-
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：CN113093098B
公开(公告)日：2023-05-16
申请号：CN202110382844.7
申请日：2021-04-09
Applicant: 河南理工大学
IPC: G01S3/802
Abstract: 本发明属于阵列信号处理技术领域，具体地涉及到基于lp范数补偿的轴向不一致矢量水听器阵列测向方法，首先构建轴向不一致矢量水听器阵列数据模型，其次对观测数据进行奇异值分解，再次基于稀疏信号补偿原理，构造代价函数，并采用一阶泰勒级数展开式把代价函数转化为待求参数的代价函数，然后采用迭代lp范数最小化方法恢复稀疏信号，并估计轴向偏差矩阵，最后求解信号功率，对信号功率进行谱峰搜索，实现目标的方位估计。本方法解决了现有方位估计方法在信噪比低时方位估计性能恶化的问题，在实际工程应用中，能够提高低信噪比时轴向不一致矢量水听器阵列对远程微弱目标的测向精度。
-
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。
-
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：CN113674753A
公开(公告)日：2021-11-19
申请号：CN202110916018.6
申请日：2021-08-11
Applicant: 河南理工大学
IPC: G10L21/02 , G10L21/0224 , G10L19/025 , G10L25/18 , G10L25/27 , G10L25/30 , G10L25/45
Abstract: 本发明提出了一种新的语音增强方法。现有非端到端的深度神经网络语音增强方法中，因忽视相位谱学习的重要性而造成增强语音质量不理想问题，不能很好满足网络用户的需求。本发明首先对带噪语音进行分块操作，在编码端的卷积层加入非局部模块，其次添加门控循环单元网络捕捉语音序列间的时序相关性信息，最后使用一维卷积层对输出结果的维度进行调整，并对输出的增强语音块依次进行拼接，提高了增强语音的质量和可懂度。
-
Patent Agency Ranking
公开(公告)号：CN108537663A
公开(公告)日：2018-09-14
申请号：CN201810233670.6
申请日：2018-03-21
Applicant: 河南理工大学
Abstract: 本发明公开了一种股票趋势预测方法，包括步骤:首先将极限学习机的输入权值和隐层节点的阈值映射为遗传算法中种群中每条染色体上的基因，利用遗传算法的全局搜索能力，选取出最优染色体构成精英群；再利用粒子群算法的局部搜索能力选取出最优染色体，作为优化后极限学习机的输入权值和阈值；再用最小二乘法计算极限学习机隐层神经元的输出权值，从而计算预测值，并根据预测值进行交易。本发明主要针对传统极限学习机在处理股票趋势预测问题时预测精度不高的问题，预测结果比利用传统方法更精确。
-
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：CN118646455A
公开(公告)日：2024-09-13
申请号：CN202410660064.8
申请日：2024-05-27
Applicant: 河南理工大学
IPC: H04B7/0413 , H04L27/26
Abstract: 本发明提供一种新型低截获概率波形设计方法，所述方法包括：步骤1、首先设定峰值平均功率比预期值，然后再生成旁瓣较低且为离散形式的窗函数，再根据所述窗函数生成随机分布的幅值和相位，并使用随机幅值和随机相位生成时域形式的复波形；步骤2、对所述复波形进行调整，并根据所述窗函数修改调整好的复波形的幅度谱；步骤3、再次对调整好的复波形进行二次调整，并将二次调整的复波形的峰值平均功率比数值调整到峰值平均功率比预期值；步骤4、判断是否达到最终设计要求，如果没有达到最终要求，重新执行步骤2和步骤3；如果达到最终设计要求，则结束程序。本发明比普通波形更具有隐蔽性。且这种波形更具有实用性。
-
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
21
records
(took 0.028 seconds)
