“曲志昱”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果35个，建议您升级VIP下载更多相关专利

[发明专利]一种降低阵元互耦效应的改进型互质阵列设置方法-CN201910036688.1有效
发明人：司伟建;曾富红;曲志昱;彭占立;张春杰;侯长波;张朝柱;乔玉龙 -专利权人：哈尔滨工程大学
申请日： 2019-01-15 - 公布日： 2023-08-01 - 主分类号： G01S3/00 文献下载
摘要：本发明属于信号处理技术领域，具体涉及一种降低阵元互耦效应的改进型互质阵列设置方法。主要解决现有稀疏阵列阵元互耦大以及物理阵列孔径不够大的问题。其技术方案是：首先，根据给定的阵元数R确定与改进型互质阵列两子阵列阵元数相关的参数M及N；其次，根据M及N确定两均匀子阵列的阵元位置；最后，再在原点处添加一个阵元作为参考阵元。本发明可用于入射信源个数大于阵元数情况下的波达方向估计，并且能够减少阵元间的互耦效应，在不采用任何解耦算法的情况下仍具有良好的DOA估计性能。在相同阵元数下，本发明对应的改进型互质阵列具有更大的阵元间隔以及物理孔径，从而能够极大地降低阵元间的互耦，相比于传统的互质阵列具有更好的DOA估计性能。
一种降低阵元互耦效应改进型阵列设置方法

[发明专利]一种脉冲丢失混叠情况下的PRI抖动雷达信号分选方法-CN202011072664.0有效
发明人：张春杰;刘俞辰;司伟建;曲志昱;邓志安;侯长波;汲清波;张悦 -专利权人：哈尔滨工程大学
申请日： 2020-10-09 - 公布日： 2023-07-21 - 主分类号： G01S7/28 文献下载
摘要：本发明公开了一种脉冲丢失混叠情况下的PRI抖动雷达信号分选方法，能够在脉冲丢失混叠等情况下，分选抖动雷达信号，判断抖动信号抖动率，完成对抖动雷达信号的搜索与提取。本发明改进PRI交叠箱结构，利用多级箱结构提高脉冲丢失混叠情况下的抖动信号检测能力；通过对多级箱PRI变换结果以及箱内脉冲对个数曲线分析，实现对抖动信号抖动率进行判断，提升信号分析能力；结合PRI估计值与抖动率，利用相关性判断置信度，分情况提取脉冲序列，有效降低电磁空间复杂度。可证明该方法分选算法性能良好，易于工程实现。
一种脉冲丢失情况 pri 抖动雷达信号分选方法

[发明专利]一种基于TOA序列相关度的雷达信号处理方法-CN202310443247.X在审
发明人：周朔;曲志昱;李旭杰;李林杰;刘艺;牟海月 -专利权人：河海大学
申请日： 2023-04-21 - 公布日： 2023-06-23 - 主分类号： G01S7/02 文献下载
摘要：本发明公开了一种基于TOA序列相关度的雷达信号处理方法，包括：参数初始化；获取雷达信号脉冲描述字；采用网格法对雷达信号脉冲描述字进行网格划分；提取脉冲数量高于阈值的网格，并且遍历所有提取的网格，提取网格所包含的全部脉冲在TOA维度上的特征，并用TOA序列特征向量进行描述，得到每个网格对应的TOA序列特征向量；量化不同网格所提取到的TOA序列特征向量之间的相关度，得到对应的相关系数；进行网格合并聚类，输出雷达信号聚类结果。本发明方法在对多参数捷变的周期性扫描雷达进行聚类时具有很高的准确性，且不会被雷达的脉间调制方式所影响，另外面对多参数捷变雷达时，可以有效防止传统聚类算法容易产生增批结果的问题。
一种基于 toa 序列相关雷达信号处理方法

[发明专利]一种多分量雷达信号脉内调制方式识别方法-CN201910787759.1有效
发明人： 曲志昱;侯琛璠;侯长波;邓志安;司伟建 -专利权人：哈尔滨工程大学
申请日： 2019-08-26 - 公布日： 2022-12-13 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及深度学习的自动识别算法领域，具体涉及一种多分量雷达信号脉内调制方式识别方法。获取几种不同脉内调制方式的单分量或交叠多分量雷达信号的时频图像；利用图像处理算法，对雷达信号时频图像进行预处理，将雷达信号中包含的信号类型作为标签，制作训练集和测试集；设计基于卷积神经网络的预训练网络提取雷达信号时频图像特征，设计基于强化学习的多分量信号分类网络获取分类识别结果；训练、测试、完善网络结构和参数；实现多分量信号的分类识别。本发明所述的多分量雷达信号识别算法在低信噪比情况下，具有广泛的雷达信号类型适应范围和较高的识别准确率，实现了随机交叠多分量雷达信号的脉内调制方式识别。
一种分量雷达号脉调制方式识别方法

[发明专利]一种基于卷积神经网络的SAR图像的配准方法-CN201910951705.4有效
发明人：汲清波;曲志昱;赵雪;代冲;张涵 -专利权人：哈尔滨工程大学
申请日： 2019-10-09 - 公布日： 2022-12-13 - 主分类号： G06T7/33 文献下载
摘要：本发明涉及一种基于卷积神经网络的SAR图像的配准方法领域，所述方法包括如下步骤：获取SAR参考图像及待配准SAR实时图，其中实时图与参考图像为同一区域的两幅图像；对参考图像利用BNLMF滤波器算法降噪处理，并提取SIFT特征点，构造训练用数据集，训练AlexNet卷积网络，并得到网络模型；对待配准实时图利用BNLMF滤波器算法降噪，提取SIFT特征点，构造实时图的样本集；将实时图的样本集输入到训练好的AlexNet卷积网络模型中，预测匹配关系，获得初始匹配特征点对。本发明方法能够提升数据拟合的鲁棒性，抑制积累误差对数据造成进一步的干扰，从而实现对变换矩阵的稳健估计，有效提升配准精度。
一种基于卷积神经网络 sar 图像方法

[发明专利]尿沉渣中透明管型、病理管型以及粘液丝的识别方法-CN202011333284.8有效
发明人：汲清波;吴章伟;曲志昱 -专利权人：哈尔滨工程大学
申请日： 2020-11-25 - 公布日： 2022-11-15 - 主分类号： G06T7/00 文献下载
摘要：本发明尿沉渣中透明管型、病理管型以及粘液丝的识别方法，步骤1：收集分割后的尿液有形成分显微图片，按比例随机划分为训练集和测试集；步骤2：训练集数据的预处理；步骤3：构建urine_8Net尿液有形成分识别网络；步骤4：设置所用的网络参数；步骤5：训练基于步骤3所述urine_8Net尿液有形成分识别模型；步骤6：利用步骤1、2得到的尿沉渣图像测试集对所得模型进行测试，得到测试集中管型成分的识别结果及总体准确率。本发明能够自动提取图像特征，对选取的尿液有形成分进行有效的细粒度识别，具有准确率高，识别速度快的特点，在临床中的尿沉渣识别检验有着广阔的应用前景。
沉渣透明病理以及粘液识别方法

[发明专利]一种非负稀疏贝叶斯学习框架下的互质阵列非网格DOA估计方法-CN201811582959.5有效
发明人：司伟建;曾富红;曲志昱;彭占立;张春杰;侯长波;张朝柱;乔玉龙 -专利权人：哈尔滨工程大学
申请日： 2018-12-24 - 公布日： 2022-11-01 - 主分类号： G01S3/14 文献下载
摘要：一种非负稀疏贝叶斯学习框架下的互质阵列非网格DOA估计方法，属于信号处理中高分辨测向方法研究领域。本发明首先对互质阵列接收数据协方差矩阵进行向量化，构造虚拟接收信号模型，然后基于该模型中虚拟入射信号元素非负的特点构造非负稀疏贝叶斯模型，再通过期望最大化算法迭代更新超参数以及网格点集合，最后根据最终更新的网格点集合以及超参数构造信号功率谱，之后再通过谱峰搜索确定估计的DOA。本发明方法将运算过程由复数域转向实数域，从而在一定程度上能够降低计算复杂度。此外，互质阵列的应用可以实现欠定DOA估计，突破了阵元数对最大可估计信源数的限制，从而能够在一定程度上减少硬件成本，具有一定的工程应用价值。
一种稀疏贝叶斯学习框架阵列网格 doa 估计方法

[发明专利]基于FPGA的实对称矩阵的特征值分解的并行实现方法-CN201910504034.7有效
发明人：张春杰;郝英军;司伟建;邓志安;曲志昱;侯长波;汲清波;杨梦 -专利权人：哈尔滨工程大学
申请日： 2019-06-12 - 公布日： 2022-10-28 - 主分类号： G06F17/16 文献下载
摘要：本发明属于阵列信号处理领域，具体涉及基于FPGA的实对称矩阵的特征值分解的并行实现方法。具体实现步骤如下：根据阵元数目构建特征值分解的脉动阵列结构，设定所需的处理单元；对接收的阵元信号进行预处理；求解旋转角度并将其转换为角度值；查表得到对应的正弦值和余弦值；更新矩阵元素和特征向量；判断是否达到要求迭代次数；若未达到，在阵列结构中交换矩阵元素为下次迭代做准备；判断是否需要改变处理单元内部的输入输出顺序；若是，则改变输入输出数据的顺序。本方法通过处理单元之间数据的传递以及处理单元内部的数据顺序的转换，提高了迭代效率而且运算速度快，应用前景广阔。
基于 fpga 对称矩阵特征值分解并行实现方法

[发明专利]一种基于主动增量式微调的雷达信号调制方式识别方法-CN202110388521.9有效
发明人： 曲志昱;许翎靖;王文洋;司伟建;邓志安;侯长波;汲清波;张春杰 -专利权人：哈尔滨工程大学
申请日： 2021-04-12 - 公布日： 2022-10-28 - 主分类号： G06K9/00 文献下载
摘要：本发明属于雷达信号脉内调制类型识别技术领域，具体涉及一种基于主动增量式微调的雷达信号调制方式识别方法。本发明首先将截获的雷达信号进行时频分布处理，得到二维时频图像；接着调整时频图像大小并进行幅度归一化处理；在训练阶段，采用基于池的抽样场景，将雷达信号时频图像样本逐组放入手写识别训练过的预训练模型中，输出其对应各类型的概率，由熵的不确定性抽样策略，寻找有价值的样本进行专家标注，扩大已标注的雷达信号数据集，通过该数据集更新当前网络所有层的参数；识别阶段，将未知雷达信号时频图像放入该网络中，输出层输出最终识别类型。本发明在低信噪比条件下识别率高，大幅度节省不必要的标注成本，具有良好应用前景。
一种基于主动增量式微雷达信号调制方式识别方法

[发明专利]一种基于稠密卷积神经网络的LPI雷达信号分类方法-CN202010461186.6有效
发明人：司伟建;万晨霞;曲志昱;张春杰;侯长波 -专利权人：哈尔滨工程大学
申请日： 2020-05-27 - 公布日： 2022-08-02 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于稠密卷积神经网络的LPI雷达信号分类方法，首先制作数据集，获取几种不同脉内调制方式的LPI雷达信号，对雷达信号进行时频分布处理，得到时频图像；采用图像处理技术，对时频图像进行预处理。然后构建一种基于稠密卷积神经网络的特征提取与分类方法。为了加快和优化所提模型的学习效率，采用迁移学习对网络模型进行预训练，利用Adam算法对网络参数进行优化训练。最后采用SoftMax分类器准确获得8个LPI雷达信号分类结果。本发明提出利用稠密卷积神经网络，能更充分提取雷达信号特征，加强特征重利用，从而提高雷达波形在低信噪比下的识别性能，可用于复杂电磁环境下的雷达信号识别。
一种基于稠密卷积神经网络 lpi 雷达信号分类方法

[发明专利]一种基于空-时信息的降冗余嵌套阵列设置方法-CN201910268474.7有效
发明人：司伟建;彭占立;曲志昱;曾富红;张春杰;侯长波;张朝柱;乔玉龙 -专利权人：哈尔滨工程大学
申请日： 2019-04-04 - 公布日： 2022-08-02 - 主分类号： G01S3/14 文献下载
摘要：本发明提供的是一种基于空‑时信息的降冗余嵌套阵列设置方法。首先给定总阵元数N，得到原始嵌套阵列及其两个子阵阵元数N1和N2；然后利用原始嵌套阵列接收数据的空‑时特性求不同阵元接收数据的互相关函数以得到等效数据模型，从而对原始嵌套阵列进行降冗余分析得到降冗余嵌套阵列；接着根据原始嵌套阵列与降冗余嵌套阵列关系得到索引集；最后根据索引集得到虚拟阵列用于波达方向估计。本发明主要解决原始嵌套阵列的虚拟阵列仅由差集构造，从而导致虚拟阵列自由度提升有限的问题。本发明提出的降冗余嵌套阵列与原始嵌套阵列相比，具有物理阵列孔径增加、虚拟阵列自由度高且虚拟阵列连续的优点，可实现更优的欠定波达方向估计。
一种基于信息冗余嵌套阵列设置方法

[发明专利]基于非圆信号的多重孔径嵌套阵列设置及DOA估计方法-CN201910377716.6有效
发明人：司伟建;彭占立;曲志昱;曾富红;张春杰;侯长波;张朝柱;乔玉龙 -专利权人：哈尔滨工程大学
申请日： 2019-05-05 - 公布日： 2022-08-02 - 主分类号： G01S3/14 文献下载
摘要：本发明听的是一种基于非圆信号的多重孔径嵌套阵列设置及DOA估计方法。首先根据总阵元数N得到原始嵌套阵列两子阵阵元数N1和N2及阵列结构；然后基于嵌套阵列两子阵对应关系得到各自的偏移量l1和l2；接着根据阵列接收非圆信号及虚拟阵列的特点设计连续虚拟阵列自由度最大的多种物理阵列摆放形式；最后根据实际需求取其中一种用于非圆信号欠定波达方向估计。本发明提出的非圆信号阵列设置与现有嵌套阵列相比，具有阵列摆放灵活和孔径多变但连续虚拟阵列自由度固定且有效提高的优点，可实现高性能的非圆信号欠定波达方向估计。
基于信号多重孔径嵌套阵列设置 doa 估计方法

[发明专利]一种基于深度学习的尿沉渣图像识别系统及方法-CN201910615378.5有效
发明人：汲清波;曲志昱;李逊 -专利权人：哈尔滨工程大学
申请日： 2019-07-09 - 公布日： 2022-06-17 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及医学图像处理领域，具体涉及一种基于深度学习的尿沉渣图像识别系统及方法。图像采集模块对尿液样本采集得到原始图像；图像分割模块对原始图像进行分割处理，得到分割好的尿沉渣成分图像；基于深度学习的图像识别模块对分割好的尿沉渣成分图像进行识别，整合三个网络模型的识别结果，得到基于深度学习的图像识别模块的输出；计数模块对输出结果进行统计处理，得到定量的医学指标参考；系统输出为基于深度学习的图像识别模块的结果和计数模块的结果。本发明可以自动实现端到端的特征提取与分类，有效提取出尿沉渣有形成分中难以被肉眼发现的微小特征，从而高质量地解决11种尿沉渣成分的复杂分类问题，具有很强的医学应用价值。
一种基于深度学习沉渣图像识别系统方法

[发明专利]一种基于深度卷积神经网络与特征融合的雷达信号分类方法-CN202011121979.X有效
发明人：司伟建;万晨霞;张春杰;曲志昱;邓志安;汲清波;骆家冀 -专利权人：哈尔滨工程大学
申请日： 2020-10-20 - 公布日： 2022-05-31 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于深度卷积神经网络与特征融合的雷达信号分类方法，将雷达信号转换为时频图像；采用图像处理方法对时频图像进行预处理，并分别制作为数据集1和数据集2；利用两个改进的EfficientNet模型分别提取为数据集1和数据集2更有效的特征；设计一种多特征融合模型，充分利用不同特征之间的关系，对提取数据集1和数据集2的特征进行融合；采用Adam算法对网络参数进行优化；利用SoftMax分类器获取分类结果。本发明能更充分提取雷达信号特征，从而提高雷达信号在低信噪比环境下的识别性能，可用于复杂电磁环境下的雷达信号识别等电子对抗中。
一种基于深度卷积神经网络特征融合雷达信号分类方法

[发明专利]一种基于平移互质阵列的非圆信号波达方向估计方法-CN201910268459.2有效
发明人：司伟建;曾富红;曲志昱;彭占立;张春杰;侯长波;张朝柱;乔玉龙 -专利权人：哈尔滨工程大学
申请日： 2019-04-04 - 公布日： 2022-05-20 - 主分类号： G01S3/14 文献下载
摘要：本发明提供的是一种基于平移互质阵列的非圆信号波达方向估计方法。平移传统互质阵列得到平移互质阵列得平移互质阵列接收数据，得到扩展接收数据矢量，求该扩展接收数据矢量的协方差矩阵，向量化该协方差矩阵得到虚拟接收信号模型，对虚拟接收信号矢量进行去重排序操作后得到一个新的对应于虚拟均匀线阵的虚拟接收信号模型，取此时的虚拟接收矢量中的元素形成所需的埃尔米特矩阵即等价的协方差矩阵，对等价的协方差矩阵进行特征值分解得到噪声子空间，构造空间谱，谱峰处所对应的角度即为估计的入射信号的DOA。本发明的平移互质阵列与传统互质阵列相比，具有更大的虚拟阵列孔径以及虚拟连续自由度，可估计信源数更多，具有更优的DOA估计性能。
一种基于平移阵列信号方向估计方法

1
2
3
下一页»
尾页
共 35 条