-
公开(公告)号：CN109521399B
公开(公告)日：2022-12-06
申请号：CN201811640505.9
申请日：2018-12-29
Applicant: 西安电子科技大学
IPC: G01S5/28
Abstract: 本发明提出了一种定位控制器的室内定位装置及方法，属于定位检测技术领域，旨在提高定位控制器的定位精度，实现方法为：定位解算器产生定位开始命令和时间基准信号并发送；定位控制器产生超声波信号并发射；四个超声波接收器各自获取超声波的飞行时间ti并发送；定位解算器计算每个超声波接收器距离超声波发射头之间的模糊距离Ri；定位解算器对每个超声波接收器距离超声波发射头之间的模糊距离Ri进行修正；定位解算器计算定位控制器的中心位置。本发明的定位精度高，可用于对室内的移动物体进行实时定位。
-
公开(公告)号：CN113865872A
公开(公告)日：2021-12-31
申请号：CN202111295295.6
申请日：2021-11-03
Applicant: 西安电子科技大学
IPC: G01M13/045 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于小波包重构成像和CNN的轴承故障诊断方法，其步骤为：对每个通道样本集的每个轴承振动时域信号计算其小波包重构信号并做短时傅里叶变换，得到所有振动时域信号的时频谱图像作为每个通道的训练集；构建并训练深浅层特征融合CNN网络；将每个传感器采集的待检测的轴承振动时域信号的时频谱图输入到利用该通道训练集训练好的深浅层特征融合CNN网络中，输出故障类型。本发明对轴承振动时域信号的处理，消除了振动时域信号采集过程中干扰分量的影响，构建的深浅层特征融合CNN网络能够学习更丰富的故障特征信息，有效的提高了对转速变化的轴承故障诊断正确率。
-
公开(公告)号：CN113432876A
公开(公告)日：2021-09-24
申请号：CN202110703469.1
申请日：2021-06-24
Applicant: 西安电子科技大学
IPC: G01M13/045 , G06F17/15 , G06F17/16
Abstract: 本发明提出了一种基于共轭梯度法的航发主轴轴承信号盲提取方法，属于旋转机械智能故障诊断技术领域，实现步骤为：获取航空发动机主轴滚动轴承的混合振动时域信号；计算故障特征频率及时延；基于典型相关性分析CCA准则构造盲提取代价函数；基于共轭梯度法对盲提取代价函数进行优化，得到最优盲提取向量；利用最优盲提取向量获取航空发动机主轴滚动轴承故障信号的盲提取结果。本发明采用了基于CCA准则的盲提取代价函数提取轴承故障信号，并采用共轭梯度法对盲提取代价函数进行优化，在保证轴承故障信号盲提取的精度的前提下，有效提高了信号盲提取的效率和鲁棒性。
-
公开(公告)号：CN108363049A
公开(公告)日：2018-08-03
申请号：CN201810193338.1
申请日：2018-03-09
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了非平稳噪声下相干信源MIMO雷达角度估计方法，所述非平稳噪声下相干信源MIMO雷达角度估计方法，具体步骤包括：1、系统初始化；2、获取MIMO雷达匹配滤波处理的信号数据，计算出信号协方差矩阵；3、利用常规子空间算法实现非相干类信源的角度估计；4、构造为新的Toeplitz矩阵；5、剔除非相干信源，得到相干信源的协方差矩阵；6、利用m-Capon算法对相干信源角度估计，估计出目标的波达方向；7、估计出目标的波离方向。本发明实现了对相干信源的角度估计。
-
公开(公告)号：CN105446941B
公开(公告)日：2018-03-06
申请号：CN201510764628.3
申请日：2015-11-11
Applicant: 西安电子科技大学
IPC: G06F17/16
Abstract: 本发明公开了一种基于联合零对角化的时频域盲信号分离方法，解决了现有方法无法分离统计相关源信号的问题以及计算复杂度高、易收敛到退化解的问题。本发明的步骤为：(1)获取观测信号；(2)获得观测信号向量的时频分布矩阵；(3)构造待估计的目标矩阵集合；(4)使用乘积型联合零对角化方法估计分离矩阵；(5)从观测信号中分离源信号。本发明相比现有盲信号分离方法，具有更低的复杂度，而且不会收敛到退化解，此外，本发明不仅可以用于传统的独立或不相关源信号盲分离，而且还可以处理相关源信号的盲分离问题。本发明可用于确定性信号的瞬时混合盲分离以及统计相关源信号瞬时混合的盲分离。
-
Patent Agency Ranking
公开(公告)号：CN106950553A
公开(公告)日：2017-07-14
申请号：CN201710137090.2
申请日：2017-03-09
Applicant: 西安电子科技大学
IPC: G01S7/41
CPC classification number: G01S7/414
Abstract: 本发明涉及MIMO雷达(多输入多输出雷达)超分辨测向算法领域，公开色噪声背景下相干信源的MIMO雷达超分辨测向算法，具体提出了一种改进的空间差分平滑(ISDS)算法，并且在ISDS算法的基础上，又提出了一种基于传播算子的快速算法，即PM‑ISDS算法。理论分析及仿真表明所提算法具有很强的色噪声抑制能力，估计性能优于常规的空间平滑算法，具有较好的阵元节省、信源过载能力，并且不必进行特征值分解，运算量较小。
-
公开(公告)号：CN106382912A
公开(公告)日：2017-02-08
申请号：CN201610693444.7
申请日：2016-08-19
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于双传感器的刷牙角度检测装置及方法，用于解决现有技术中存在的检测准确率低的技术问题，检测装置包括牙刷、牙刷面传感器、角度处理器、牙齿模型和牙齿面传感器，牙刷面传感器安装在刷头腔体内，角度处理器安装在刷柄腔体内，牙齿面传感器安装在牙齿模型的腔体内，牙刷面传感器和牙齿面传感器分别与角度处理器相连；检测方法包括：牙刷面传感器对重力加速度沿其安装平面所在空间直角坐标系的三轴分量进行测量；牙齿面传感器对重力加速度沿其安装平面所在空间直角坐标系的三轴分量进行测量；角度处理器对牙刷面传感器输出的测量结果和牙齿面传感器输出的测量结果进行处理，得到刷牙角度。本发明可用于口腔教学领域。
-
公开(公告)号：CN119964006A
公开(公告)日：2025-05-09
申请号：CN202510077778.0
申请日：2025-01-17
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/20 , G06V10/42 , G06N3/0455 , G06V10/764
Abstract: 本发明提出了一种基于张量分解与自注意力机制的遥感图像变化检测方法，主要解决现有检测技术对于复杂地物变化分类效果不佳的问题。方案包括：1)对输入影像进行预处理，得到三通道影像数据；2)构建张量神经网络与Transformer相结合的检测模型，将三通道影像数据作为模型输入；3)利用张量神经网络保留图像的空间结构信息并降低计算量，自注意力机制全面捕捉全局特征，增强变化检测的准确性和鲁棒性；4)对模型进行迭代训练实现优化；5)通过分类器对优化后模型得到的全局特征张量进行像素级分类，生成变化检测图。本发明能够在不增加显著计算开销的情况下提高变化检测的精度和效率，适用于高分辨率遥感图像的变化检测任务。
-
公开(公告)号：CN119105023B
公开(公告)日：2025-03-04
申请号：CN202411586495.0
申请日：2024-11-08
Applicant: 西安电子科技大学
IPC: G01S13/72
Abstract: 本发明涉及一种单波束多目标跟踪方法、装置、电子设备及存储介质，该方法包括：获取多个量测目标的得分；将多个量测目标中得分最高的量测目标作为重要目标，其他的量测目标作为一般目标；根据一般目标在雷达的波束安排时刻对应的预测位置的第一径向距离与重要目标的第二径向距离判断一般目标是否与重要目标的跟踪波门分离；当一般目标与重要目标的跟踪波门分离，且一般目标不在雷达的其他跟踪波门内，且所述雷达的剩余跟踪资源高于或等于资源阈值时，利用剩余跟踪资源对分离的一般目标进行单独跟踪。通过上述技术方案，根据量测目标得分提出波束请求，并覆盖一般目标，完成单波束跟踪多目标，增加雷达目标跟踪容量，提升雷达资源利用率。
-
公开(公告)号：CN119105023A
公开(公告)日：2024-12-10
申请号：CN202411586495.0
申请日：2024-11-08
Applicant: 西安电子科技大学
IPC: G01S13/72
Abstract: 本发明涉及一种单波束多目标跟踪方法、装置、电子设备及存储介质，该方法包括：获取多个量测目标的得分；将多个量测目标中得分最高的量测目标作为重要目标，其他的量测目标作为一般目标；根据一般目标在雷达的波束安排时刻对应的预测位置的第一径向距离与重要目标的第二径向距离判断一般目标是否与重要目标的跟踪波门分离；当一般目标与重要目标的跟踪波门分离，且一般目标不在雷达的其他跟踪波门内，且所述雷达的剩余跟踪资源高于或等于资源阈值时，利用剩余跟踪资源对分离的一般目标进行单独跟踪。通过上述技术方案，根据量测目标得分提出波束请求，并覆盖一般目标，完成单波束跟踪多目标，增加雷达目标跟踪容量，提升雷达资源利用率。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.028 seconds)
