“贾舒宜”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30个，建议您升级VIP下载更多相关专利

[发明专利]飞行员飞行模拟训练数据可用性智能识别方法及装置-CN202310828795.4在审
发明人：任利强;王海鹏;潘新龙;韩维;贾舒宜;万兵;宋山松;王翔;李超;张杨;柳昱 -专利权人：中国人民解放军海军航空大学
申请日： 2023-07-07 - 公布日： 2023-10-24 - 主分类号： G06V10/764 文献下载
摘要：本发明属于飞行训练数据智能处理技术领域，具体涉及一种飞行员飞行模拟训练数据可用性智能识别方法及装置。该方法包括：采集飞行模拟器记录的飞行员飞行训练原始数据，并进行数据预处理；将预处理后的飞行数据转换为二维飞行轨迹俯视图像数据，并进行图像预处理，构建训练数据集；构建用于飞行模拟训练数据可用性识别的深度神经网络模型；使用训练集对深度神经网络模型进行训练；使用测试集对训练好的模型进行评估；利用训练好的深度神经网络模型对新采集的飞行模拟训练数据进行可用性识别。本发明可以自动对飞行模拟训练数据的可用性进行有效分析和精确识别，为相关人员和下游业务提供可用的模拟训练数据，有助于提高飞行员训练的效率和质量。
飞行员飞行模拟训练数据可用性智能识别方法装置

[发明专利]基于径向加速度和速度差分信息的模型快速匹配滤波方法-CN202310536898.3在审
发明人： 贾舒宜;任利强;王海鹏;简涛;潘新龙;郭晨;唐田田 -专利权人：中国人民解放军海军航空大学
申请日： 2023-05-13 - 公布日： 2023-08-11 - 主分类号： G01S13/72 文献下载
摘要：本发明涉及一种基于径向加速度和速度差分信息的模型快速匹配滤波方法，适用于高/中脉冲重复频率雷达对机动目标的跟踪，属于雷达跟踪领域。本发明包括以下步骤：步骤1：在信号处理阶段获取目标径向加速度和径向速度估计值；步骤2：构建机动目标特征向量；步骤3：基于概率神经网络的机动模型快速匹配滤波方法。本发明基于雷达信号处理阶段基于压缩感知方法得到的目标径向速度和径向加速度信息，将其与残差信息构建机动目标特征向量，利用概率神经网络训练出运动模型决策矩阵，根据该矩阵实时匹配相应的目标运动模型，从而提高动态目标跟踪系统的自适应性能。
基于径向加速度速度信息模型快速匹配滤波方法

[发明专利]一种海上目标航迹智能仿真生成方法-CN202211120622.9在审
发明人：王海鹏;任利强;潘新龙;刘瑜;贾舒宜;郭晨;唐田田;孙顺;朱子强;简涛 -专利权人：中国人民解放军海军航空大学
申请日： 2022-09-15 - 公布日： 2023-06-23 - 主分类号： G06F30/27 文献下载
摘要：本发明提出了一种海上目标航迹智能仿真生成方法，该方法包括：采集目标的雷达航迹数据和对应的船舶自动识别系统AIS数据，并对数据进行预处理，分别转换为目标实际航迹图像和真实轨迹图像，裁剪为固定大小的配对子图像块，构建训练数据集，剩下的一部分配对子图像块构建测试数据集，使用训练数据集对构建的雷达航迹生成对抗网络模型进行训练，直至训练完成后，将真实轨迹图像的子图像块输入训练好的雷达航迹生成对抗网络模型中，生成逼真的合成航迹图像的子图像块，拼接后得到完整的合成目标航迹图像。本发明基于有监督条件生成对抗网络，构建生成网络模型，从而将容易获取的目标真实轨迹转换为具有真实误差分布的雷达航迹。
一种海上目标航迹智能仿真生成方法

[发明专利]一种海上非作战目标实时清洗方法及系统-CN202010770617.7有效
发明人：王海鹏;潘新龙;贾舒宜;刘颢;刘瑜;黄友澎;姚力波;唐田田;李雪腾;赵晓莲;李佳杰 -专利权人：中国人民解放军海军航空大学
申请日： 2020-08-04 - 公布日： 2023-06-02 - 主分类号： G06F16/215 文献下载
摘要：本发明公开了一种海上非作战目标实时清洗方法及系统。对历史数据库中的历史航迹数据进行处理，挖掘历史目标航迹的行为规律，筛选出目标海域内的固定目标(如岛屿、漂浮物)和规律航行的目标(包括规律航行的军用船只和民用船只)，对其进行分类存储；将筛选出的对进行战场态势分析影响较小的历史非作战目标(包括固定目标和规律航行的民用船只)航迹数据点与当前海战场环境下已更新的实时目标航迹数据点进行相似重复检测，若有实时目标航迹与历史非作战目标航迹是相似重复的，则该实时目标就是非作战目标。通过上述方法本发明能够实时、准确地检测出海上非作战目标。
一种海上作战目标实时清洗方法系统

[发明专利]部分均匀杂波加干扰下目标智能检测方法-CN202211498422.7在审
发明人：简涛;何佳;王海鹏;刘军;潘新龙;赵凌业;贾舒宜 -专利权人：中国人民解放军海军航空大学
申请日： 2022-11-28 - 公布日： 2023-05-12 - 主分类号： G01S7/02 文献下载
摘要：本发明隶属于宽带雷达信号处理领域，具体涉及一种部分均匀杂波加干扰下目标智能检测方法。采用部分均匀模型对杂波进行建模，即假定主数据和辅助数据的杂波协方差矩阵结构相同，但二者功率水平不同。采用两步检测器设计程序，基于Gradient检验准则构建具有闭合形式的部分均匀杂波加干扰下目标智能检测方法，以应对复杂外部干扰环境下的雷达距离扩展目标自适应检测问题。所构建的检测器既能保证CFAR特性，又能够满足距离扩展目标自适应检测算法的计算复杂度、智能抗干扰和失配鲁棒性等多方面需求，提升复杂干扰环境下多通道宽带雷达对弱小目标和失配目标的自适应检测性能。
部分均匀杂波加干扰目标智能检测方法

[发明专利]一种基于最大差异延展的航空发动机机械故障诊断方法-CN201811402517.8有效
发明人：张赟;李朋;贾舒宜 -专利权人：中国人民解放军海军航空大学
申请日： 2018-11-23 - 公布日： 2023-04-07 - 主分类号： G06F18/2413 文献下载
摘要：本发明公开了一种基于最大差异延展的航空发动机机械故障诊断方法，属于航空发动机故障诊断技术领域，其特点是采用最大差异延展算法对航空发动机机械故障振动采样数据进行非线性故障特征提取与识别，为利用非线性振动采样数据进行发动机机械故障诊断问题提供有效解决途径，提高航空发动机故障诊断的准确性。
一种基于最大差异延展航空发动机机械故障诊断方法

[发明专利]基于GCN的改进最近邻数据互联方法-CN202211157579.3在审
发明人：唐田田;孙顺;王海鹏;郭晨;任利强;贾舒宜;潘新龙;崔亚奇;孙炜炜;杨莉莉 -专利权人：中国人民解放军海军航空大学
申请日： 2022-09-22 - 公布日： 2022-12-30 - 主分类号： G06F16/901 文献下载
摘要：本发明公开了一种基于GCN的改进最近邻数据互联方法，包括以下步骤：步骤1.获取传感器量测值，每个传感器量测值对应一个节点建立图网络结构，多个传感器会对应得到多个图网络；步骤2.构建GCN预测模型，利用GCN预测模型提取图网络结构节点的特征信息；步骤3.基于GCN预测模型输出的节点特征计算节点距离；步骤4.以GCN预测模型输出的节点间的特征距离作为互联评价标准，求解互联结果。本发明主要解决了多传感器量测的深层特征提取问题，利用GCN从原始量测数据中自动学习量测间的深层特征信息和不变拓扑信息，改善了传统最近邻域法在密集杂波、随机误差、系统偏差场景下的数据互联效果。
基于 gcn 改进近邻数据方法

[发明专利]GNN框架下基于广义S维分配的多传感器数据互联方法-CN202211157580.6在审
发明人：唐田田;孙顺;王海鹏;郭晨;贾舒宜;任利强;潘新龙;崔亚奇;孙炜炜;杨莉莉 -专利权人：中国人民解放军海军航空大学
申请日： 2022-09-22 - 公布日： 2022-12-23 - 主分类号： G06F30/18 文献下载
摘要：本发明公开了GNN框架下基于广义S维分配的多传感器数据互联方法，包括以下步骤：获取传感器量测值，每个传感器量测值对应一个节点建立图网络结构，多个传感器会对应得到多个图网络结构；利用GNN模型提取节点的深层隐藏特征信息；利用广义S维分配互联算法进行最优化匹配，输出数据互联结果。基本形成了利用图神经网络进行数据互联算法的框架结构，有利于实现目标量测深层拓扑结构信息及其协方差矩阵的准确提取，优化量测间的组合分配问题，改善了在随机噪声、系统偏差条件下数据互联的性能，进一步提高广义S维分配算法数据关联的正确率。
gnn 框架基于广义分配传感器数据方法

[发明专利]一种基于生成对抗网络的时空图像序列数据增强方法-CN202211030068.5在审
发明人：王海鹏;任利强;刘瑜;潘新龙;贾舒宜;郭晨;唐田田;孙顺;简涛;朱子强 -专利权人：中国人民解放军海军航空大学
申请日： 2022-08-26 - 公布日： 2022-11-22 - 主分类号： G06V10/774 文献下载
摘要：本发明提出了一种基于生成对抗网络的时空图像序列数据增强方法，该方法为：首先对构建的任务训练数据集中真实图像数据和时空图像序列数据进行预处理；然后构建包含生成器和鉴别器的生成对抗网络模型，并创建生成对抗网络模型的损失函数；再使用预处理后的数据对生成对抗网络模型进行训练，获得训练好的生成对抗网络模型；最后将预处理后真实图像数据输入到训练好的生成对抗网络模型中取生成器网络中，生成时预处理后时空图像序列数据。本发明由图像数据生成保持时间一致性和空间一致性的逼真时空图像序列数据，解决受限于应用背景和获取成本等因素，真实数据严重不足的问题，并用于真实数据的替代或补充，推动相关领域算法研究和智能化发展。
一种基于生成对抗网络时空图像序列数据增强方法

[发明专利]基于RAV-NN的目标机动轨迹预测方法及系统-CN202210962890.9在审
发明人： 贾舒宜;王海鹏;王子玲;唐田田;潘新龙;郭晨;任利强 -专利权人：中国人民解放军海军航空大学
申请日： 2022-08-11 - 公布日： 2022-11-04 - 主分类号： G01S13/72 文献下载
摘要：本发明公开基于RAV‑NN的目标机动轨迹预测方法及系统，包括：获取目标机动的径向加速度估计值和径向速度估计值；构建目标运动模型和量测模型，将径向加速度估计值和径向速度估计值引入至量测模型，得到量测方程；计算动态反馈神经网络的输入特征向量；将输入特征向量输入至动态反馈神经网络中实时学习，并输出修正滤波估计值误差；采用修正误差补偿滤波估计值，得到目标的位置和速度信息。对机动目标跟踪效果好，明显提高了目标轨迹跟踪精度。
基于 rav nn 目标机动轨迹预测方法系统

[发明专利]基于深度迁移学习的雷达HRRP小样本目标识别预训练及微调方法-CN202110051026.9有效
发明人：郭晨;王海鹏;孙顺;潘新龙;郭强;刘颢;黄友澎;贾舒宜;唐田田;任利强 -专利权人：中国人民解放军海军航空大学
申请日： 2021-01-14 - 公布日： 2022-10-11 - 主分类号： G06K9/62 文献下载
摘要：本发明针对小样本条件下雷达目标HRRP识别难题，提出了基于深度迁移学习的雷达HRRP小样本目标识别预训练及微调方法。首先，设计了合适小样本目标的预训练模型，提出了一种可提高预训练模型泛化性能的损失函数，并用源域数据对预训练模型进行从头训练。在预训练模型的基础上，重新设置全连接层和输出层结构并初始化，构成微调模型。在微调过程中，为解决目标域数据集样本较少且类别不均衡导致识别性能不理想的问题，提出了一种可减少类别间样本不均衡引起的识别偏差并提高特征可分性的损失函数。在小样本条件下，与从头训练的卷积神经网络模型相比，所提方法在提高识别正确率的同时，提高了收敛速度和模型的稳定性。
基于深度迁移学习雷达 hrrp 样本目标识别训练微调方法

[发明专利]基于卷积自编码的雷达HRRP目标类别标注方法-CN202110051020.1有效
发明人：郭晨;王海鹏;孙顺;潘新龙;郭强;刘颢;黄友澎;贾舒宜;唐田田;任利强 -专利权人：中国人民解放军海军航空大学
申请日： 2021-01-14 - 公布日： 2022-08-30 - 主分类号： G06K9/62 文献下载
摘要：本发明针对海量HRRP样本人工判读效率低、准确率低的难题，提出了一种基于卷积自编码的雷达HRRP目标类别标注方法。该方法主要分为三个阶段，阶段一，构建卷积自编码，并利用全部HRRP样本训练卷积自编码至收敛。阶段二，将卷积自编码的编码器作为特征提取器构建卷积神经网络，利用有标签HRRP样本对卷积神经网络进行训练，得到初始标注模型。阶段三，对独热编码满足标注条件的无标签HRRP样本进行标注，并用其对标注模型进行参数更新，重复阶段三，直到满足条件的HRRP样本不再增加，得到最终的标注模型。与传统标注方法相比，该方法充分利用无标签HRRP样本信息，大大提高标注效率和准确率，解决了海量HRRP样本的标注难题。
基于卷积编码雷达 hrrp 目标类别标注方法

[发明专利]单回波内基于光纤延迟环的机动目标加速度的估计算法-CN201910666407.0有效
发明人： 贾舒宜;王海鹏;唐田田;谭顺成;郭强;刘传辉 -专利权人：中国人民解放军海军航空大学
申请日： 2019-07-23 - 公布日： 2022-07-08 - 主分类号： G01S13/58 文献下载
摘要：本发明涉及一种单回波内基于光纤延迟环的机动目标加速度的估计算法，其属于雷达信号处理技术领域。估算方法如下：利用环形波导对一个脉冲信号进行复制再生，得到不同延时后的信号波形，将信号波形与发射信号相乘处理得到至少一个相参回波，可等效延长回波脉冲的观测时间，通过新的回波脉冲序列估算出机动目标加速度。该算法能长时间地观测解读出目标信号的一切脉内特征，对于雷达接收到的单个回波脉冲，能使其在特定传输线中长时间传播并被采样，等效延长了回波脉冲的观测时间，消除了脉冲相参积累导致的脉内特征丢失问题，并且在估计目标径向加速度方面的实时性明显增强，提高目标参数的估计效率。
回波基于光纤延迟机动目标加速度估计算法

[发明专利]基于UT-PHD的多传感器序贯融合跟踪方法-CN201911041389.3有效
发明人：谭顺成;康勖萍;姜鹏;贾舒宜;王国宏 -专利权人：中国人民解放军海军航空大学
申请日： 2019-10-30 - 公布日： 2022-03-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于UT‑PHD的多传感器序贯融合跟踪方法，属于信息融合领域，适应于多传感器对多目标的融合跟踪。基于各自滤波再航迹关联和融合的方法存在量测信息利用不充分，统一坐标系时量测转换误差较大以及需要进行航迹关联等问题。本发明提出的基于UT‑PHD的多传感器序贯融合跟踪方法立足于解决此类问题。本发明通过不敏变换(UT)将各传感器量测转到ECEF坐标系，再利用PHD滤波器对各传感器量测进行序贯滤波，同时克服了各自滤波再航迹关联和融合的方法信息利用不充分、量测转换误差大以及需要进行航迹关联等局限性，因此具有较强的工程应用价值和推广前景。
基于 ut phd 传感器融合跟踪方法

[发明专利]一种群目标个数判别方法及系统-CN202011285623.X在审
发明人： 贾舒宜;张赟;王海鹏;刘传辉;唐田田;郭强;郭晨;任利强 -专利权人：中国人民解放军海军航空大学
申请日： 2020-11-17 - 公布日： 2021-03-19 - 主分类号： G01S7/41 文献下载
摘要：本发明涉及一种群目标个数判别方法及系统。所述方法包括获取群目标的回波信号；对所述回波信号进行混频处理；对所述混频处理后的回波信号进行分数阶傅里叶变换，形成数据集；根据所述数据集，采用密度聚类算法进行聚类，确定所述群目标的个数。本发明所提供的一种群目标个数判别方法及系统，解决现有群目标个数判别方法所需信号时长过大、受交叉项干扰的问题，提高目标个数判别的准确性。
种群目标个数判别方法系统

1
2
下一页»
尾页
共 30 条