-
公开(公告)号：CN113627258B
公开(公告)日：2023-09-26
申请号：CN202110781474.4
申请日：2021-07-12
Applicant: 河南理工大学
IPC: G06V20/10 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种苹果叶部病理检测的方法，对五类叶部病害：斑点落叶病、褐斑病、花叶病、灰斑病、锈病进行识别检测。针对以下问题：较小的目标难以识别；部分背景区域被识别为目标；重复识别目标。采取步骤包括：采用了轻量级特征融合结构，融合高低层特征图特征，其次引入通道注意力机制，提取更有效的病斑小目标特征信息，同时加入焦点损失函数，减少了训练中大量简单负样本的权值，最后对5类苹果叶部测试公共数据集检验。本发明所提方法FS‑SSD具有可行性和优越性，其性能明显优于其它检测模型，提高了检测的准确性。
-
公开(公告)号：CN114755628A
公开(公告)日：2022-07-15
申请号：CN202210353033.9
申请日：2022-04-06
Applicant: 河南理工大学
Abstract: 本发明涉及阵列信号处理技术领域，公开了一种非均匀噪声下声矢量传感器阵列波达方向估计方法，所述方法包括以下步骤：步骤1，接收声矢量传感器阵列输出的输出矢量X；步骤2，基于稀疏信号模型，根据所述输出矢量X计算信号协方差矩阵P和噪声协方差矩阵Q，利用所得的信号协方差矩阵P和噪声协方差矩阵Q，构建稀疏协方差矩阵R；步骤3，基于所述稀疏协方差矩阵R构造代价函数，使用代价函数估计稀疏信号功率，并得到信号功率矢量步骤4，对信号功率矢量进行谱峰搜索，所得谱峰对应的声源位置即为估计的目标方位角。该方法能够提高非均匀噪声下声矢量传感器阵列的方位估计的性能。
-
公开(公告)号：CN117633656A
公开(公告)日：2024-03-01
申请号：CN202311688604.5
申请日：2023-12-11
Applicant: 河南理工大学
IPC: G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/09
Abstract: 本发明提供一种基于时频分析及改进卷积神经网络的雷达信号识别方法，所述方法可以自动识别接收信号的调制类型，同时保证特征提取的多样性和信号分类的准确性。所述方法具体步骤为：获取雷达信号，通过CWD变换将所述雷达信号转换成时频图；对所述时频图进行预处理；将预处理后的时频图通过两个卷积层进行初步特征提取，将提取的初步特征输入到改进后的分类网络中进行特征融合，最后将融合后的特征图通过Softmax函数实现对雷达信号的分类识别。实验结果证明，本发明在识别率和抗噪声能力等方面明显优于许多雷达信号分类器。
-
Patent Agency Ranking
公开(公告)号：CN114755628B
公开(公告)日：2025-04-11
申请号：CN202210353033.9
申请日：2022-04-06
Applicant: 河南理工大学
Abstract: 本发明涉及阵列信号处理技术领域，公开了一种非均匀噪声下声矢量传感器阵列波达方向估计方法，所述方法包括以下步骤：步骤1，接收声矢量传感器阵列输出的输出矢量X；步骤2，基于稀疏信号模型，根据所述输出矢量X计算信号协方差矩阵P和噪声协方差矩阵Q，利用所得的信号协方差矩阵P和噪声协方差矩阵Q，构建稀疏协方差矩阵R；步骤3，基于所述稀疏协方差矩阵R构造代价函数，使用代价函数估计稀疏信号功率，并得到信号功率矢量#imgabs0#步骤4，对信号功率矢量#imgabs1#进行谱峰搜索，所得谱峰对应的声源位置即为估计的目标方位角。该方法能够提高非均匀噪声下声矢量传感器阵列的方位估计的性能。
-
公开(公告)号：CN115113246B
公开(公告)日：2025-02-25
申请号：CN202110288189.9
申请日：2021-03-18
Applicant: 河南理工大学
Abstract: 本发明公开了一种基于余弦模型的罗兰天波信号经过电离层时延预测方法和装置，该方法包括根据实际测量的所述罗兰天波经过电离层时延结合数学方法构建第一余弦模型，所述第一余弦模型中的第一参数包括相位、幅度、周期和直流常数项；确定所述第一余弦模型的第一参数值；利用第二余弦模型对罗兰天波进行电离层时延预测，所述第二余弦模型为将所述第一参数值代入所述第一余弦模型后获得的模型。本发明的方案经过电离层时延方法简单有效，且精度较高。
-
公开(公告)号：CN115113246A
公开(公告)日：2022-09-27
申请号：CN202110288189.9
申请日：2021-03-18
Applicant: 河南理工大学
Abstract: 本发明公开了一种基于余弦模型的罗兰天波信号经过电离层时延预测方法和装置，该方法包括根据实际测量的所述罗兰天波经过电离层时延结合数学方法构建第一余弦模型，所述第一余弦模型中的第一参数包括相位、幅度、周期和直流常数项；确定所述第一余弦模型的第一参数值；利用第二余弦模型对罗兰天波进行电离层时延预测，所述第二余弦模型为将所述第一参数值代入所述第一余弦模型后获得的模型。本发明的方案经过电离层时延方法简单有效，且精度较高。
-
公开(公告)号：CN113673230A
公开(公告)日：2021-11-19
申请号：CN202110939892.1
申请日：2021-08-17
Applicant: 河南理工大学
IPC: G06F40/247 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种情感分析方法，传统的文本分析方法对文本显著特征提取能力较弱、学习速率相对缓慢，不能很好满足网络用户的需求。为解决这一问题，我们提出了一个基于注意力机制的混合网络模型，利用了传统的卷积神经网络对样本向量的局部信息进行特征提取；将其输入耦合输入和遗忘门网络模型，用以学习前后词句之间的联系；再加入注意力机制层，对深层次文本信息进行权重分配，提高重要信息对文本情感分类的影响强度。
-
公开(公告)号：CN113627258A
公开(公告)日：2021-11-09
申请号：CN202110781474.4
申请日：2021-07-12
Applicant: 河南理工大学
Abstract: 本发明公开了一种苹果叶部病理检测的方法，对五类叶部病害：斑点落叶病、褐斑病、花叶病、灰斑病、锈病进行识别检测。针对以下问题：较小的目标难以识别；部分背景区域被识别为目标；重复识别目标。采取步骤包括：采用了轻量级特征融合结构，融合高低层特征图特征，其次引入通道注意力机制，提取更有效的病斑小目标特征信息，同时加入焦点损失函数，减少了训练中大量简单负样本的权值，最后对5类苹果叶部测试公共数据集检验。本发明所提方法FS‑SSD具有可行性和优越性，其性能明显优于其它检测模型，提高了检测的准确性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
