“严俊坤”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42个，建议您升级VIP下载更多相关专利

[发明专利]反馈信息辅助基于加权原子范数的贝叶斯DOA估计方法及装置-CN202310780523.1在审
发明人：贾天一;闫振兴;刘宏伟;苏洪涛;崔爽;高畅;严俊坤 -专利权人：西安电子科技大学
申请日： 2023-06-28 - 公布日： 2023-10-27 - 主分类号： G01S3/14 文献下载
摘要：本发明公开了一种反馈信息辅助基于加权原子范数的贝叶斯DOA估计方法及装置，该方法包括：获取融合中心的目标跟踪器的输出信息，并根据输出信息计算各个目标的预测波达方向DOA；根据预测DOA，分别构建每个目标的DOA估计值的先验区间；利用先验区间和原子范数算法，计算得到各个目标的DOA估计值。本发明通将先验知识即每个目标DOA估计值的先验区间转化为半正定约束，进而利用原子范数最小化的无网格稀疏方法进行DOA估计。本发明结合阵列观测数据和先验信息，能够在获得高分辨率DOA估计值的同时降低计算成本。
反馈信息辅助基于加权原子范数贝叶斯 doa 估计方法装置

[发明专利]一种分布式辐射源定位方法-CN202310348174.6在审
发明人： 严俊坤;张泽慧;蒲文强;周睿;纠博;刘宏伟 -专利权人：西安电子科技大学
申请日： 2023-04-03 - 公布日： 2023-08-01 - 主分类号： G01S5/02 文献下载
摘要：本发明公开了一种分布式辐射源定位方法，包括：接收各传感器节点发送的接收数据；所述接收数据由各传感器节点基于辐射源信号和信号接收模型生成；针对预设搜索空间中划分的每一网格，对各个感知节点的接收数据进行时延补偿，得到同步数据；利用最大似然估计算法分别计算所述同步数据在H0假设下的协方差矩阵U以及在H1假设下的协方差矩阵V；根据所述协方差矩阵U和所述协方差矩阵V，计算预设搜索空间中每一网格对应的似然比检验统计量；遍历预设搜索空间中的每一网格后，确定所有似然比检验统计量的峰值，并根据该峰值获取所述辐射源的定位结果。
一种分布式辐射源定位方法

[发明专利]基于信号结构信息的窄带雷达目标检测方法-CN202110693875.4有效
发明人：刘宏伟;高畅;纠博;严俊坤 -专利权人：西安电子科技大学
申请日： 2021-06-22 - 公布日： 2023-06-30 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种基于信号结构信息的窄带雷达目标检测方法，主要解决窄带雷达目标检测因信息利用不足造成检测性能下降的问题。其实现方案是：1)利用目标存在和不存在时的窄带雷达回波，构建训练数据集；2)构建全卷积神经网络并将交叉熵损失函数设置为其代价函数；3)根据训练数据集和代价函数，使用最小批梯度下降法迭代训练全卷积神经网络；4)将待检测单元回波输入到训练好的全卷积神经网络，得到目标的检测结果。本发明通过全卷积神经网络提取目标回波信号的结构信息，能够获得在不同虚警概率的条件下，对不同信噪比目标更高的检测概率，可用于情报雷达、预警雷达中不同信噪比目标的检测。
基于信号结构信息窄带雷达目标检测方法

[发明专利]一种基于目标成像先验的雷达回波数据压缩方法-CN202310231716.1在审
发明人：陈怡君;严俊坤;刘宏伟 -专利权人：西安电子科技大学
申请日： 2023-03-10 - 公布日： 2023-06-06 - 主分类号： G01S13/89 文献下载
摘要：本发明公开了一种基于目标成像先验的雷达回波数据压缩方法，包括：步骤一，获取雷达的原始回波信号，基于SF信号、所述原始回波信号、参考信号和观测矩阵建立目标降维观测模型；步骤二，根据所述目标降维观测模型和观测矩阵建立观测矩阵与成像性能联合优化模型；步骤三，根据所述观测矩阵与成像性能联合优化模型对观测矩阵和目标高分辨距离像进行迭代求解得到最优观测矩阵和压缩数据。本发明提高数据压缩效率同时获得目标高分辨成像结果，提高了雷达数据压缩性能。
一种基于目标成像先验雷达回波数据压缩方法

[发明专利]一种面向任务分级目标运动特性的跟踪轨迹优化方法-CN202211709870.7在审
发明人： 严俊坤;厉辰;关永胜;刘宏伟 -专利权人：西安电子科技大学
申请日： 2022-12-29 - 公布日： 2023-06-06 - 主分类号： G05D1/10 文献下载
摘要：本发明涉及一种面向任务分级目标运动特性的跟踪轨迹优化方法，采用BCRLB作为资源分配模型对目标跟踪性能的度量函数，考虑到不同威胁程度的目标，以及目标运动时可能与僚机出现的切飞情况，针对不同威胁程度的目标设置威胁度，针对可能出现严重影响目标跟踪性能的切飞情况，设置衰减因子，以僚机的平飞速度和转弯速度为优化变量，以最小化目标估计状态误差为目标，在满足各种约束前提下建立资源分配模型，得到每时刻各僚机的运动状态进而得到各僚机的飞行轨迹，最终完成面向任务分级、目标运动特性的跟踪轨迹优化的任务，实现最高精度的跟踪。
一种面向任务分级目标运动特性跟踪轨迹优化方法

[发明专利]通感一体化背景下的多传感器网络系统误差校正方法-CN202310010968.1在审
发明人： 严俊坤;翟瑞洋;蒲文强;刘宏伟 -专利权人：西安电子科技大学
申请日： 2023-01-04 - 公布日： 2023-05-23 - 主分类号： H04W4/38 文献下载
摘要：本发明涉及一种通感一体化背景下的多传感器网络系统误差校正方法，包括：确定通感一体化背景下基站网络中存在的系统误差种类；确定在全局坐标系下基站的观测模型；根据合作运动目标在全局坐标系中的位置向量和速度向量确定合作运动目标的状态转移模型，并确定合作静止目标的位置；结合基站的观测模型、合作运动目标的状态转移模型和合作静止目标的位置，并根据合作目标在全局坐标系中的位置匹配误差，确定基站系统误差校正的目标函数；使用基于交替方向乘子法的坐标轮回下降算法求解目标函数，得到每个基站系统误差参数的最优估计。该方法有提高了系统误差的估计精度，获得了良好的系统跟踪性能。
一体化背景传感器网络系统误差校正方法

[发明专利]一种基于Bandit Algorithm的频率捷变雷达抗多干扰方法-CN202310163173.4在审
发明人：刘良琦;蒲文强;李康;纠博;严俊坤 -专利权人：深圳市大数据研究院
申请日： 2023-02-17 - 公布日： 2023-05-09 - 主分类号： G01S7/36 文献下载
摘要：本发明公开了一种基于Bandit Algorithm的频率捷变雷达抗多干扰方法，针对动态、非平稳变化的电磁频谱，采用频率捷变雷达结合强化学习领域讨论已久的Bandit Algorithm，有效规避干扰覆盖频段，自主选择发射脉冲载频频率，从而自适应调整捷变雷达的发射信号频点，具备自适应抵抗主瓣干扰的能力，能更好的应对抗主瓣干扰；提升了雷达应对多干扰环境中对抗多干扰的能力，弥补了雷达面对灵活多变的干扰集群时抗干扰能力弱的问题。
一种基于 bandit algorithm 频率雷达干扰方法

[发明专利]基于侦察定位任务的无人机编队轨迹优化方法-CN202211640616.6在审
发明人： 严俊坤;李柯心;焦浩;关永胜;纠博;刘宏伟 -专利权人：西安电子科技大学
申请日： 2022-12-20 - 公布日： 2023-05-05 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种基于侦察定位任务的无人机编队轨迹优化方法，包括：基于二维平面直角坐标系构建机载雷达运动模型和测量数据模型；基于测量数据模型对机载雷达的到达角AOA进行CRLB分析，以推导CRLB公式；对无人机进行性能分析，以确定无人机轨迹规划所受到的限制条件；基于CRLB公式确定无人机轨迹规划算法的目标函数；基于限制条件，利用粒子群优化算法对目标函数进行迭代求解，得到无人机群的编队轨迹最优位置。该方法可以针对目标定位、侦察任务的无人机协同航迹智能地规划出无人机编队的轨迹路线，极大地提高了无人机合作定位多目标任务的定位精度，对时变环境及目标具有更好的鲁棒性。
基于侦察定位任务无人机编队轨迹优化方法

[发明专利]通感一体背景下基于多距离划分的多扩展目标的跟踪方法-CN202211709881.5在审
发明人： 严俊坤;任静;焦浩;关永胜;纠博;刘宏伟 -专利权人：西安电子科技大学
申请日： 2022-12-29 - 公布日： 2023-05-02 - 主分类号： G01S13/66 文献下载
摘要：本发明公开了一种通感一体背景下基于多距离划分的多扩展目标的跟踪方法，包括：构建通感一体化背景下多扩展目标跟踪场景；获得第k时刻扩展目标状态向量和扩展目标的量测模型；获取扩展目标运动模型；获取第k时刻的量测集合，将量侧集合分区；获取扩展目标集合概率密度一阶矩；更新预测到但未检测到的扩展目标集合概率密度一阶距；更新已检测到的扩展目标集合概率密度一阶矩；得到高斯分量；对权值较小的高斯分量进行剪枝，得到第k时刻扩展目标状态的估计结果；对相距较小的高斯分量进行合并、剪枝，提取扩展目标状态，得到第k时刻扩展目标状态的估计结果；获取扩展目标所有时刻的估计结果，作为跟踪结果。本发明可以提升紧邻扩展目标下的跟踪精度。
一体背景基于距离划分扩展目标跟踪方法

[发明专利]异步动平台多基地传感器系统目标检测跟踪联合估计方法-CN201910229335.3有效
发明人： 严俊坤;王颖萍;戴金辉;刘宏伟;周生华 -专利权人：西安电子科技大学
申请日： 2019-03-25 - 公布日： 2023-04-11 - 主分类号： G01S13/66 文献下载
摘要：本发明属于信号处理技术领域，公开了异步动平台多基地传感器系统目标检测跟踪联合估计方法。该方法首先建立异步动平台多基地传感器系统，然后建立传感器对目标的观测模型和目标及传感器的运动模型，对于异步动平台多基地传感器系统中每个传感器，都结合从跟踪器得到的先验信息，指导其设置自身的检测门限，从而提升目标检测概率，进而提升异步动平台多基地传感器系统的目标跟踪性能。
异步平台基地传感器系统目标检测跟踪联合估计方法

[发明专利]多普勒信息辅助的网络化雷达融合检测方法-CN202211482047.7在审
发明人：刘宏伟;高畅;谷丰登;严俊坤;贾天一 -专利权人：西安电子科技大学
申请日： 2022-11-24 - 公布日： 2023-03-28 - 主分类号： G01S7/40 文献下载
摘要：本发明公开了一种多普勒信息辅助的网络化雷达融合检测方法，主要解决现有融合检测技术性能低的问题。其方案为：构建由一个融合检测中心和多个雷达站的雷达系统并设置系统参数；数据融合检测中心接收各雷达站传输的回波数据及各雷达系统参数；利用传统融合检测算法获得各雷达站回波数据的融合检测结果；从融合检测结果中读取检测到的目标角度和多普勒速度，并构造每个雷达站关于目标速度分量的两个线性不等式组集；在每个雷达站对应的两个线性不等式组集中任选一个联立成新的线性不等式组；依次对联立的线性不等式组进行有无可行域的判决，根据判决结果给出目标检测的结果。本发明通过引入多普勒信息，提高了融合检测的性能，可用于雷达目标检测。
多普勒信息辅助网络化雷达融合检测方法

[发明专利]基于卷积神经网络的变体飞机高分辨回波恢复方法-CN201910201549.X有效
发明人：王鹏辉;宋晓龙;刘宏伟;陈渤;孟亦然;王英华;严俊坤;纠博;戴奉周 -专利权人：西安电子科技大学
申请日： 2019-03-18 - 公布日： 2023-02-10 - 主分类号： G01S13/88 文献下载
摘要：本发明提出了一种基于卷积神经网络的变体飞机高分辨回波恢复方法，解决了因变体飞机与对应的非变体飞机高分辨回波存在差异导致的变体飞机识别率下降的问题。实现过程是：输入变体飞机高分辨回波；对样本进行标准化预处理；构建并训练一维卷积神经网络；变体飞机高分辨回波的恢复。本发明用卷积神经网络将变体飞机高分辨回波恢复成非变体飞机高分辨回波；构建并训练适用于高分辨回波的一维卷积神经网络，用于变体飞机高分辨回波恢复。本发明能将变体飞机高分辨回波恢复成对应的非变体飞机高分辨回波，大大降低变体部分对目标识别方法带来的影响，有效提高了变体飞机识别的识别率。可应用于雷达目标识别领域。
基于卷积神经网络变体飞机分辨回波恢复方法

[发明专利]一种物体检测方法以及装置-CN202210950421.5在审
发明人： 严俊坤;张鹏;张鹏;张新智 -专利权人：西安电子科技大学
申请日： 2022-08-09 - 公布日： 2022-12-09 - 主分类号： G01S7/41 文献下载
摘要：本发明提供一种物体检测方法以及装置，本发明的物体检测方法通过将多基地雷达转换为单基地虚拟雷达，并基于所述单基地虚拟雷达确定预设信号的第一参数，所述预设信号为角反射器反射的信号，所述第一参数包括所述预设信号的相位和频率；对所述待测目标进行检测，得到所述待测目标的信号的第二参数，所述第一参数包括所述待测目标的信号的相位和频率；基于所述第一参数与所述第二参数确定所述待测目标的目标位置；基于所述目标位置对接收天线的测量信号进行校正，得到校正后的信号；基于所述校正后的信号，得到所述待测目标的图像。能够提高图像的检测精度，并且效率高，成本低。
一种物体检测方法以及装置

[发明专利]基于深度置信网络识别变体飞机的高分辨距离像的方法-CN201910201582.2有效
发明人：王鹏辉;宋晓龙;刘宏伟;孟亦然;严俊坤;戴奉周;纠博;陈渤;王英华 -专利权人：西安电子科技大学
申请日： 2019-03-18 - 公布日： 2022-12-06 - 主分类号： G06N3/08 文献下载
摘要：一种基于深度置信网络识别变体飞机的高分辨距离像的方法。其步骤为：(1)构建深度置信网络；(2)生成高分辨距离像样本集；(3)对每个样本的幅度进行归一化处理；(4)训练深度置信网络；(5)目标识别；本发明通过构建并训练深度置信网络，利用训练好的深度置信网络学习变体飞机与非变体飞机的高分辨距离像的共性特征，深度置信网络根据学习到的共性特征实现对变体飞机高分辨距离像的稳健识别，能够有效地解决变体飞机与相对应的非变体飞机高分辨距离像失配导致的对变体飞机正确识别率下降的问题，本发明具有显著降低变体部分对变体飞机识别带来的影响，有效提高了对变体飞机的识别性能的优点。
基于深度置信网络识别变体飞机分辨距离方法

[发明专利]基于卷积神经网络的识别变体飞机高分辨距离像方法-CN201910201317.4有效
发明人：王鹏辉;刘宏伟;宋晓龙;陈渤;严俊坤;纠博;王英华;孟亦然 -专利权人：西安电子科技大学
申请日： 2019-03-18 - 公布日： 2022-12-02 - 主分类号： G01S7/41 文献下载
摘要：一种基于卷积神经网络的识别变体飞机高分辨距离像方法。其步骤为：(1)构建卷积神经网络；(2)生成高分辨距离像样本集；(3)对每个样本的幅度进行归一化处理；(4)训练卷积神经网络；(5)目标识别；本发明通过构建并训练卷积神经网络，利用训练好的卷积神经网络对变体飞机和非变体飞机的高分辨距离像的共性特征进行学习，并根据学习到的共性特征实现对变体飞机的高分辨距离像的稳健识别，能够有效地解决变体飞机与相对应的非变体飞机的高分辨距离像存在差异导致的对变体飞机正确识别率下降的问题，本发明具有显著降低变体部分对变体飞机的识别带来的影响，有效提高了对变体飞机的识别性能的优点。
基于卷积神经网络识别变体飞机分辨距离方法

1
2
3
下一页»
尾页
共 42 条