-
公开(公告)号：CN119881818A
公开(公告)日：2025-04-25
申请号：CN202510037306.2
申请日：2025-01-09
Applicant: 清华大学深圳国际研究生院 , 清华大学
IPC: G01S7/41
Abstract: 本发明提供一种海面漂浮目标检测方法、装置、设备及介质，属于目标检测技术领域，方法包括获取雷达在执行海面漂浮目标检测过程中的参考信号以及待检测信号；分别对参考信号和待检测信号进行特征提取，得到参考信号对应的参考信号特征及待检测信号对应的待测信号特征；分别确定参考信号特征对应的联合概率密度值以及待测信号特征对应的联合概率密度值；根据参考信号特征对应的联合概率密度值以及预设的虚警率，确定目标检测门限；对比目标检测门限和待测信号特征对应的联合概率密度值以实现目标检测。本发明考虑到特征之间的相关性，通过构建参考信号特征的联合概率密度值，能提高特征空间的准确性，能更好地区分目标与杂波，提升目标检测性能。
-
公开(公告)号：CN119881805A
公开(公告)日：2025-04-25
申请号：CN202510037275.0
申请日：2025-01-09
Applicant: 清华大学深圳国际研究生院 , 清华大学
Abstract: 本发明实施例涉及认知雷达技术领域，提供一种基于最大化信杂噪比的认知雷达恒模波形设计方法及装置，该方法包括：获取认知雷达发射信号后得到的反馈信号回波，其中，反馈信号回波包括目标回波分量和杂波回波分量，目标回波分量为发射信号与目标的单位冲激响应卷积后的输出，杂波回波分量为发射信号经过杂波散射点反射后的输出；基于反馈信号回波计算经过匹配滤波器之后的输出信号的信杂噪比；在预设能量约束条件下，获取所述信杂噪比最大时的发射信号的最优能量谱密度；基于最优能量谱密度确定目标恒模信号波形。由此，通过雷达与环境的交互动态调整雷达波形，在复杂杂波环境中具有更好的适应性，保持时域和频域特性平衡提升目标检测性能。
-
公开(公告)号：CN119738795A
公开(公告)日：2025-04-01
申请号：CN202510037269.5
申请日：2025-01-09
Applicant: 清华大学深圳国际研究生院 , 清华大学
IPC: G01S7/41
Abstract: 本发明提供一种雷达的目标参数估计方法、装置、电子设备、介质及产品，通过获取载波频控阵雷达的阵元间距和载波信息；根据阵元间距、载波偏移、载波数量和载波信号接收偏移角度确定目标对象的快拍信号；根据快拍信号进行矩阵重建，得到重建信号协方差矩阵；根据重建信号协方差矩阵和交替方向乘子法进行参数估计，得到载波频控阵雷达对目标对象的单快拍目标参数。本发明的技术方案，基于在单快拍下载波频控阵雷达确定目标对象的快拍信号进行矩阵重建，然后根据重建信号协方差矩阵和交替方向乘子法进行参数估计，得到载波频控阵雷达对目标对象的单快拍目标参数，采用交替方向乘子求解单快拍目标参数，降低问题复杂体，提升单快拍目标参数的精度。
-
公开(公告)号：CN119313714B
公开(公告)日：2025-04-04
申请号：CN202411825950.8
申请日：2024-12-12
Applicant: 深圳清华大学研究院
Abstract: 本发明提供一种多模态遥感图像配准方法、装置、设备及存储介质，属于图像数据处理技术领域，方法包括获取待配准的多模态遥感图像；基于相对全变分算法对多模态遥感图像进行处理，并基于多方向多尺度的对数加博滤波算子确定多模态遥感图像的方向特征图；基于相位一致性算法对方向特征图进行特征提取，确定多模态遥感图像的关键点；根据方向特征图和关键点，得到多模态遥感图像的描述符；对描述符进行特征匹配，确定多模态遥感图像的配准结果。通过相对全变分算法对多模态遥感图像进行图像主体结构强化和图像纹理抑制，通过相位一致性算法进行特征提取，提取主体强结构特征，避免因非线性辐射畸变导致的多源遥感图像之间的模态差异。
-
公开(公告)号：CN116822154B
公开(公告)日：2025-04-04
申请号：CN202310641395.2
申请日：2023-06-01
Applicant: 清华大学深圳国际研究生院
IPC: G06F30/20 , G06F18/20 , G06F111/08
Abstract: 本发明属于环境感知技术领域，提供一种车辆状态的估计方法、装置、设备和存储介质，通过确定车辆机动场景下的多个运动模型；针对每个运动模型，确定运动模型与多个运动模型中其他运动模型交互输出的车辆的交互状态；根据车辆的交互状态，以及运动模型的状态转移信息，得到车辆的预测状态；根据车辆的预测状态、车辆的量测数据和量测数据在车辆的扩展目标区域的先验概率，确定量测数据与扩展目标区域关联的概率；根据多个运动模型的概率、量测数据与扩展目标区域关联的概率以及各个运动模型输出的车辆的预测状态，得到车辆的目标状态。本方法解决了车辆这个扩展目标在做机动运动时导致的运动模型不确定的问题，减少了跟踪误差，提高了跟踪精度。
-
Patent Agency Ranking
公开(公告)号：CN119691318A
公开(公告)日：2025-03-25
申请号：CN202411647241.5
申请日：2024-11-18
Applicant: 清华大学深圳国际研究生院
Abstract: 本申请提供一种基于修正Lie变换的卷浪海面建模方法、装置和设备，涉及计算机建模技术领域。该方法包括：在构建卷浪海面模型时，可以先获取待建模的目标海面的海谱信息；并基于海谱信息，构建目标海面对应的频域维度的线性海面高度模型；对频域维度的线性海面高度模型进行变换，得到时域维度的线性海面高度模型；在时域维度的线性海面高度模型下，基于目标海面的风况对Lie变换进行修正；再基于修正后的Lie变换，对频域维度的线性海面高度模型进行叠加，以构建目标海面的卷浪海面模型。这样结合海面的风况对Lie变换进行修正，使得修正后的Lie变换可以较好地模拟高海况下的卷浪，从而有效地提高了构建的卷浪海面模型的建模效果。
-
公开(公告)号：CN119227814B
公开(公告)日：2025-03-25
申请号：CN202411731916.4
申请日：2024-11-29
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明提供一种多机器人博弈仿真方法、仿真平台、电子设备及存储介质，属于人工智能技术领域，方法包括运行至少一环境实例，各环境实例中设有至少一己方机器人以及至少一对手机器人；在当前训练轮中，确定各环境实例共享的训练策略以及与各对手机器人对应的对手策略，将训练策略对应的第一控制指令发送至己方机器人并将对手策略对应的第二控制指令发送至对手机器人，以便己方机器人和对手机器人在环境实例中执行博弈任务。本发明在各环境实例中为己方机器人配置对手机器人，提高对抗训练经验多样性，实现对环境实例的充分探索，且各环境实例中的对手机器人均根据对手策略与共享策略的己方机器人进行对抗博弈，有助于制定更加稳健和通用的策略。
-
公开(公告)号：CN118570454B
公开(公告)日：2024-11-01
申请号：CN202411053612.7
申请日：2024-08-02
Applicant: 深圳清华大学研究院
IPC: G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084 , G06N3/0895 , G06N3/09 , G06V10/22 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82 , G06V20/13
Abstract: 本发明提供一种基于检测器解耦的半监督遥感目标检测方法及装置，涉及遥感图像处理技术领域，方法包括：将获取的待检测的遥感图像输入至目标检测模型，得到目标检测模型输出的检测结果；目标检测模型是基于无标签样本遥感图像、有标签样本遥感图像以及有标签样本遥感图像中至少一个样本目标的真实检测框的宽高比对应的权重进行训练得到的，目标检测模型用于对待检测的遥感图像中的至少一个目标进行检测。在训练目标检测模型时结合无标签样本遥感图像、有标签样本遥感图像以及有标签样本遥感图像中至少一个样本目标的真实检测框的宽高比对应的权重，使得目标检测模型的性能较好，从而提升遥感图像中目标检测的准确性。
-
公开(公告)号：CN118504605A
公开(公告)日：2024-08-16
申请号：CN202410464414.3
申请日：2024-04-17
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明提供一种基于双目标引导的自主决策方法及装置，涉及计算机技术领域，该方法包括：获取目标对象的当前状态；将所述当前状态输入至双目标引导决策模型，得到所述双目标引导决策模型输出的所述当前状态对应的目标决策；所述双目标引导决策模型是基于多个样本四元组进行训练得到的，所述样本四元组包括当前样本状态、样本动作、样本奖励和下一个样本状态；所述双目标引导决策模型用于确定所述当前状态对应的所述目标决策。由于双目标引导决策模型是基于多个样本四元组进行训练得到的，使得双目标引导决策模型的鲁棒性较好以及模型的决策精度高，提高了目标决策的准确性。
-
公开(公告)号：CN118296380A
公开(公告)日：2024-07-05
申请号：CN202410428447.2
申请日：2024-04-10
Applicant: 清华大学深圳国际研究生院
IPC: G06F18/214 , G06N3/006 , G06N20/00
Abstract: 本发明提供一种基于置信度估计的策略确定方法及装置，涉及计算机技术邻域，该方法包括：确定置信度函数；所述置信度函数表示任意在线决策与历史决策之间的相似程度；所述置信度函数是基于随机网络蒸馏模型确定的，所述随机网络蒸馏模型是基于第一数据集中的至少一个训练决策训练得到的；基于目标任务和所述置信度函数，确定扰动函数；所述扰动函数表示置信度对决策的扰动程度；基于所述扰动函数，确定可靠策略分布；基于所述可靠策略分布，确定所述目标决策；所述目标决策为高置信度决策，实现高置信度决策的确定，进而实现可靠的决策采样过程，提高了离线强化学习方法的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.025 seconds)
