注意力机制的目标跟踪方法，包括对视频序列进行预处理，得到初始模板图像和初始搜索图像；利用改进的特征提取主干网络VGG16对初始模板图像和初始搜索图像进行特征提取，得到模板特征和搜索特征；将所述模板特征和搜索特征通过并行注意力机制处理得到两个特征；将得到的两个特征融合后分别输入到改进的特征提取主干网络VGG16的后两层卷积块和DWConv‑Transformer编码器中进行处理，得到最终模板特征和最终搜索特征；将最终模板特征经过并行注意力机制处理后与最终搜索特征进行一个互相关卷积，得到两者的相似得分图，并利用相似得分图中最大值点坐标映射回原图得到跟踪结果。
-
公开(公告)号：CN119066573A
公开(公告)日：2024-12-03
申请号：CN202411094855.5
申请日：2024-08-11
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F18/2433 , G06F18/2411 , G06F18/27 , G06F18/213 , G06F18/214 , G06F18/21 , G06N5/01
Abstract: 本发明提出一种基于孤立森林优选的滑坡易发性评价方法。该方法包括以下步骤：步骤一：收集研究区范围内滑坡发生的环境因素，结合历史滑坡灾害点，构建环境因子评价体系；步骤二：基于历史滑坡点与影响因子构建滑坡正样本数据集；步骤三：将滑坡正样本数据集输入到孤立森林(Isolation Forest，简称iForest)模型进行训练，提取滑坡灾害样本的环境属性特征；步骤四：在研究区内和滑坡点缓冲区外预选非滑坡点，构建预选非滑坡负样本，采用训练好的孤立森林模型优选非滑坡负样本；步骤五：将优选的非滑坡负样本与滑坡正样本构建综合样本数据集，分别输入支持向量机(SVM)和逻辑回归(LR)模型中进行训练，验证孤立森林优选非滑坡负样本的有效性。本发明通过孤立森林模型优选非滑坡负样本，并结合机器学习模型进行训练并预测，解决了传统方法中随机选择非滑坡负样本导致模型预测精度低的问题，显著提高了滑坡易发性评价结果的准确性。
-
公开(公告)号：CN119064963A
公开(公告)日：2024-12-03
申请号：CN202410985902.9
申请日：2024-07-22
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明提出了一种GNSS‑RTK多模型级联抗差方法，利用自适应噪声完备集合经验模态分解(CEEMDAN)级联改进的智能优化小波包分解阈值降噪技术对多路径误差以及随机误差进行滤波处理，包括一：导入观测的GNSS‑RTK监测结果数据x(t)；二：确立CEEMDAN参数条件，对监测结果进行CEEMDAN分解，得到一系列IMF分量；三：计算各IMF分量与x(t)的互相关系数ρ，根据划分准则条件对IMF进行划分。对小于阈值部分的低频分量直接剔除；剩下部分根据互相关极值判定条件，对噪声主导部分进行小波包降噪，信号主导部分直接参与重构不做处理；四：将噪声主导的IMF成分进行小波包分解获取小波包系数，通过小波包分解系数能量分布对分解后的系数进行预处理并确立要降噪的层级；五：根据分解后的系数，确立各个小波包的阈值，通过海洋捕食者智能优化算法对改进的带参小波阈值函数的参数进行寻优，确立最佳阈值函数参数，并对小波包系数进行阈值化处理。将降噪后的小波包系数进行逆运算，获取降噪后的IMF分量；六：将信号主导的IMF分量和经过小波包去噪的噪声主导的IMF分量进行重构，得到降噪后的监测信号。
-
公开(公告)号：CN118732006A
公开(公告)日：2024-10-01
申请号：CN202410940221.0
申请日：2024-07-15
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G01S19/55
Abstract: 本发明提出了一种基于因子图优化的北斗双天线测姿方法。该方法通过主天线和从天线获取伪距、载波相位和多普勒数据，首先利用主天线观测进行因子图优化单点定位，再对主从天线的伪距和载波相位进行双差处理，形成因子节点。通过引入从天线的多普勒因子，将历元间的变量节点连接，构建因子，通过因子图优化对从天线进行浮点解估计。通过M‑LAMBDA方法固定模糊度后，结合时间同步以及固定解的基线向量计算载体的姿态。此方法结合双天线几何结构和因子图优化，显著提升了系统在复杂环境下的姿态的精度和可靠性，特别是在多径效应和载波相位周跳影响下，保证了解算的精度和连续性，适用于城市、施工现场、农田和密林等复杂环境中的高精度定姿应用。
-
公开(公告)号：CN117372863A
公开(公告)日：2024-01-09
申请号：CN202311211153.6
申请日：2023-09-19
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06V10/774
Abstract: 本发明提出一种基于改进YOLOv5的小目标森林火灾识别方法，包括一：对森林火灾图像进行预处理，将预处理后的数据集分为训练集和测试集；二：构建基于改进YOLOv5的小目标森林火灾卷积神经网络模型；三：将预处理后的训练集输入到所构建基于改进YOLOv5的小目标森林火灾卷积神经网络模型中进行训练，得到训练好的网络模型；四：将测试集图像输入训练好的模型中进行测试，即可得到森林火灾目标识别的测试结果；通过本发明的方法可以解决当森林火灾初期火灾目标的尺寸较小，导致森林火灾识别精度低的问题。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.096 seconds)
