专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果16个,建议您升级VIP下载更多相关专利
  • [发明专利]一种一维搜索的圆锥定位方法-CN202310577385.7在审
  • 彭翔宇;隆丽华;万群;张珂浩;丛迅超;甘翼;宋非 - 电子科技大学
  • 2023-05-22 - 2023-10-03 - G01S3/14
  • 本发明公开了一种一维搜索的圆锥定位方法,通过设置测向站个数,测向站的位置坐标,测向站水平放置的线阵与X坐标轴正方向的夹角;设置一维搜索的坐标值个数,一维搜索的坐标值集合,解决在测向站较少的情况下,如何利用每个测向站水平布置的线阵的一维测向,通过一维搜索进行圆锥定位,在与三维搜索的圆锥定位方法相比定位精度损失较小的同时,快速确定目标的三维位置坐标,本发明方法与每一维搜索101个值的三维搜索的圆锥定位方法相比,本发明方法所需的计算时间不到三维搜索的圆锥定位方法的百分之一,与伪线性圆锥定位方法相比,本发明方法所需的测向站最小个数为4,而伪线性圆锥定位方法所需的测向站最小个数为7,本发明方法的适用范围更宽。
  • 一种搜索圆锥定位方法
  • [发明专利]一种测向线与圆锥面交叉的定位方法-CN202310545723.9在审
  • 彭翔宇;隆丽华;孙璐瑶;万群;丛迅超;甘翼;翟靖宇 - 电子科技大学
  • 2023-05-16 - 2023-09-15 - G01S5/12
  • 本发明属于无线电测向定位技术领域,具体涉及一种测向线与圆锥面交叉的定位方法。本发明只需要两个测向站,其中一个对无线电辐射源进行一维测向的测向站,另一个对无线电辐射源进行二维测向的测向站,利用一维测向的测向站确定的测向线与二维测向的测向站确定的圆锥面的交叉点,即可确定无线电辐射源的三维直角坐标;与需要两个测向站对无线电辐射源都进行二维测向的三维定位方法相比,与需要至少三个测向站都进行一维测向才能对无线电辐射源进行三维定位的方法相比,本发明方法只需要两个测向站,降低了测向定位的多站协同成本和系统复杂度。
  • 一种测向圆锥交叉定位方法
  • [发明专利]目标识别方法、设备及介质-CN202310599297.7在审
  • 钟评;甘翼;丛迅超;李贵 - 中国电子科技集团公司第十研究所
  • 2023-05-25 - 2023-09-08 - G06F18/24
  • 本发明公开了目标识别方法、设备及介质,该方法响应于接收到的目标识别任务,查询所述知识库模块中的侦测知识,为所述目标识别任务构建识别模板;所述数据仿真模块选择识别模板,模拟实际侦察场景中目标辐射源的发现情况,并根据选择的识别模板生成带有噪声的仿真侦测数据;所述预处理模块将所述目标识别任务与所述识别模板构建为任务‑模板匹配对,抽取基于相似度的匹配特征;所述识别模块接收仿真或真实数据的匹配特征以及样本标签,训练基于规则的识别模型,所述识别模型接收匹配特征,返回识别模型判别结果。本发明提供了一种识别精确度高、容易训练的智能侦察系统多手段联合目标识别方法。
  • 目标识别方法设备介质
  • [发明专利]自动化突发信号检测方法-CN202210033937.3有效
  • 张宇阳;解韦桐;欧阳玫丹;甘翼;丛迅超 - 中国电子科技集团公司第十研究所
  • 2022-01-12 - 2023-08-22 - H04B17/00
  • 本发明公开的一种自动化突发信号检测方法,检测速度快,检测稳定性高、精度高。本发明通过下述技术方案实现:在空间电磁信号检测发现场景中,监测设备采用天线捕获空间电磁辐射信号并转换成电信号,通过射频信道模拟变频、滤波、放大输出到采集模块,将接收信道输出的单路模拟信号进行AD采样和数字下变频,生成一段信号采样数据,并进行STFT,输出宽带时频矩阵数据到检测处理模块,加载训练深度神经网络模型,经过推理结果的后处理,形成时频矩阵对应段信号采样数据中包含的突发信号的是否存在电磁信号的置信概率、信号起始时间、信号时长、信号中心频率、信号带宽参数,完成电磁空间突发信号的检测发现和信号占用时间、频率等参数提取。
  • 自动化突发信号检测方法
  • [发明专利]一种基于显著性的宽带频谱检测方法-CN202211659954.4在审
  • 解韦桐;张宇阳;欧阳玫丹;甘翼;丛迅超;李贵 - 中国电子科技集团公司第十研究所
  • 2022-12-23 - 2023-04-28 - G06F18/10
  • 本发明公开了一种基于显著性的宽带频谱检测方法,该方法包括对一维宽带频谱数据集进行显著图转换,将原始数据转换成一维显著向量;将转换后的显著向量输入深度显著检测网络进行监督训练,提取信号的低层细节特征、高层语义特征和全局上下文特征,将提取到的特征进行融合得到融合后的特征;对融合后的特征进行线性插值上采样后对输入显著向量进行重构,计算重构向量与输入显著向量的交叉熵损失;最后基于输出结果计算信号个数、频率、带宽以及信噪比等参数信息,完成复杂电磁环境下的宽带频谱检测。本发明实现了宽带频谱检测,不依赖于专家,环境适应性强,易于训练、收敛速度较快,能够有效提升检测概率,基于显著性的宽带频谱检测方法。
  • 一种基于显著宽带频谱检测方法
  • [发明专利]一种基于对抗学习的监控视频异常检测方法及系统-CN202211381511.3在审
  • 甘翼;郑博元 - 中国电子科技集团公司第十研究所
  • 2022-11-04 - 2023-04-04 - G06V20/40
  • 本发明公开了一种基于对抗学习的监控视频异常检测方法及系统,该方法包括两部分,第一部分将实时视频样本帧送到特征提取网络中,将样本的特征与记忆模块中的特征进行相似度比较,对记忆模块中的特征进行更新与读取,第二部分将从记忆模块中读取的特征与特征读取网络得到的特征进行基于通道的拼接,送入解码器得到重构后的图片,通过重构误差,得到判断此视频序列中视频样本帧正常与否的异常分数。本发明通过基于初步特征提取网络、深度特征提取分类网络以及全卷积神经网络构建视频异常帧检测模型,然后应用视频异常帧检测模型,完成视频样本帧正常或异常检测,更好地提取视频样本帧中的特征信息,提高视频异常帧检测模型的适应能力。
  • 一种基于对抗学习监控视频异常检测方法系统
  • [发明专利]一种基于残差网络的开集调制识别方法-CN202211457998.9在审
  • 冯佳;赵焕玥;甘翼;丛迅超;李贵 - 中国电子科技集团公司第十研究所
  • 2022-11-18 - 2023-04-04 - H04L27/00
  • 本发明公开了一种基于残差网络的开集调制识别方法,涉及信号识别技术领域,包括:首先获取各种调制的基带信号样本,对基带信号样本所属调制类型进行标注,并根据调制特性对待分类调制样式进行分群;再对基带信号样本进行预处理和重编码,形成数据集,并将数据集分为训练集和测试集;然后针对调制识别任务,建立基于残差网络的深度学习模型;再根据训练集对深度学习模型进行监督训练;最后将测试集输入训练好的深度学习模型,进行调制信号的分类;本发明,易于训练、收敛速度较快,识别种类多,速度快,准确率高,对信噪比要求低,且能够开集识别。
  • 一种基于网络调制识别方法
  • [发明专利]一种基于STAR模型的三维人体重建方法及系统-CN202211381512.8在审
  • 甘翼;丛迅超 - 中国电子科技集团公司第十研究所
  • 2022-11-04 - 2023-03-07 - G06T17/00
  • 本发明公开了一种基于STAR模型的三维人体重建方法及系统,该方法利用卷积神经网络对输入的所述人体信息进行特征提取,得到人体的全局特征并输入到时序特征提取网络中,对视频中所包含的时间相关特征进行编码,得到一组包含时序信息的特征序列,使用人体特征序列,利用全连接层作为人体参数回归网络预测SMPL的姿态参数和体型参数,并加入自注意力机制改善了输出人体模型序列的稳定性,通过人体模型参数回归网络预测出STAR模型的姿态参数和体型参数,对视频中的人体区域作为输入,通过性别检测器获得性别参数,输入到STAR模型得到特定性别的人体参数模型。本发明能够有效表达和还原真实人体姿态及体型,有效提高了重建精度和重建速度。
  • 一种基于star模型三维人体重建方法系统
  • [发明专利]分离与重构的个体辐射源识别方法-CN202011563263.5有效
  • 庄旭;尹可鑫;甘翼;袁鑫;丛迅超;李贵 - 西南电子技术研究所(中国电子科技集团公司第十研究所)
  • 2020-12-25 - 2022-05-17 - G06K9/00
  • 本发明公开的一种分离与重构的个体辐射源识别方法,能够有效提升辐射源个体识别准确率。本发明通过下述技术方案实现,收集个体辐射源信号建立SepNet深度学习模型;对辐射源信号训练集进行监督训练,分离辐射源信号中的个体特征,将原始信号输入公共特征提取模块提取共有特征,提取训练数据的高维特征向量;采用信号重构模块将来自个体特征提取模块及内容特征提取模块的特征数据进行重构,重构出输入信号的特征图,计算与原始信号的均方差损失。分类模块对信号准确分类,根据所得到的类别概率值判断信号所属辐射源个体;最后使用联合优化网络模型更新卷积核权值,利用输入映射为0‑1之间的实数,衡量SepNet深度学习模型的识别能力。
  • 分离个体辐射源识别方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top