-
公开(公告)号：CN118506140A
公开(公告)日：2024-08-16
申请号：CN202410598797.3
申请日：2024-05-15
申请人： 西安电子科技大学昆山创新研究院 , 苏州盖德光电科技有限公司
IPC分类号： G06V10/80 , G06V10/25 , G06V10/764 , G06V10/82 , G06T7/73
摘要： 基于锚框位置引导和细节增强的多尺度目标检测方法，包括以下步骤：步骤1，获取测试样本集A和训练样本集B；用于锚框位置引导和细节增强的多尺度目标检测网络S的训练和基于锚框位置引导和细节增强的多尺度目标检测网络S*的测试；步骤2，构建锚框位置引导和细节增强的多尺度目标检测网络模型S，用于获取训练好的基于锚框位置引导和细节增强的多尺度目标检测网络S*；步骤3，对锚框位置引导和细节增强的多尺度目标检测网络模型S进行迭代训练，得到训练好的锚框位置引导和细节增强的多尺度目标检测网络模型S*；步骤4，获取多尺度目标检测网络结果：本发明用于解决现有技术在高分辨率特征图上密集布置锚框检测小目标带来的算力空耗问题。
-
公开(公告)号：CN111190050B
公开(公告)日：2021-04-27
申请号：CN202010018036.8
申请日：2020-01-08
申请人： 西安电子科技大学
IPC分类号： G01R23/167 , G01R29/08
摘要： 本发明公开一种基于现场可编程门阵列FPGA的电磁信号干扰检测系统及方法，该系统包括信号处理模块、载频计算模块、信号采集模块和信号判决模块。该方法的步骤包括：(1)将采集到的数组分割成多帧数据序列；(2)计算每帧数据序列的频谱序列；(3)获取多帧频谱序列的功率谱均值序列；(4)将功率谱均值序列分段，求出检验统计量；(5)计算第一门限值，判断有无电磁信号干扰；(6)利用载频公式计算待检测干扰信号的载频。本发明具有对超宽带信号进行检测，系统集成度高，能够检测出低能量干扰信号等优点。
-
公开(公告)号：CN105678261B
公开(公告)日：2019-03-26
申请号：CN201610008366.2
申请日：2016-01-07
申请人： 西安电子科技大学
摘要： 本发明公开了一种直推式局部保持投影数据降维方法，主要解决现有基于半监督学习的数据降维方法仅利用欧氏距离进行构图，识别结果不理想的问题。其实现步骤是：(1)输入数据并归一化；(2)计算归一化后的原始矩阵及类标向量；(3)由原始数据计算第一拉普拉斯矩阵L；(4)由类标向量计算第二拉普拉斯矩阵Ll；(5)由第一拉普拉斯矩阵L和第二拉普拉斯矩阵Ll计算相似度矩阵S；(6)由类标向量计算样本的类间权重矩阵Wc；(7)由相似度矩阵S和类间权重矩阵Wc构建广义特征值公式并求解，得到投影矩阵E；(8)由投影矩阵E计算出降维后的样本。本发明能有效地对数据进行特征提取与降维，提高了数据分类识别的准确率，可用于数据与图像处理。
-
公开(公告)号：CN103968933B
公开(公告)日：2016-08-17
申请号：CN201410140433.7
申请日：2014-04-09
申请人： 西安电子科技大学
IPC分类号： G01H9/00
摘要： 本发明提出了一种基于模糊域特征的光纤振动信号识别方法，主要解决现有识别方法在采样率较低且入侵事件较为类似情况下识别率较低的问题。其实现步骤是：(1)对光纤振动信号进行小波降噪；(2)对降噪后信号进行去均值与能量归一化处理；(3)计算归一化信号模糊函数，对模糊函数进行切片作为模糊域特征；(4)对切片进行降维，构造信号特征集；(5)将信号特征集随机划分训练集与测试集；(6)使用训练集对SVM分类器进行训练；(7)使用训练后的SVM分类器对测试集进行分类。本发明有效地提取了光纤振动信号的模糊域特征，与现有技术对比具有识别率高，适应性广的优点，可用于光纤周界安防系统的信号处理分系统。
-
公开(公告)号：CN103400370A
公开(公告)日：2013-11-20
申请号：CN201310279641.0
申请日：2013-06-25
申请人： 西安电子科技大学
IPC分类号： G06T7/00
摘要： 本发明提出了一种基于势函数的自适应模糊C均值图像分割方法，主要解决现有模糊C均值分割方法需要预先设置分类数目、分割效率低的问题。其实现步骤是：(1)输入待分割图像；(2)获取待分割图像直方图势函数与最大势剩余高度；(3)获取待分割图像直方图c阶剩余势函数；(4)合并伪势；(5)获取待分割图像的聚类中心与分类数目；(6)将待分割图像的像素点模糊分类；(7)输出图像分割结果。本发明具有能自适应获得图像最优分类数目、分割效率高、分割结果区域一致性强、边缘平滑等优点，能够有效地对自然灰度图像和红外图像进行分割，可用于目标识别与跟踪。
-
公开(公告)号：CN118314882A
公开(公告)日：2024-07-09
申请号：CN202410576433.5
申请日：2024-05-10
申请人： 西安电子科技大学昆山创新研究院 , 昆山完全时刻数字科技有限公司
摘要： 本发明公开了一种基于可解译深度学习的语音识别方法，S1，截获语音通信时域信号，进行短时傅里叶变换预处理得到语音信号变换域特征图；S2，构建卷积神经网络模型，使用LeNet‑5作为分类器；S3，将语音信号变换特征图V作为卷积神经网络输入；S4，将Vtr和Ltr输入构建的卷积神经网络network1，用前向和反向传播训练网络，使用的损失函数为交叉熵损失函数，获得训练后的网络network1；S5，计算网络network1分类结果，生成特征图S1；S6,将语音信号特征图S1作为新特征输入卷积神经网络network2，进行第二次训练并识别分类，计算识别率。本发明提供了一种基于可解译深度学习的语音识别方法，可以极大地加强语音信号的轻微类内差异，得到更高的识别精度，并提供解释神经卷积网络的可能性。
-
公开(公告)号：CN104749432B
公开(公告)日：2017-06-16
申请号：CN201510107597.4
申请日：2015-03-12
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于聚焦S变换的多分量非平稳信号瞬时频率估计方法，主要解决现有技术的能量聚集性不高、时频分辨率无法灵活调整且无法实现高精度的多分量信号瞬时频率估计问题，其实现步骤：1.输入待分析的非平稳信号；2.根据聚集性准则优化聚焦S变换中窗函数的控制参数；3.计算优化后的聚焦S变换并获得信号时频分布能量图；4.对非平稳信号的时频分布能量图进行二值化处理；5.根据二值化处理后的二值化时频图得到信号的瞬时频率估计。本发明通过改进S变换的窗函数，实现了窗函数控制参数的自适应调节，提高了时频分布能量聚集性和瞬时频率估计精准性，可用于雷达截获、通信对抗、语音识别、医学脑电波信号分析。
-
公开(公告)号：CN104749432A
公开(公告)日：2015-07-01
申请号：CN201510107597.4
申请日：2015-03-12
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于聚焦S变换的多分量非平稳信号瞬时频率估计方法，主要解决现有技术的能量聚集性不高、时频分辨率无法灵活调整且无法实现高精度的多分量信号瞬时频率估计问题，其实现步骤：1.输入待分析的非平稳信号；2.根据聚集性准则优化聚焦S变换中窗函数的控制参数；3.计算优化后的聚焦S变换并获得信号时频分布能量图；4.对非平稳信号的时频分布能量图进行二值化处理；5.根据二值化处理后的二值化时频图得到信号的瞬时频率估计。本发明通过改进S变换的窗函数，实现了窗函数控制参数的自适应调节，提高了时频分布能量聚集性和瞬时频率估计精准性，可用于雷达截获、通信对抗、语音识别、医学脑电波信号分析。
-
公开(公告)号：CN104181509A
公开(公告)日：2014-12-03
申请号：CN201410438274.9
申请日：2014-08-31
申请人： 西安电子科技大学
IPC分类号： G01S7/02
CPC分类号： G01S13/88
摘要： 本发明公开了一种基于跳频和多相交替码的非相干散射雷达信号处理方法，主要解决现有非相干散射雷达高度分辨率低、探测周期长、编码方式有限的问题。其技术方案是将多相交替码的各组编码分别用不同频率调制，生成按顺序无时隙排列的雷达脉冲，通过雷达发射机发射出去；对雷达回波信号按发射时的调制频率分别进行滤波，得到每组多相交替码对应于同一高度范围的探测数据，对每组编码回波信号分别进行后检测滤波，计算自相关函数，并进行多周期积累和模糊修正，进而计算出电离层散射信号的功率谱密度。本发明能提高雷达高度分辨率、减少雷达探测周期、扩展信号编码方式，可用于电离层探测。
-
公开(公告)号：CN105678261A
公开(公告)日：2016-06-15
申请号：CN201610008366.2
申请日：2016-01-07
申请人： 西安电子科技大学
CPC分类号： G06K9/00288 , G06K9/6274
摘要： 本发明公开了一种直推式局部保持投影数据降维方法，主要解决现有基于半监督学习的数据降维方法仅利用欧氏距离进行构图，识别结果不理想的问题。其实现步骤是：(1)输入数据并归一化；(2)计算归一化后的原始矩阵及类标向量；(3)由原始数据计算第一拉普拉斯矩阵L；(4)由类标向量计算第二拉普拉斯矩阵Ll；(5)由第一拉普拉斯矩阵L和第二拉普拉斯矩阵Ll计算相似度矩阵S；(6)由类标向量计算样本的类间权重矩阵Wc；(7)由相似度矩阵S和类间权重矩阵Wc构建广义特征值公式并求解，得到投影矩阵E；(8)由投影矩阵E计算出降维后的样本。本发明能有效地对数据进行特征提取与降维，提高了数据分类识别的准确率，可用于数据与图像处理。
-
-
-
-
-
-
-
-
-
搜索结果
22 条记录 (耗时 0.031 秒)