-
公开(公告)号：CN112598620B
公开(公告)日：2022-11-15
申请号：CN202011333284.8
申请日：2020-11-25
Applicant: 哈尔滨工程大学
IPC: G06T7/00 , G06T7/11 , G06T5/00 , G06T3/60 , G06V10/56 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明尿沉渣中透明管型、病理管型以及粘液丝的识别方法，步骤1：收集分割后的尿液有形成分显微图片，按比例随机划分为训练集和测试集；步骤2：训练集数据的预处理；步骤3：构建urine_8Net尿液有形成分识别网络；步骤4：设置所用的网络参数；步骤5：训练基于步骤3所述urine_8Net尿液有形成分识别模型；步骤6：利用步骤1、2得到的尿沉渣图像测试集对所得模型进行测试，得到测试集中管型成分的识别结果及总体准确率。本发明能够自动提取图像特征，对选取的尿液有形成分进行有效的细粒度识别，具有准确率高，识别速度快的特点，在临床中的尿沉渣识别检验有着广阔的应用前景。
-
公开(公告)号：CN113469967B
公开(公告)日：2022-06-21
申请号：CN202110721165.8
申请日：2021-06-28
Applicant: 哈尔滨工程大学
IPC: G06T7/00 , G06T7/11 , G06T5/00 , G06T5/30 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种尿沉渣中透明管型、病理管型的识别方法，1：构建数据集；2：数据集的预处理；3：构建Mobile_Urinet尿液有形成分识别网络；4：设置所用的网络参数如下；5：训练基于步骤3所述Mobile_Urinet尿液有形成分识别模型；6：利用步骤1、2得到的尿沉渣图像测试集对所得模型进行测试，得到测试集中管型成分的识别结果及总体准确率。本发明针对管型类图像难以分类的特点，采用数据扩充以及高低帽变换增强对比度后，使用轻量级的网络结构完成任务，在准确率高的同时识别速度快，且得到的模型参数少，易与部署，在临床中的尿沉渣识别检验有着广阔的应用前景。
-
公开(公告)号：CN111079859B
公开(公告)日：2020-12-04
申请号：CN201911407781.5
申请日：2019-12-31
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供一种无源多站多目标测向交叉定位与虚假点去除方法，包括如下步骤：步骤一、根据双站测向交叉定位原理，得出两两站点的双站交叉定位结果，给出交叉定位点集合；步骤二、根据真实目标附近交叉定位点密度明显高于虚假点这一特性，利用马氏距离定义椭圆邻域，提取高密度交叉定位点；步骤三、对高密度点集合进行DBSCAN聚类处理，取高密度点数最多的前NT个聚类作为真实目标所在的簇，每一簇的聚类中心即为真实目标位置，NT为目标个数。本发明利用一种高密度点提取方法，在保证目标点定位精度与虚假点去除性能的同时，降低了后续聚类数据处理的计算量。
-
公开(公告)号：CN110222307A
公开(公告)日：2019-09-10
申请号：CN201910504034.7
申请日：2019-06-12
Applicant: 哈尔滨工程大学
IPC: G06F17/16
Abstract: 本发明属于阵列信号处理领域，具体涉及基于FPGA的实对称矩阵的特征值分解的并行实现方法。具体实现步骤如下：根据阵元数目构建特征值分解的脉动阵列结构，设定所需的处理单元；对接收的阵元信号进行预处理；求解旋转角度并将其转换为角度值；查表得到对应的正弦值和余弦值；更新矩阵元素和特征向量；判断是否达到要求迭代次数；若未达到，在阵列结构中交换矩阵元素为下次迭代做准备；判断是否需要改变处理单元内部的输入输出顺序；若是，则改变输入输出数据的顺序。本方法通过处理单元之间数据的传递以及处理单元内部的数据顺序的转换，提高了迭代效率而且运算速度快，应用前景广阔。
-
公开(公告)号：CN107888848A
公开(公告)日：2018-04-06
申请号：CN201711084339.4
申请日：2017-11-07
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于FPGA的图像上叠加艺术字体的装置及方法。包括艺术字转图像模块(1)、coe生成模块(3)、块RAM存储模块A(4)、计数器及控制模块(5)、块RAM存储模块B(6)、时钟模块(7)、叠加器(8)、并/串转换模块(9)和HDMI显示器(10)。本发明解决了传统使用FPGA作为主控芯片在HDMI显示器上显示图像时叠加字符显示效果生硬的技术问题，采用本发明可以实现显示图像时叠加不同的艺术字体，满足日益发展的数字视频显示领域的需求，提升用户体验。
-
Patent Agency Ranking
公开(公告)号：CN107565710A
公开(公告)日：2018-01-09
申请号：CN201710806382.0
申请日：2017-09-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了自动调节到最佳工作频率的磁耦合谐振式无线供电系统，属于无线电能传输技术领域。包括：发射装置、接收装置两部分。发射装置包括：直流电源1、高频逆变器2、LC谐振器3、电压电流检测器4、自动调频系统5、无线通信模块6。接收装置包括：LC谐振器7、整流滤波器8、负载9、无线通信模块10、电压电流检测器11。该无线供电系统提出了通过调节工作频率来达到最佳传输效率的方法，该方法能够在负载阻抗、传输距离等参数变化时，自动调整工作频率，使得系统能稳定在最佳工作频率。
-
公开(公告)号：CN112198481B
公开(公告)日：2023-07-21
申请号：CN202011072664.0
申请日：2020-10-09
Applicant: 哈尔滨工程大学
IPC: G01S7/28
Abstract: 本发明公开了一种脉冲丢失混叠情况下的PRI抖动雷达信号分选方法，能够在脉冲丢失混叠等情况下，分选抖动雷达信号，判断抖动信号抖动率，完成对抖动雷达信号的搜索与提取。本发明改进PRI交叠箱结构，利用多级箱结构提高脉冲丢失混叠情况下的抖动信号检测能力；通过对多级箱PRI变换结果以及箱内脉冲对个数曲线分析，实现对抖动信号抖动率进行判断，提升信号分析能力；结合PRI估计值与抖动率，利用相关性判断置信度，分情况提取脉冲序列，有效降低电磁空间复杂度。可证明该方法分选算法性能良好，易于工程实现。
-
公开(公告)号：CN113111774B
公开(公告)日：2022-10-28
申请号：CN202110388521.9
申请日：2021-04-12
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达信号脉内调制类型识别技术领域，具体涉及一种基于主动增量式微调的雷达信号调制方式识别方法。本发明首先将截获的雷达信号进行时频分布处理，得到二维时频图像；接着调整时频图像大小并进行幅度归一化处理；在训练阶段，采用基于池的抽样场景，将雷达信号时频图像样本逐组放入手写识别训练过的预训练模型中，输出其对应各类型的概率，由熵的不确定性抽样策略，寻找有价值的样本进行专家标注，扩大已标注的雷达信号数据集，通过该数据集更新当前网络所有层的参数；识别阶段，将未知雷达信号时频图像放入该网络中，输出层输出最终识别类型。本发明在低信噪比条件下识别率高，大幅度节省不必要的标注成本，具有良好应用前景。
-
公开(公告)号：CN113469967A
公开(公告)日：2021-10-01
申请号：CN202110721165.8
申请日：2021-06-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种尿沉渣中透明管型、病理管型的识别方法，1：构建数据集；2：数据集的预处理；3：构建Mobile_Urinet尿液有形成分识别网络；4：设置所用的网络参数如下；5：训练基于步骤3所述Mobile_Urinet尿液有形成分识别模型；6：利用步骤1、2得到的尿沉渣图像测试集对所得模型进行测试，得到测试集中管型成分的识别结果及总体准确率。本发明针对管型类图像难以分类的特点，采用数据扩充以及高低帽变换增强对比度后，使用轻量级的网络结构完成任务，在准确率高的同时识别速度快，且得到的模型参数少，易与部署，在临床中的尿沉渣识别检验有着广阔的应用前景。
-
公开(公告)号：CN113111774A
公开(公告)日：2021-07-13
申请号：CN202110388521.9
申请日：2021-04-12
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达信号脉内调制类型识别技术领域，具体涉及一种基于主动增量式微调的雷达信号调制方式识别方法。本发明首先将截获的雷达信号进行时频分布处理，得到二维时频图像；接着调整时频图像大小并进行幅度归一化处理；在训练阶段，采用基于池的抽样场景，将雷达信号时频图像样本逐组放入手写识别训练过的预训练模型中，输出其对应各类型的概率，由熵的不确定性抽样策略，寻找有价值的样本进行专家标注，扩大已标注的雷达信号数据集，通过该数据集更新当前网络所有层的参数；识别阶段，将未知雷达信号时频图像放入该网络中，输出层输出最终识别类型。本发明在低信噪比条件下识别率高，大幅度节省不必要的标注成本，具有良好应用前景。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.019 seconds)
