-
公开(公告)号：CN117475217A
公开(公告)日：2024-01-30
申请号：CN202311439963.7
申请日：2023-11-01
申请人： 哈尔滨工程大学
IPC分类号： G06V10/764 , G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0464
摘要： 一种基于SSBRID网络的高光谱图像分类方法，它属于遥感图像分类技术领域。本发明解决了现有卷积神经网络的参数多、模型尺寸大以及分类精度低的问题。本发明将二维卷积扩展到三维卷积，可以适应高光谱数据的三维的特点；同时，将非对称卷积核引入三维卷积层中，可以降低模型参数量，提升运行速度；最后，对三维卷积的输出特征进行重组，并送入二维卷积中，可以在减少网络的参数的同时，减小模型尺寸、通过共享信息减少空间冗余，并提高了分类精度。本发明方法可以应用于遥感图像分类。
-
公开(公告)号：CN109842581B
公开(公告)日：2021-06-18
申请号：CN201910036684.3
申请日：2019-01-15
申请人： 哈尔滨工程大学
摘要： 基于三级阈值变步长自适应压缩感知技术的信道估计方法，属于信道估计技术领域。本发明针对传统信道估计方案存在的不足，提出基于MVssAMP的信道估计方法。该方法在信道的稀疏度未知的情况下，以信道发送端导频和信道接收端导频为已知条件，给定一个初始步长，然后通过设定三级阈值实现对于步长的有效控制，使得步长能够以合理的速度增大，直到接近真实的信道稀疏度，此时信道的估计精确度也逐渐提升。该方法具有较高信道估计的精确度。此外，在信道的数据发送端仅仅需要插入少量的导频信号便可以在数据输出端精确的重建出原始稀疏信道，使得导频信号的插入方式突破了奈奎斯特准则的限制，大大节省了频带资源。
-
公开(公告)号：CN109842581A
公开(公告)日：2019-06-04
申请号：CN201910036684.3
申请日：2019-01-15
申请人： 哈尔滨工程大学
摘要： 基于三级阈值变步长自适应压缩感知技术的信道估计方法，属于信道估计技术领域。本发明针对传统信道估计方案存在的不足，提出基于MVssAMP的信道估计方法。该方法在信道的稀疏度未知的情况下，以信道发送端导频和信道接收端导频为已知条件，给定一个初始步长，然后通过设定三级阈值实现对于步长的有效控制，使得步长能够以合理的速度增大，直到接近真实的信道稀疏度，此时信道的估计精确度也逐渐提升。该方法具有较高信道估计的精确度。此外，在信道的数据发送端仅仅需要插入少量的导频信号便可以在数据输出端精确的重建出原始稀疏信道，使得导频信号的插入方式突破了奈奎斯特准则的限制，大大节省了频带资源。
-
公开(公告)号：CN105589080B
公开(公告)日：2017-11-28
申请号：CN201610152777.9
申请日：2016-03-17
申请人： 哈尔滨工程大学
摘要： 本发明属于卫星导航接收机抗干扰研究领域,具体涉及一种基于记忆矩阵准求逆的卫星导航抗干扰的装置及其抗干扰方法。本发明包括阵列天线模块、射频通道模块、A/D转换器模块、数字下变频模块、记忆矩阵计算模块、记忆矩阵准求逆模块、数字波束形成模块、数字上变频模块、D/A转换器模块。本发明提出了一种记忆矩阵准求逆的算法，并利用浮点数运算，提高了运算速度、精度，权值更精确，提高信干噪比；本发明可以在干扰源的干扰信号类型、干扰信号强度、干扰信号方位发生变化时，快速自适应计算出权值，抑制干扰信号。
-
公开(公告)号：CN117518081A
公开(公告)日：2024-02-06
申请号：CN202311472200.2
申请日：2023-11-07
申请人： 哈尔滨工程大学
IPC分类号： G01S5/08 , G01S5/02 , G01S3/14 , G06F18/23213 , G06F18/28
摘要： 一种基于K‑Means聚类的最小化交叉熵DOA估计方法，涉及波达方向估计技术领域。本发明是为了解决现有DOA估计准确率低的问题。本发明包括：设定重复次数i，并获得第i次重复最小化交叉熵原子选择范围位置集合 构建第i次重复时正交最小二乘支撑集位置集合 根据和 构建候选支撑集位置集合，并利用候选支撑集位置集合获取优秀支撑集位置集合从而获得最优支撑集位置集合 根据当前重复次数i判断是否停止重复，若停止重复则执行利用最优支撑集位置集合重构来波信号，获得重构后的来波信号并估计来波信号角度否则令i＝i+1。本发明用于估计来波信号和来波信号角度。
-
公开(公告)号：CN110853038A
公开(公告)日：2020-02-28
申请号：CN201910975412.X
申请日：2019-10-15
申请人： 哈尔滨工程大学
摘要： 本发明涉及深度学习算法领域，尤其涉及一种用于肝脏肿瘤CT图像分割技术的DN-U-net网络方法领域。本发明包括：(1)获取肝脏肿瘤CT图像；(2)对所获得的图像进行预处理，将3D原始数据进行切片处理得到所需的数据格式，然后转化为可以用来训练的数据集；(3)使用中值滤波对数据进行处理，用于处理斑点噪声和椒盐噪声；(4)对数据图像进行数据增强；(5)DN-U-net网络的训练与分割等。本发明使用数据增强，将原图与标签同时进行处理，对数据进行数据反转、数据旋转和数据缩放操作，这样可以获得更多的图像，增大了训练集的数量。
-
公开(公告)号：CN117475308A
公开(公告)日：2024-01-30
申请号：CN202311439959.0
申请日：2023-11-01
申请人： 哈尔滨工程大学
IPC分类号： G06V20/10 , G06V10/764 , G06V10/774 , G06N3/0464 , G06V10/82
摘要： 一种基于MADWA网络的高光谱图像像素级分类方法，它属于遥感图像分类领域。本发明解决了在噪声标签背景下现有深度神经网络分类准确性差的问题。本发明使用多尺度结构可以充分地学习真实标签及噪声标签数据信息，使网络学习信息的能力得到提升；并设计了光谱空间注意力结构，可以更加有效的关注每个维度所应学习的独特特征，以更加充分利用高光谱数据局部特征，提升了分类准确性。并且通过采用非对称卷积核，可以大幅度降低模型参数，提升运行速度，降低计算复杂度。本发明方法可以应用于遥感图像分类。
-
公开(公告)号：CN117475216A
公开(公告)日：2024-01-30
申请号：CN202311439960.3
申请日：2023-11-01
申请人： 哈尔滨工程大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/77 , G06V10/42 , G06N3/0464 , G06V10/82 , G06V20/13 , G06V20/10 , G06V10/80
摘要： 一种基于AGLT网络的高光谱与激光雷达数据融合分类方法，它属于高光谱图像分类领域。本发明解决了现有方法的分类性能差的问题。本发明可以从高光谱图像数据中捕获和学习高光谱空‑谱联合特征，从LiDAR‑DSM数据中获取高程特征；并将非对称卷积核引入视觉Transformer结构，充分利用了卷积神经网络强大的空间上下文信息提取能力和基于自注意力机制的视觉Transformer强大的远程依赖建模能力；设计Bi前馈单元用于视觉Transformer，以充分提取数据的全局和局部信息，提高了模型的分类性能。本发明方法可以应用于高光谱图像分类。
-
公开(公告)号：CN109829319B
公开(公告)日：2021-06-18
申请号：CN201811584307.5
申请日：2018-12-24
申请人： 哈尔滨工程大学
摘要： 本申请发明属于图像加密领域，具体涉及一种基于压缩感知技术和Hybrid混沌系统的图像加密方法。该方案利用Hybrid混沌系统生成测量矩阵，利用压缩感知的压缩过程实现图像的一次加密，获得密钥1，然后再次利用Hybrid混沌系统对第一次加密的图像进行置乱，获得二次加密图像，并得到密钥2，解密时，利用得到的二次加密图像和密钥2获得一次加密图像，然后利用密钥1，再次生成测量矩阵，并利用本文所提出的压缩感知恢复算法——ISL0算法对一次加密图像进行解密，从而获得原始图像。通过直方图分析，密钥敏感性分析，抗剪切，抗噪声以及加密图像的相邻元素的相关性分析等仿真结果表明本文所提出的图像加密方案具有创新性，可行性和可靠性。
-
公开(公告)号：CN109829319A
公开(公告)日：2019-05-31
申请号：CN201811584307.5
申请日：2018-12-24
申请人： 哈尔滨工程大学
摘要： 本申请发明属于图像加密领域，具体涉及一种基于压缩感知技术和Hybrid混沌系统的图像加密方法。该方案利用Hybrid混沌系统生成测量矩阵，利用压缩感知的压缩过程实现图像的一次加密，获得密钥1，然后再次利用Hybrid混沌系统对第一次加密的图像进行置乱，获得二次加密图像，并得到密钥2，解密时，利用得到的二次加密图像和密钥2获得一次加密图像，然后利用密钥1，再次生成测量矩阵，并利用本文所提出的压缩感知恢复算法——ISL0算法对一次加密图像进行解密，从而获得原始图像。通过直方图分析，密钥敏感性分析，抗剪切，抗噪声以及加密图像的相邻元素的相关性分析等仿真结果表明本文所提出的图像加密方案具有创新性，可行性和可靠性。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.025 秒)
