一种基于氧化钒的同质异构双波段传感器及其像元阵列

    公开(公告)号:CN117309154A

    公开(公告)日:2023-12-29

    申请号:CN202311266203.0

    申请日:2023-09-27

    IPC分类号: G01J5/10 G01J1/42

    摘要: 本发明公开了一种基于氧化钒的同质异构双波段传感器及其像元阵列,本发明提出的基于氧化钒的同质异构双波段传感器及其像元阵列,可实现可见光和红外双波段的同时探测,目标信息包含红外热辐射信息和可见光细节信息,实现信息互补,具有较高对比度,且细节信息风险,成像质量高;且本发明提出的同质异构双波段传感器及其像元阵列所涉及的材料生长及器件制作工艺简单,有利于器件的焦平面化,降低了制作成本。同时本发明的像元阵列中红外感光单元和可见光感光单元具有高度的周期性和对称性,提高了双波段探测精度,并通过探测像元合理的排布方式能够降低串扰,盲元列设置能够消除器件暗电流,同时降低非均匀性,提升成像质量。

    基于典型参数限定的相控阵雷达自适应任务调度方法

    公开(公告)号:CN114237842B

    公开(公告)日:2023-09-05

    申请号:CN202111456134.0

    申请日:2021-12-02

    IPC分类号: G06F9/48

    摘要: 本发明公开了基于典型参数限定的相控阵雷达自适应任务调度方法。该方法的主要流程:首先生成时间轴上的任务请求队列,初始化时间指针;从请求队列中删除最晚可执行时间小于时间指针的任务;判断请求队列中是否存在最早可执行时间小于或等于时间指针的任务,若无,更新时间指针重复以上判断,若有形成任务判断列表;再计算判断列表中每个任务此时的时间偏差和截止期差值,通过典型参数限定的方法选取任务执行,若均不满足参数限定的条件则更新时间指针进行以上判断,若满足则写入执行队列、更新时间指针并从任务请求队列中删除;当请求队列为空或时间指针超出时间轴范围时,结束调度任务。本发明较传统调度方法可提高平均5%的调度成功率、改善执行时间偏移性能因子1.75dB,有效的实现了调度成功率和执行时间偏差之间的平衡。

    增强红外偏振图像与局部细节的方法、设备及储存介质

    公开(公告)号:CN114841884B

    公开(公告)日:2023-06-06

    申请号:CN202210485529.1

    申请日:2022-05-06

    IPC分类号: G06T5/00 G06T5/50

    摘要: 本发明公开了一种增强红外偏振图像光强与局部细节的插值方法、设备及储存介质,其主要步骤包括:对目标进行红外偏振数据采集,得到具有四个偏振方向的原始红外偏振图像数据;以其中一个偏振方向的像元为中心像元,对其余三个偏振方向的像元分别进行插值处理,获得对应像元插值后的图像数据,进而得到偏振图像数据I;依次将原始红外偏振图像数据中四个偏振方向的像元分别作为中心像元进行插值,得到四组各自偏振方向下的偏振图像数据I;利用不同的偏振图像数据I,计算偏振图像的斯托克斯矢量,得到描述插值后偏振图像的红外偏振信息,实现了红外偏振图像分辨率的提升和细节增强。

    一种低资源消耗多相并行的距离维CFAR实现方法

    公开(公告)号:CN115856824B

    公开(公告)日:2023-05-09

    申请号:CN202310034729.X

    申请日:2023-01-10

    IPC分类号: G01S7/41

    摘要: 本发明公开了一种低资源消耗多相并行的距离维CFAR实现方法,属于信号处理技术。本发明高效的利用BRAM资源,对使用DDR进行数据重排后的多个并行MTD输出数据进行缓存拼接得到大的数据位宽,提高数据输出的并行度,然后进行多相并行CFAR计算。具有的效果包括:相较于在FPGA进行CFAR处理的常规方法,由先缓存再串行滑窗CFAR变为高效缓存结构的多相并行CFAR,充分利用了BRAM特性。在数据速度维长度长和DDR带宽与输入数据带宽比例较大时的场合,能在FPGA上节约了80%以上的BRAM资源和50%左右的其他资源。

    基于有偏随机森林模型的医疗不平衡数据分类方法

    公开(公告)号:CN116072302A

    公开(公告)日:2023-05-05

    申请号:CN202310129885.4

    申请日:2023-02-17

    摘要: 本发明公开了一种基于有偏随机森林模型的医疗不平衡数据分类方法,主要解决现有技术中分类模型对少数类识别精度不够、分类效率低及鲁棒性差的问题。其实现方案是:对原始医疗数据集依次进行混乱格式、缺失值填充、归一化的预处理;对预处理后的数据集进行K均值聚类欠采样,构建平衡数据集;利用投票法对两个子随机森林中的决策树组合,构建有偏随机森林分类模型;利用预处理后的数据集和K均值欠采样后的平衡数据集对有偏随机森林分类模型进行训练;将测试数据输入训练好的模型输出分类结果。本发明通过在训练阶段将采样策略应用到随机森林构建过程中,可提升不平衡医疗数据集中少数类的识别精度,提高分类效率,可用于为医疗疾病诊断提供依据。

    一种基于深度双相似性度量网络的小样本SAR目标识别方法

    公开(公告)号:CN115496987A

    公开(公告)日:2022-12-20

    申请号:CN202211198200.3

    申请日:2022-09-29

    摘要: 本发明公开了一种基于深度双相似性度量网络的小样本SAR目标识别方法,应用于SAR图像解译领域,以解决小样本条件下的SAR图像目标识别问题。首先,本发明以胶囊单运算为基本结构,构建一个可以挖掘高维特征信息的特征提取器。其次,本发明提出一种双相似性度量的融合策略,在深度特征空间中实现稳健的小样本目标类标签判定。最后,为了获得一个类内紧凑、类间分散的特征表征空间,本发明设计了一个混合损失函数用于模型端到端训练。本发明可在众多的小样本SAR图像目标识别任务场景中实现较高精度的目标识别,具有较好的泛化能力和鲁棒性。

    一种红外焦平面的具有衬底温度补偿的模数转换装置及方法

    公开(公告)号:CN112003617B

    公开(公告)日:2022-11-08

    申请号:CN202010886458.7

    申请日:2020-08-28

    IPC分类号: H03M1/06

    摘要: 本发明公开的红外焦平面的具有衬底温度补偿的模数转换装置包括:衬底温度获取校正模块和具有衬底温度补偿的比较器模块;具有衬底温度补偿的比较器模块包括比较器和电流型DAC;衬底温度获取校正模块获取红外焦平面阵列的衬底温度数据并基于衬底温度数据提取对应的相关校正参数;衬底温度获取校正模块将相关校正参数信号施加在电流型DAC上,电流型DAC基于相关校正参数信号调控比较器的尾电流进行衬底温度补偿;本方案基于比较器增设衬底温度获取校正模块,配合电流型DAC来实现比较器衬底温度的补偿,有效消除不同温度造成比较器翻转延迟不一致的问题,减小模数转换器的失调误差,提高装换装置的精度及信噪比,从而提高输出图像的均匀性。

    一种基于多任务表征学习的小样本SAR图像目标识别方法

    公开(公告)号:CN115187983A

    公开(公告)日:2022-10-14

    申请号:CN202210698464.9

    申请日:2022-06-20

    摘要: 本发明公开了一种基于多任务表征学习的小样本SAR图像目标识别方法,应用于SAR图像解译领域,以解决小样本条件下的SAR图像目标特征提取问题。首先,本发明构建以残差学习为基本架构的特征提取模型,采用形变卷积运算实现目标形态学特征提取,并基于注意力机制完成特征通道筛选;然后,采用多任务学习方式来提升特征提取模型的表征能力;最后,采用具有多任务表征学习能力的特征提取模型来提取小样本SAR图像目标特征,以拟合一个逻辑回归分类器,从而实现目标类别推理。本发明可在不同程度样本匮乏条件以及不同俯仰角条件下提升小样本SAR图像目标识别性能,具有较好的泛化能力和准确性。

    一种基于PCA和全局对比度的SAR目标检测方法

    公开(公告)号:CN110110618B

    公开(公告)日:2022-10-14

    申请号:CN201910323751.X

    申请日:2019-04-22

    摘要: 该发明公开了一种基于PCA和全局对比度的SAR目标检测方法,属于合成孔径雷达遥感技术目标检测领域,具体涉及利用主成分分析法和利用全局对比度想法结合的方法,生成SAR目标的显著图。本发明与传统的检测方法相比,采用超像素作为目标检测元,结合全局对比度的视觉注意模型,本发明可以取得更好的检测性能;本发明与传统的检测方法相比,检测所耗时间更短;本发明与传统的检测方法相比,在SAR图像中能更完整地保留目标原有形态。

    一种基于局部结构保持类子字典学习的目标识别方法

    公开(公告)号:CN110503015B

    公开(公告)日:2022-03-15

    申请号:CN201910734668.1

    申请日:2019-08-09

    摘要: 该发明公开了一种基于局部结构保持类子字典学习的目标识别方法,属于合成孔径雷达(SAR)图像解译领域,特别涉及一种基于局部结构保持的类字典学习方法,实现SAR自动目标识别。与传统的基于稀疏模式预设稀疏表征方法不同,本发明可以为每类目标学习一个鉴别能力强的类字典。在字典学习过程中,利用Tikhonov正则化准则对稀疏表征向量施加局部加权,从而可得到更优的稀疏特征。此外,考虑到SAR图像对目标姿态变化非常敏感,在测试阶段,样本可通过在每类类字典上进行重构,并将目标分配给重构误差最小的类字典对应的类标签。