“稀疏度”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1656578个，建议您升级VIP下载更多相关专利

[发明专利]基于等角框架的冗余稀疏变换方法、装置及学习方法-CN202011377735.8在审
发明人：施云惠;张敏;尹宝才 -专利权人：北京工业大学
申请日： 2020-11-30 - 公布日： 2021-02-12 - 主分类号： G06K9/40 文献下载
摘要：基于等角框架的冗余稀疏变换方法、装置及学习方法，能够保证信号的稳定重建，提高对噪声与数据缺失等问题的容忍度。方法包括：(1)对于等角框架Ψ，由等角框架的等角特性得到ΨTΨ；(2)假设信号x在Ψ上的映射系数ΨTx是稀疏的，由此得到基于等角框架的冗余稀疏变换的基本模型；(3)利用框架重建公式，将对偶框架的优化引入到冗余稀疏变换模型中；(4)构建基于等角框架的冗余稀疏变换模型。
基于等角框架冗余稀疏变换方法装置学习方法

[发明专利]压缩感知中回溯式遗传迭代重构方法-CN201410584035.4有效
发明人：李哲涛;曾红庆;朱更明;田淑娟;裴廷睿 -专利权人：湘潭大学
申请日： 2014-10-23 - 公布日： 2018-12-28 - 主分类号： H03M7/30 文献下载
摘要：本发明首先初始化待求稀疏信号的支撑集，然后经过复制、多点交叉、选择、大变异处理等遗传操作，循环迭代逼近所求稀疏信号的最优位置信息，并进行回溯式的更新支撑集。最后利用最小二乘法投影获得待求稀疏信号各非零元素的幅值信息，完成信号重构。本发明在稀疏度未知的条件下，可精确重构出待求稀疏信号。
稀疏信号重构回溯式压缩感知遗传迭代最小二乘法变异处理多点交叉非零元素幅值信息完成信号循环迭代遗传操作最优位置初始化稀疏度支撑投影逼近复制更新

[发明专利]一种稀疏神经网络的压缩编码方法-CN201910073303.9有效
发明人：莫冬春;钟宇清;黄磊;杨常星;宋蕴;胡俊;陈伟;钟天浪 -专利权人：杭州国芯科技股份有限公司
申请日： 2019-01-25 - 公布日： 2022-12-02 - 主分类号： G06T9/00 文献下载
摘要：本发明涉及一种稀疏神经网络的压缩编码方法。本发明首先进行量化和预处理，根据稀疏程度选择压缩编码方法：稀疏度S≥ε2时，采用零游程和k阶指数哥伦布组合编码；稀疏度ε1＜S＜ε2时，采用k阶GX编码；稀疏度S≤ε1时，采用k阶指数哥伦布编码；ε1稀疏神经网络权重矩阵分布特性，具有更高的压缩率和更低的实现复杂度。
一种稀疏神经网络压缩编码方法

[发明专利]一种基于结构化测量矩阵的块稀疏信号恢复方法-CN201610940344.X有效
发明人：谢榕贵;尹华锐;陈晓辉;卫国 -专利权人：中国科学技术大学
申请日： 2016-10-25 - 公布日： 2019-04-05 - 主分类号： H03M7/30 文献下载
摘要：本发明公开了一种基于结构化测量矩阵的块稀疏信号恢复方法，其特征是包括：1、将块稀疏信号向量分成多个单元，每个单元包含多个信号块；2、将测量矩阵的某些行单独分配给每一个单元；3、测量稀疏信号；4、进行块稀疏信号恢复时，先对每个单元进行单元能量检测和判决，判决结果为单元包含非零信号块或者不包含非零信号块；5、针对前面被判决为包含非零信号块的单元，采用已有的恢复算法进行更细致的稀疏信号恢复。对于非常稀疏的信号恢复问题，本发明可以极大降低稀疏恢复的复杂度。
一种基于结构测量矩阵稀疏信号恢复方法

[发明专利]一种基于字典匹配度的目标类别识别方法-CN202211134254.3在审
发明人：陈竞艳;杨长生 -专利权人：西北工业大学
申请日： 2022-12-28 - 公布日： 2023-01-31 - 主分类号： G06F18/24 文献下载
摘要：本发明涉及一种基于字典匹配度的目标类别识别方法，属于水下目标识别分类领域。首先分别构造AUV模型、鱼雷模型以及水雷模型的目标字典，将接收的未知目标回波在每个字典中稀疏表达得到稀疏向量，再由所得稀疏向量重构原信号，利用字典匹配度的概念，将未知信号与字典进行匹配，判断与哪个字典的匹配度高
一种基于字典匹配目标类别识别方法

[发明专利]大规模MIMO的自适应双阈值下行信道估计方法-CN202010546861.5有效
发明人：孙文胜;马天然 -专利权人：杭州电子科技大学
申请日： 2020-06-16 - 公布日： 2021-09-03 - 主分类号： H04L25/02 文献下载
摘要：该方法利用信号的稀疏性质，用信息采样代替信号采样并从随机映射的观测值中获取有效信号，同时结合比例‑积分‑微分和残差分布特性的思想，能够在未知信号稀疏度的前提下自适应获取迭代最佳阈值。仿真结果表明，该方法能根据信号稀疏度的变化自适应进行信道估计，并且在同等信噪比情况下，重构信号的精确度比传统方法更高。
大规模 mimo 自适应阈值下行信道估计方法

[发明专利]一种基于稀疏处理的雷达回波信号精确测向方法-CN202010860343.0在审
发明人：王峰;林真真;陈哲 -专利权人：河海大学
申请日： 2020-08-24 - 公布日： 2021-01-05 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种基于稀疏处理的雷达回波信号精确测向方法，包括如下步骤：获取阵列信号和入射角；对所述阵列信号进行DBF处理，得到目标方向图；根据所述目标方向图和入射角获取粗略方位角；根据所述粗略方位角设置方位角的搜索范围和搜索间隔；根据所述搜索范围和搜索间隔构造包含搜索范围的字典矩阵；通过对所述阵列信号的协方差矩阵进行特征分解构造观测矩阵；将所述字典矩阵、观测矩阵和稀疏度输入到MFOCUSS算法中进行稀疏重构得到稀疏解矩阵；对稀疏解矩阵进行归一化处理，获取角度域稀疏图；根据所述角度域稀疏图获取精确方位角。本发明由粗略方位角经过稀疏重构处理得到精确方位角，提高了测向精度。
一种基于稀疏处理雷达回波信号精确测向方法

[发明专利]一种非稀疏图像压缩感知盲重建的方法-CN201510214491.4有效
发明人：倪林 -专利权人：中国科学技术大学
申请日： 2015-04-29 - 公布日： 2018-09-07 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种非稀疏图像压缩感知盲重建的方法，该方法包括：设置一稀疏左乘变换矩阵W对图像数据X进行稀疏左乘变换：则Y＝ΦX＝ΦW‑1WX＝Φ'WX＝Φ'X'；其中，W‑1为左乘变换矩阵W的逆变换且为稀疏实矩阵；Φ'＝ΦW‑1，Φ'的列向量为Φ列向量的线性组合；若图像数据X为非稀疏图像数据，则能够采用Φ'并结合匹配追踪类算法得到稀疏左乘变换后的数据X'，从而恢复出变换前图像数据X，实现非稀疏图像压缩感知盲重建。通过采用本发明公开的方法，提高了计算效率，可实现某些应用中的实时性要求，并对原始投影图像没有稀疏度要求，大大提高系统的适用范围。
一种稀疏图像压缩感知重建方法

[发明专利]基于短时稀疏分数阶傅里叶变换的雷达动目标检测方法-CN201611249041.X有效
发明人：陈小龙;关键;薛永华;于晓涵;张林;丁昊;何友 -专利权人：中国人民解放军海军航空大学
申请日： 2016-12-29 - 公布日： 2019-04-12 - 主分类号： G01S7/41 文献下载
摘要：本发明涉及基于短时稀疏分数阶傅里叶变换（ST‑SFRFT）的雷达动目标检测方法，属于雷达信号处理和检测技术领域。其步骤包括：雷达回波解调和脉冲压缩，实现距离高分辨，并选取待检测距离单元；稀疏时频分析参数初始化，包括短时窗函数、窗长度选取和稀疏分解字典设计；ST‑SFRFT运算，进行稀疏优化求解，完成动目标回波的高分辨稀疏时频表示；遍历所有距离搜索单元，进行动目标信号稀疏域检测并估计目标运动参数。本发明采用高分辨稀疏表示方法，在时频‑稀疏域实现时变信号的高分辨、低复杂度时频表示，适于分析信号的时变非平稳特性，提高动目标信号的能量聚集性的同时抑制背景杂波，显著改善雷达动目标检测和参数估计能力。
稀疏高分辨动目标检测时频分数阶傅里叶变换目标信号雷达检测技术领域雷达信号处理目标运动参数参数初始化背景杂波参数估计长度选取低复杂度分析信号检测距离雷达回波脉冲压缩能量聚集时变信号时频分析搜索单元稀疏表示稀疏分解优化求解短时窗遍历回波时变调和运算字典检测

[发明专利]实现加速的存内计算架构及其加速方法-CN201911150139.3有效
发明人：刘勇攀;岳金山;袁哲;封晓宇;李学清;杨华中 -专利权人：清华大学
申请日： 2019-11-21 - 公布日： 2022-02-01 - 主分类号： G06F15/76 文献下载
摘要：本发明实施例提供一种实现加速的存内计算架构及其加速方法，其中该架构包括：存储单元阵列，包含多个存储单元，用于存储神经网络模型的权重，每行所述存储单元的输入端口对应设置有数模转换单元；稀疏检测模块，连接所述数模转换单元的输入端口，用于根据神经网络算法确定的阈值，对输入所述存储单元阵列的数据进行稀疏检测，以确定输入数据的稀疏程度；运算模块，用于根据所述稀疏程度，动态调整存内计算的运行方式，实现存内计算的稀疏加速。本发明实施例通过增加对输入图像稀疏程度的在线检测模块，根据输入图像的稀疏度，动态调整存内计算的运行方式，能够通过有效利用输入数据的稀疏特性，实现存内计算在神经网络算法应用中的有效加速。
实现加速计算架构及其方法

[发明专利]基于图像稀疏表示的抠图方法-CN201910917074.4有效
发明人：华臻;李小玲;李晋江 -专利权人：山东工商学院
申请日： 2019-09-26 - 公布日： 2023-08-22 - 主分类号： G06T7/11 文献下载
摘要：本文提出了一种基于稀疏表示的图像抠图算法，通过稀疏表示的方法构建matting图和ground truth间的稀疏关联，将它们统一到一个稀疏字典中，实现相同的稀疏表示。该方法首先构建matting图的稀疏表达字典，将图像的matting图与对应ground truth作为训练样本，从而构建出一个超完备字典。利用梯度信息提取图像特征，matting图像选择一阶和二阶梯度信息作为特征，ground truth图像选择高频分量作为图像块的特征。对KNN算法得到的matting图像，利用训练所得的稀疏字典对matting图重构来进行优化。通过定性和定量方式对实验结果进行评估，实验结果证明本文取得不错的抠图效果，通过稀疏重构的matting结果更接近ground truth。
基于图像稀疏表示方法

[发明专利]一种面向高速移动场景的低复杂度OTFS信号检测方法-CN202210784645.3有效
发明人：蒲旭敏;孙致南;邵士海;陈前斌 -专利权人：重庆邮电大学
申请日： 2022-07-05 - 公布日： 2023-06-30 - 主分类号： H04L27/26 文献下载
摘要：本发明涉及移动通信技术领域，公开了一种面向高速移动场景的低复杂度OTFS信号检测方法，包括以下步骤，S1、利用时延‑多普勒域信道稀疏性建立稀疏因子图，并构建基于稀疏因子图的消息传递规则；S2、利用时延‑多普勒域信道的块循环结构，通过傅里叶矩阵对角化以降低期望传播算法中的求逆步骤复杂度；S3、利用期望传播算法迭代，当算法收敛后输出检测符号进行解调。在高速移动场景中，本发明能够在保持“对数‑线性”复杂度的前提下达到优良性能，达到性能和复杂度的折中。
一种面向高速移动场景复杂度 otfs 信号检测方法

[发明专利]一种基于学习字典与非凸范数最小化约束的MRI图像重构方法-CN201711211074.X在审
发明人：刘书君;曹建鑫;沈晓东;杨婷;李勇明;张奎 -专利权人：重庆大学
申请日： 2017-11-28 - 公布日： 2018-05-04 - 主分类号： G06T5/00 文献下载
摘要：它是一种利用学习字典对结构组进行自适应稀疏表示，并对稀疏系数进行非凸范数最小化约束以重构图像的方法。首先找到目标图像块的相似图像块集合即结构组，然后建立图像的非凸范数最小化约束模型，并基于该模型学习出正交字典以提高稀疏表达能力，最后求解出该模型中的稀疏系数并重构图像；本发明通过学习字典对结构组进行表示，可有效提高稀疏表示后的稀疏度，进一步利用非凸范数最小化约束可使估计出的系数更接近于真实系数，通过本发明重构出的MRI图像整体更加清晰，而且细节信息更丰富，重构的准确度更高，因此可用于医学图像的重构。
一种基于学习字典范数最小化约束 mri 图像方法

[发明专利]基于稀疏理论的精确估计空间信道系统函数的方法-CN201910073243.0在审
发明人：李小波;黄中瑞;周青松;张剑云;许新琨;蔡青青 -专利权人：中国人民解放军国防科技大学
申请日： 2019-01-25 - 公布日： 2019-06-07 - 主分类号： H04L25/02 文献下载
摘要：本发明公开了基于稀疏理论的精确估计空间信道系统函数的方法，包括以下步骤：考虑到在一个场景中的主要信道数个数是有限的，在利用接收数据对信道估计时，建立了基于混合l₀范数的稀疏正则最小二乘模型；考虑到此问题的非凸性，利用凸优化理论对其进行了凸松弛，给出了混合l₁范数的稀疏正则最小二乘模型；然后根据求得结果重构接收数据并根据其和原始数据的误差，调整优化模型中拟合误差和信道稀疏度之间的权重因子本发明能够充分利用空间信道稀疏性这一先验信息，从而兼顾优化接收数据拟合误差和信道系数向量的稀疏度，也更符合现实情况，有效避免了传统方法在对空间信道估计时，仅仅考虑拟合误差造成信道系数估计的偏差。
空间信道稀疏拟合误差最小二乘模型接收数据系统函数稀疏度范数信道系数估计信道系数向量优化接收数据结果重构权重因子收敛条件先验信息信道估计优化模型原始数据稀疏性信道数凸性信道松弛场景优化

[发明专利]一种基于联合稀疏恢复的低复杂度InISAR三维成像方法-CN202111340176.8在审
发明人：亢海龙;李军;辛柔;郭庆华;赵浩杰;罗丰;廖桂生;高大伟;张学攀 -专利权人：西安电子科技大学杭州研究院;西安电子科技大学
申请日： 2021-11-12 - 公布日： 2022-06-28 - 主分类号： G01S13/90 文献下载
摘要：本发明涉及雷达技术领域，具体涉及一种基于联合稀疏恢复的低复杂度InISAR三维成像方法，包括以下步骤：建立InISAR成像系统的几何结构，并根据InISAR成像系统的几何结构来建立符合JSM‑2模型的InISAR成像稀疏重建模型；按照酉变换近似消息传递UTAMP，对建立的符合JSM‑2模型的InISAR成像稀疏重建模型进行酉变换，并建立InISAR成像联合稀疏恢复的贝叶斯学习模型；构建InISAR成像联合稀疏恢复贝叶斯学习模型的因子图；根据建立的联合稀疏恢复贝叶斯学习模型的因子图，设计其中各个变量的消息更新规则；根据消息更新规则，得到三个通道的二维图像后，通过干涉处理和散射点距离测量重建目标三维图像。本发明提高了三维像的重建精度，具有更好的噪声抑制抑制能力，极大的降低了算法计算复杂度。
一种基于联合稀疏恢复复杂度 inisar 三维成像方法