“白雪茹”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100个，建议您升级VIP下载更多相关专利

[发明专利]基于半监督迁移学习的小样本序列ISAR图像稳健分类方法-CN202310582062.7在审
发明人： 白雪茹;陈博文;薛瑞航;周峰 -专利权人：西安电子科技大学
申请日： 2023-05-22 - 公布日： 2023-09-29 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于半监督迁移学习的小样本序列ISAR图像稳健分类方法，包括：获取待分类的ISAR图像；将所述待分类的ISAR图像的图像序列输入至训练好的序列单应网络，得到对应的嵌入特征向量；采用幂变换对所述嵌入特征向量进行预处理，之后通过最优传输映射对分类标签和分类中心进行迭代估计得到分类结果。本发明提出序列单应网络。利用主干网络提取序列特征，并通过单应性参数生成器生成单应变换参数，进而对序列ISAR形变图像进行单应变换调整，从而实现时序特征提取和形变稳健的ISAR图像分类。
基于监督迁移学习样本序列 isar 图像稳健分类方法

[发明专利]基于深度强化学习的车辆跟驰速度控制方法-CN202310891541.7在审
发明人：费蓉;杨璐;邱原;刘雅君;白雪茹;马梦阳 -专利权人：西安理工大学
申请日： 2023-07-19 - 公布日： 2023-09-29 - 主分类号： B60W40/00 文献下载
摘要：本发明提供了基于深度强化学习的车辆跟驰速度控制方法，包括：基于真实驾驶数据集，提取“引导车—自动驾驶车辆—跟驰车”三车模式下的自动驾驶跟驰对；设计马尔可夫奖励过程；基于三车模式下车辆安全性及舒适度的要求，设计强化学习奖励函数；构建基于深度强化学习的车辆跟驰速度控制网络框架；对所得到的网络进行训练，得到基于深度强化学习的车辆跟驰速度控制模型；对所得到的网络模型进行测试，验证模型的安全性及舒适度。本发明缓解了传统深度强化学习“试错”与自动驾驶安全性之间的矛盾。
基于深度强化学习车辆速度控制方法

[发明专利]基于平衡模型稳定性和可塑性的SAR目标增量分类方法-CN202310745503.0在审
发明人： 白雪茹;孟昭晗;江凯;周峰 -专利权人：西安电子科技大学
申请日： 2023-06-21 - 公布日： 2023-09-22 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于平衡模型稳定性和可塑性的SAR目标增量分类方法，主要解决现有技术在复杂环境下SAR特征提取能力弱、目标增量分类及稳定性差的问题。其实现方案为：将给定SAR数据随机划分为训练集和测试集；构建包括特征提取器和特征分类器的SAR目标分类网络，利用训练集对其进行训练；生成辅助增量学习的示例集；从SAR数据中获得新增类别数据，用其与示例集和测试集共同生成增量任务训练集和测试集；构建SAR目标增量分类网络和增量学习损失，并利用增量任务训练集对其进行训练；将增量任务测试集输入SAR目标增量分类网络中，获得目标分类结果。本发明显著提升了复杂环境下SAR目标增量分类性能，可用于战场侦察和态势感知。
基于平衡模型稳定性可塑性 sar 目标增量分类方法

[发明专利]基于双通道融合网络的ISAR目标形变稳健识别方法-CN202310719425.7在审
发明人： 白雪茹;吴代翱;周雪宁;周峰 -专利权人：西安电子科技大学
申请日： 2023-06-16 - 公布日： 2023-09-15 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于双通道融合网络的ISAR目标形变稳健识别方法，主要解决现有ISAR目标识别技术识别率低的问题。其实现方案是：1)获取卫星的回波数据，采用BP算法对回波数据进行高分辨ISAR成像，并生成具有组合形变的训练集与测试集；2)构建包括形变稳健模块、特征提取模块及特征融合模块的ISAR目标形变稳健识别网络；3)设计ISAR目标形变稳健识别网络的损失函数，并对网络进行训练；4)将测试集图像输入到训练好的ISAR目标形变稳健识别网络，得到网络输出结果及测试集识别正确率。本发明能增强模型对目标特征提取的稳健性，有效降低计算成本，提高ISAR目标识别性能，可用于提升ISAR系统的信息感知。
基于双通道融合网络 isar 目标形变稳健识别方法

[发明专利]基于元学习和度量学习的小样本SAR目标检测识别方法-CN202310639895.2在审
发明人： 白雪茹;王锦旗;鲜要胜;江凯;周峰 -专利权人：西安电子科技大学
申请日： 2023-05-31 - 公布日： 2023-08-29 - 主分类号： G06V10/25 文献下载
摘要：本发明公开了一种基于元学习和度量学习的小样本SAR目标检测识别网络，主要解决现有技术对新类目标检测性能不足及在细粒度任务中识别准确率低和鲁棒性差的问题。其实现方案为：对SAR实测数据进行标注和划分，生成基类和新类的支撑集和查询集；构建由数据预处理模块、特征提取模块、区域建议模块和细粒度检测识别模块组成的小样本SAR目标检测识别网络；基于随机梯度下降算法，使用基类和新类的支撑集和查询集对该网络进行训练；将待检测识别SAR图像输入训练好的小样本SAR目标检测识别网络，获得SAR目标的检测识别结果。本发明显著提升了新类目标的检测识别性能及细粒度任务中的识别准确率与鲁棒性，可用于环境侦察和态势感知。
基于学习度量样本 sar 目标检测识别方法

[发明专利]基于混合损失与图注意力的小样本SAR目标分类方法-CN202110408623.2有效
发明人： 白雪茹;杨敏佳;孟昭晗;周峰 -专利权人：西安电子科技大学
申请日： 2021-04-16 - 公布日： 2023-08-18 - 主分类号： G06V10/764 文献下载
摘要：本发明提出了一种基于混合损失与图注意力的小样本SAR目标分类方法，实现步骤为：获取训练样本集和测试样本集；构建基于混合损失与图注意力的网络模型H；对H进行迭代训练；获取小样本SAR图像的目标分类结果。本发明通过训练任务集的分类损失值lC和训练任务集的嵌入损失值lE的加权和组成训练任务集的混合损失值l，对嵌入网络模块E中所有第一卷积层和第二卷积层的参数、图注意力网络模块G中所有第一全连接层和第二全连接层的参数进行更新，增强了同种SAR目标类别的特征之间的相似性和不同SAR目标类别的特征之间的差异性，且通过数据增强有效降低了模型训练过程中过拟合的风险，提高了小样本SAR目标的分类精度。
基于混合损失注意力样本 sar 目标分类方法

[发明专利]空间微动目标的窄带雷达回波降噪与识别一体化方法-CN202310533298.1在审
发明人： 白雪茹;白晓丹;田旭东;刘潇丹;周峰 -专利权人：西安电子科技大学
申请日： 2023-05-11 - 公布日： 2023-08-04 - 主分类号： G01S7/02 文献下载
摘要：本发明公开了一种空间微动目标的窄带雷达回波降噪与识别一体化方法，主要解决现有空间微动目标窄带雷达回波降噪识别技术中可分性特征受到抑制，RCS信息利用不充分的问题。其方案是：获取空间微动目标的全角域静态电磁回波，生成训练样本集及测试样本集；构建由复值注意力增强降噪模块和复值时间卷积识别模块组成的降噪与识别一体化网络，并根据这两个模块的损失构建网络的混合损失函数；基于训练样本集对该一体化网络进行训练；将测试样本集输入训练好的降噪与识别一体化网络，得到网络输出的分类结果。本发明能避免降噪过程对可分性特征的抑制，充分利用RCS数据信息，在低信噪比下同时提升了降噪和识别性能，可用于空间微动目标识别。
空间微动目标窄带雷达回波识别一体化方法

[发明专利]基于注意力变换网络的雷达高分辨距离像目标识别方法-CN202110757184.6有效
发明人： 白雪茹;赵晨;杨敏佳;周峰 -专利权人：西安电子科技大学
申请日： 2021-07-05 - 公布日： 2023-07-04 - 主分类号： G01S7/02 文献下载
摘要：本发明公开了一种基于注意力变换网络的雷达高分辨距离像目标识别方法，主要解决现有技术对雷达高分辨距离像识别时，难以关注雷达高分辨距离像的局部细节，难以聚焦于雷达高分辨距离像中更具可分性的目标区域，难以利用其全局时序信息，识别正确率较低，识别性能受限等问题。实现步骤为：(1)生成训练集；(2)构建注意力变换网络；(3)训练注意力变换网络；(4)对待分类的雷达高分辨距离像目标进行识别。本发明同时利用了高分辨距离像的局部细节特征与全局时序信息，对高分辨距离像不同距离单元的重要性进行了区分，使得本发明有效提高了高分辨距离像的识别性能。
基于注意力变换网络雷达分辨距离目标识别方法

[发明专利]一种基于MapReduce的最邻近空间集合关键字查询方法-CN202211325865.6在审
发明人：邱原;刘作;陈雄博;肖浩;白雪茹;魏锦波 -专利权人：西安理工大学;广西东信易通科技有限公司
申请日： 2022-10-27 - 公布日： 2023-06-23 - 主分类号： G06F16/242 文献下载
摘要：本发明公开了一种基于MapReduce的最邻近空间集合关键字查询方法，基于Hadoop框架，使用实时建立的分布式Hilbert R‑树索引的方式，采用了两点配对算法结合叶子节点对角线剪枝方法与圆扫描剪枝方法完成了快速的空间集合关键字的查询，并在地图应用中进行了实验。实验结果表明分布式Hilbert R‑树索引的设计，可以有效减小索引体量，应对异构数据源与数据快速更新的情况；两点配对算法可以极大削减检索空间，加快系统的响应速度，促进了集合空间关键词查询的实用化。
一种基于 mapreduce 邻近空间集合关键字查询方法

[发明专利]基于伽马过程-拉普拉斯先验的矩阵免逆ISAR成像方法-CN202310362286.7在审
发明人： 白雪茹;刘士豪;张宇杰;周峰 -专利权人：西安电子科技大学
申请日： 2023-04-06 - 公布日： 2023-06-23 - 主分类号： G01S13/90 文献下载
摘要：本发明公开了一种基于伽马过程‑拉普拉斯先验的矩阵免逆ISAR成像方法，主要解决现有技术中二维重构精度不高、运算时间久的问题。其实现方案是：接收缺损回波并生成回波矩阵；根据缺损回波矩阵得到实傅里叶字典Φ；根据回波矩阵和实傅里叶字典构建每个距离单元的稀疏观测模型yq＝Φωq+ε；基于稀疏观测模型，对每个距离单元的权向量ωq引入伽马过程‑拉普拉斯层级先验；对噪声向量ε引入伽马‑高斯层级先验；使用矩阵免逆快速推断方法迭代求解每个距离单元的权向量；根据所得权向量得到二维高分辨图像。本发明重构精度高，运算时间短，可用于目标回波信噪比较低、存在缺损等复杂电磁环境下对空间与空中非合作目标的特征提取及分类识别。
基于过程拉普拉斯先验矩阵 isar 成像方法

[发明专利]一种基于PC-IRNN的行人步态分类方法-CN201910682211.0有效
发明人：周峰;侯敏;石晓然;李雅欣;杨爽;刘磊;白雪茹 -专利权人：西安电子科技大学
申请日： 2019-07-26 - 公布日： 2023-05-30 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种基于PC‑IRNN的行人步态分类方法，该方法通过构建PC‑IRNN和梯度裁剪解决了传统RNN由于长时依赖容易出现的梯度消失和梯度爆炸现象、IRNN利用ReLU激活函数导致输入信息损失的问题，以及LSTM由于网络结构复杂从而计算成本过高的缺点。另外，本发明是RNN的一种，它可以直接从样本的输入序列间的固有相关性中自动提取与分类相关的特征，从而省去了DCNN中预定义不同大小的卷积核来提取特征的步骤，实现网络计算成本的减少和行人步态分类准确率的提高。
一种基于 pc irnn 行人步态分类方法

[发明专利]基于加权ADMM的微动目标时频图重构方法-CN202110380173.0有效
发明人： 白雪茹;刘潇丹;周峰 -专利权人：西安电子科技大学
申请日： 2021-04-09 - 公布日： 2023-05-19 - 主分类号： G01S7/41 文献下载
摘要：本发明提出了一种基于加权交替方向乘子法ADMM的微动目标时频图重构方法，解决现有技术中时频字典过大导致时频图重构速度慢，以及软阈值参数为定值导致重构图聚焦性下降的问题。本发明的实现步骤为：(1)获取微动目标的雷达回波信号；(2)截取雷达回波子信号；(3)生成时频字典；(4)生成每个子信号的加权向量；(5)计算每个子信号的时频分布向量；(6)构建微动目标的重构时频图。本发明生成了规模较小且唯一的时频字典，利用加权交替方向乘子法ADMM进行计算，提高了时频图的重构速度，并提高了重构图的聚焦性。
基于加权 admm 微动目标时频图重构方法

[发明专利]一种飞机机翼ISAR回波振动补偿与整体聚焦成像方法-CN202110551521.6有效
发明人：周峰;安斌斌;刘磊;白雪茹;樊伟伟;田甜 -专利权人：西安电子科技大学
申请日： 2021-05-20 - 公布日： 2023-04-18 - 主分类号： G01S13/90 文献下载
摘要：本发明属于ISAR成像技术领域，公开了一种飞机机翼ISAR回波振动补偿与整体聚焦成像方法。首先，对输入的回波数据进行一阶Keystone校正和调频率估计与补偿；其次，根据距离单元回波信号，计算相应的方位成像结果的能量和熵值，筛选出含有振动散射点的回波距离单元；然后，对筛选出的含有振动散射点的回波距离单元应用PSO算法搜索每个振动散射点的振动参数，直至该距离单元回波剩余能量小于预先设定的门限，并构造相位补偿因子，对距离单元回波进行补偿，分离含正弦调制项的散射点回波数据；接着，不断迭代搜索过程，直至满足迭代终止条件，输出去除振动分量的距离单元回波；最后，不断迭代循环搜索筛选出来的距离单元回波，获取去除振动分量的飞机目标回波，通过方位压缩处理实现飞机目标的整体聚焦成像。
一种飞机机翼 isar 回波振动补偿整体聚焦成像方法

[发明专利]一种序列ISAR图像散射中心多假设跟踪航迹关联方法-CN202110117517.9有效
发明人：周峰;杜荣震;刘磊;白雪茹;石晓然;王常龙 -专利权人：西安电子科技大学
申请日： 2021-01-28 - 公布日： 2023-04-11 - 主分类号： G01S13/90 文献下载
摘要：本发明公开了一种序列ISAR图像散射中心多假设跟踪航迹关联方法，在ISAR目标观测成像模型及散射中心航迹位置的状态转移方程与观测方程的基础上，首先，获得观测目标的高分辨ISAR图像序列，并提取图像序列中的散射中心二维投影坐标；接着，利用多假设追踪方法，从正反两方向进行散射中心航迹关联。再通过N回溯剪枝的假设树管理，确定航迹关联的唯一假设，生成关联航迹；最后，通过航迹融合和卡尔曼滤波，得到最终关联航迹。本发明采用的假设树框架对关联过程中出现的虚警、新生及中断情况具有良好的应对能力，从而保证了该方法的鲁棒性。
一种序列 isar 图像散射中心假设跟踪航迹关联方法

[发明专利]基于变分贝叶斯学习的多基ISAR融合成像方法-CN201911058800.8有效
发明人： 白雪茹;赵志强;祁浩凡;周峰 -专利权人：西安电子科技大学
申请日： 2019-11-01 - 公布日： 2023-04-07 - 主分类号： G01S13/90 文献下载
摘要：本发明公开了一种基于变分贝叶斯学习算法的多基ISAR融合成像方法，主要解决现有低信噪比条件下多基ISAR图像融合和目标转动参数及雷达观测视角差估计复杂的问题。其方案包括：1)接收两部雷达回波并进行距离向脉冲压缩；2)将距离向脉冲压缩后的回波进行矢量化操作并拼接得到观测向量；3)构建两部雷达的字典矩阵；4)根据观测向量和两部雷达的字典矩阵构建融合成像模型；5)估计目标转动角度和第二部雷达观测视角；6)求解融合成像模型中的融合后的散射系数向量，得到融合成像结果。本发明估计简单，能够获得目标转动参数及雷达观测视角差的最优估计，并且在低信噪比下实现目标的高分辨融合成像，可用于目标形状特征提取和识别。
基于分贝学习 isar 融合成像方法

1
2
3
4
5
6
7
下一页»
尾页
共 100 条