“海泽瑞”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4个，建议您升级VIP下载更多相关专利

[发明专利]基于深度学习的雷达信号脉内调制识别方法-CN202110762981.3有效
发明人：张朝霞;王倩;海泽瑞;王琨琨;鲁雅;周晓玲 -专利权人：太原理工大学
申请日： 2021-07-06 - 公布日： 2023-08-22 - 主分类号： G06F18/10 文献下载
摘要：本发明属于雷达信号处理技术领域，公开了一种基于深度学习的雷达信号脉内调制识别方法，包括以下步骤：S1、对雷达采样信号进行滤波和去噪预处理；S2、将预处理后的采样信号进行Cohen类时频分布处理，得到时频图像；S3、对时频图像进行处理后，输入训练好的DCNN‑C网络模型中，通过网络模型自动判断输入雷达脉内调制信号类型，完成识别；所述DCNN‑C网络模型包括DCNN网络和与之拼接的分类网络。本发明利用双球型核函数进行Choi‑Williams时频分布处理，对雷达信号抑制交叉项的效果更好，信号鲁棒性特征更加明显；本发明利用DCNN网络对时频图像实现背景去噪处理，可以有效免去时频预处理造成的信号能量的信息损失，从而提高辐射源识别的准确度，而且简单实用且有效。
基于深度学习雷达号脉调制识别方法

[发明专利]一种基于深度学习的微波乳腺图像重建方法-CN202110763044.X有效
发明人：张朝霞;鲁雅;海泽瑞;王倩;王锟锟;周晓玲 -专利权人：太原理工大学
申请日： 2021-07-06 - 公布日： 2022-10-14 - 主分类号： G06T17/20 文献下载
摘要：本发明公开了一种基于深度学习的微波乳腺图像重建方法，该神经网络能够从3GHz的天线阵列获取的测量微波信号转换成图像。本发明构建第一自编码器网络，用矢量表示高分辨率图像；然后构建第二自编码器网络，旨在将微波信号映射到压缩特征（矢量）。将两个自编码器网络组合成一个完整的复合自编码器网络进行重建。这个方法降低了训练用于逆散射的深度学习网络的难度。仿真数据集由威斯康星大学乳腺图像数据库的纵向和横向切片组成。和传统变形伯恩迭代方法和对比源反演方法相比，能够几乎实时进行乳腺成像且成像效果良好。
一种基于深度学习微波乳腺图像重建方法

[发明专利]基于深度学习的多核函数混叠雷达辐射源识别方法和系统-CN202110591948.9有效
发明人：张朝霞;王倩;海泽瑞;王琨琨;鲁雅;周晓玲 -专利权人：太原理工大学
申请日： 2021-05-28 - 公布日： 2022-05-17 - 主分类号： G01S7/02 文献下载
摘要：本发明属于雷达探测技术领域，公开了一种基于深度学习的多核函数混叠雷达辐射源识别方法和系统。方法包括以下步骤：S1、采样，对采样信号进行滤波和去噪预处理；S2、将预处理后的采样信号输送到指数型核函数的时频分析函数中进行一次时频处理，转化为二维时频图像；S3、将二维时频图像发送至基于卷积神经网络训练生成的雷达辐射源识别模型中进行类别预判断；S4、根据类别预判断结果，确定需要二次判别的采样信号，并对需要二次判别的采样信号进行二次时频处理；S5、将二次时频处理后得到的二维时频图像发送至雷达辐射源识别模型中进行类别判断。本发明可以提高辐射源识别的准确度，而且处理过程直接系统化，简单实用且有效。
基于深度学习多核函数雷达辐射源识别方法系统

[发明专利]一种基于深度学习的微波乳腺肿瘤分类方法-CN202110994029.6在审
发明人：张朝霞;鲁雅;海泽瑞;王锟锟;周晓玲;王倩 -专利权人：太原理工大学
申请日： 2021-08-27 - 公布日： 2022-03-11 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了一种基于深度学习的微波乳腺肿瘤分类方法，通过构建域对抗神经网络，用来解决乳腺肿瘤定位，重新指定为软分类问题，而且重新定义了损失函数。和实值多层感知机进行对比，域对抗神经网络仅用250个目标域的数据使神经网络适应了一个数据分布显著不同的新域，并在实验室实验中对未知数据取得了合理的结果。
一种基于深度学习微波乳腺肿瘤分类方法