“分选信号”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1959024个，建议您升级VIP下载更多相关专利

[发明专利]基于聚类与SOFM的无监督雷达信号分选方法-CN201911029050.1有效
发明人：傅雄军;苏顺启;蒋文;尹先晗;杨婧芳;丛培羽;赵聪霞 -专利权人：北京理工大学
申请日： 2019-10-28 - 公布日： 2022-03-04 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及基于聚类与SOFM的无监督雷达信号分选方法，属于深度学习以及雷达信号分选技术领域。所述雷达信号分选方法将密度动态聚类与能够自动实现结构调整的SOFM神经网络结合，构造一种密度聚类与SOFM结合的无需预置参数的无监督雷达信号分选；具体为：首先，对雷达信号进行密度动态聚类做预分选处理，得到主分选阶段所需要的相关参数；其次，用预分选得到的相关参数构建能自动实现结构调整SOFM网络对雷达信号做主分选处理，得到最终分选结果。所述雷达信号分选方法无需预置初值，实现雷达信号无监督分选，提高雷达信号分选的正确率且对于有参数重叠的雷达信号有较好的处理效果。
基于 sofm 监督雷达信号分选方法

[发明专利]一种测试机与分选机的通讯系统、方法、装置和存储介质-CN202310017649.3在审
发明人：常国敏;吴春诚 -专利权人：珠海芯业测控有限公司
申请日： 2023-01-06 - 公布日： 2023-06-27 - 主分类号： G06F13/38 文献下载
摘要：本申请公开了一种测试机与分选机的通讯系统、方法、装置和存储介质，本申请的系统包括：通讯装置、上位机、分选机；所述通讯装置包括USB转UART电路、UART转TTL信号电路、分选机传输信号去抖和锁存处理电路；所述上位机将分选机参数通过USB信号传输给通讯装置，所述USB转UART电路将所述USB信号转换为UART信号，所述UART转TTL信号电路将转换后的UART信号转换为TTL信号并连接到分选机；所述分选机传输信号去抖和锁存处理电路对所述分选机传输信号进行信号去抖和锁存处理，所述UART转TTL信号电路将分选机传输信号转为UART信号，所述USB转UART电路将转好的UART信号回传到上位机。本申请通讯稳定，增加对分选机信号的去抖和锁存，能够通过配置延时信号和等待时间，兼容更多不同型号的分选机。
一种测试分选通讯系统方法装置存储介质

[发明专利]一种基于压缩感知的通信信号的分选方法-CN202010897670.3在审
发明人：刘海鹏;陶亮;段绍米;吕冠男;卢建宏 -专利权人：昆明理工大学
申请日： 2020-08-31 - 公布日： 2020-12-08 - 主分类号： H03M7/30 文献下载
摘要：本发明涉及一种基于压缩感知的通信信号的分选方法，属于信号处理技术领域。本发明包括步骤：选择待分选的通信信号，并根据待分选信号类型构建过完备字典；对待分选信号进行稀疏表示，使目标信号具有稀疏性，即能够被压缩；对进行稀疏表示后的信号进行重构，即对目标信号进行恢复；用重构的信号与过完备字典上原子进行匹配，从而分选出对应信号。本发明能够在对信号压缩采样的条件下取得较好的分选效果，极大降低了采样速率和后续的数字信号处理的数据量，而且本发明的分选过程是在信号级进行的，分选过程更为简单和迅速。
一种基于压缩感知通信信号分选方法

[发明专利]一种基于点云分割网络的雷达信号分选方法-CN202310512899.4在审
发明人：陈涛;邱宝传;李金鑫;杨博溢;雷宇;刘宇宁 -专利权人：哈尔滨工程大学
申请日： 2023-05-08 - 公布日： 2023-07-28 - 主分类号： G01S7/02 文献下载
摘要：一种基于点云分割网络的雷达信号分选方法，它属于信息与通信工程的电子侦察领域。本发明解决了传统雷达信号分选方法存在的参数设置需要依赖人工经验、分选流程复杂、对未知信号的分选能力差以及难以满足当前复杂电磁环境下雷达信号分选需求的问题。本发明将深度学习模型与雷达信号分选结合，实现直接由原始PDW到EDW的无人工干预的端到端分选方案，简化了分选实现流程。并且由于神经网络能够深度挖掘不同类型雷达的PDW之间的特征关联，因此在非合作场景下面对未知雷达信号仍具有较好的分选能力。本发明方法可以应用于雷达信号分选。
一种基于分割网络雷达信号分选方法

[发明专利]一种雷达信号多维特征智能分选方法-CN202110445439.5有效
发明人：霍伟博;黄钰林;裴季方;张玉婕;补源源;张寅;张永超 -专利权人：电子科技大学
申请日： 2021-04-25 - 公布日： 2022-08-05 - 主分类号： G01S7/41 文献下载
摘要：本发明公开一种雷达信号多维特征智能分选方法，应用于雷达信号处理领域，针对现有技术中存在的复杂电磁环境中雷达信号实时分选准确率低的问题，本发明利用空时频域多参数联合聚类方法，实现雷达信号预分选；基于深度卷积神经网络基本架构，结合雷达信号波形调制特点，构建雷达信号脉内调制特征提取深度卷积神经网络，提取雷达信号脉内调制特征，拓展雷达信号分选特征维度，结合雷达信号PRI脉间调制特征，实现信号参数交叠情况下的雷达信号主分选；不仅提升了雷达信号分选准确率，同时实现了雷达信号快速分选。
一种雷达信号多维特征智能分选方法

[发明专利]颗粒分选的系统、设备和方法-CN201910109872.4有效
发明人： S·H·曹;J·莫拉基斯;Y·罗;T-F·吴;I·奎格利;K·庄;P·蓬卡;W·阿莱尼克 -专利权人：纳诺赛莱克特生物医药股份有限公司
申请日： 2013-10-15 - 公布日： 2023-09-26 - 主分类号： G01N15/14 文献下载
摘要：本发明涉及颗粒分选的系统、设备和方法。本发明提供的是细胞检测系统、流体装置、结构以及与流体中的颗粒和细胞分选以及检测有关的技术，例如分选特定亚群的细胞类型。一种用于验证颗粒分选的方法包括：接收与在第一通道中的颗粒的光学特性相关联的第一检测信号。基于第一检测信号来确定多个第二通道的分选通道，由此基于颗粒的光学特性确定将颗粒分选进入分选通道。传输用于将颗粒从第一通道分选进入分选通道中的分选信号。第二检测信号被接收，其与在分选通道中检测到颗粒的存在相关联。基于第二检测信号，验证颗粒从第一通道中分选进入分选通道中。
颗粒分选系统设备方法

[发明专利]颗粒分选的系统、设备和方法-CN201380064645.5有效
发明人： S·H·曹;J·莫拉基斯;Y·罗;T-F·吴;I·奎格利;K·庄;P·蓬卡;W·阿莱尼克 -专利权人：纳诺赛莱克特生物医药股份有限公司
申请日： 2013-10-15 - 公布日： 2019-02-15 - 主分类号： G01N21/00 文献下载
摘要：本发明提供的是与流体中的颗粒和细胞分选以及检测有关的细胞检测系统、流体装置、结构以及技术，例如分选特定亚群的细胞类型。用于验证颗粒分选的方法包括：接收与在第一通道中的颗粒的光学特性相关联的第一检测信号。基于第一检测信号来确定多个第二通道的分选通道，由此基于颗粒的光学特性确定将颗粒分选进入分选通道。传输用于将颗粒从第一通道分选进入分选通道中的分选信号。第二检测信号被接收，其与在分选通道中颗粒的存在相关联。基于第二检测信号，验证颗粒从第一通道中分选进入分选通道中。
颗粒分选系统设备方法

[发明专利]一种基于势距图联合PCA与改进云模型的雷达信号分选方法-CN202110836585.0有效
发明人：戚连刚;王亚妮;国强;刘立超;李明松 -专利权人：哈尔滨工程大学
申请日： 2021-07-23 - 公布日： 2023-09-29 - 主分类号： G01S7/41 文献下载
摘要：本发明提供一种基于势距图联合PCA与改进云模型的雷达信号分选方法。主要研究了多模雷达信号分选中“增批”问题的解决方法，即将一种雷达的不同调制模式分选为多部雷达的问题。所述方法包括：利用势距图对多模式雷达信号进行预分选；通过PCA提取预分选后的主要特征作为雷达信号的新特征；利用改进云模型理论来计算数据簇之间的隶属度关系，并设定了简单高效的分类评价标准完成了多模雷达信号的分选本发明的方法可以提高多模雷达信号的分选准确率，解决多模雷达信号分选中存在的“增批”问题，并在一定程度上提高了多模雷达信号分选的效率。
一种基于势距图联合 pca 改进模型雷达信号分选方法

[发明专利]一种复杂电磁环境下未知雷达信号智能分选系统及方法-CN202011359966.6在审
发明人：祝兴晟;常诚;杨利民;李喆;夏耘;王倩;张凤;邓志均;岑小锋;杨玉生;刘洋;吴海华 -专利权人：中国运载火箭技术研究院
申请日： 2020-11-27 - 公布日： 2021-03-19 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种复杂电磁环境下未知雷达信号智能分选系统及方法，通过设计雷达信号脉内信息分选模块、雷达信号时频混叠分离模块、雷达信号脉间信息分选模块和雷达行为认知模块，形成雷达信号分选的流程闭环。本发明可应用在无人机、无人艇等的雷达系统进行信号识别分类和行为认知，解决了在复杂电磁环境下雷达信号分选系统分选效率低、分选时间长，环境适应性差，手段单一等问题，为基于机器学习的复杂电磁环境下未知雷达信号的认知奠定基础
一种复杂电磁环境未知雷达信号智能分选系统方法

[发明专利]粗粒矿物脉冲分选机-CN201210406826.9无效
发明人：魏树海 -专利权人：山西恩必讴重工有限公司
申请日： 2012-10-23 - 公布日： 2013-02-13 - 主分类号： B03B5/68 文献下载
摘要：一种粗粒矿物脉冲分选机，属于矿物脉冲分选设备，它由脉冲信号指令中心、脉冲信号执行机构、脉冲信号转化机构和机体组成，脉冲信号执行机构设置在机体上、脉冲信号转化机构设置在机体内。脉冲信号指令中心将脉冲信号传递到执行机构中，执行机构带动转化机构将脉冲信号转化为脉冲，脉冲带动机体内的水做脉冲运动，从而实现分选。本发明与现有技术相比具有分选粒度比可达40、分选上限是6mm、分选下限是0.15mm、分选效果好、精煤回收率高。
矿物脉冲分选

[实用新型]粗粒矿物脉冲分选机-CN201220544375.0有效
发明人：魏树海 -专利权人：山西恩必讴重工有限公司
申请日： 2012-10-23 - 公布日： 2013-04-24 - 主分类号： B03B5/68 文献下载
摘要：一种粗粒矿物脉冲分选机，属于矿物脉冲分选设备，它由脉冲信号指令中心、脉冲信号执行机构、脉冲信号转化机构和机体组成，脉冲信号执行机构设置在机体上、脉冲信号转化机构设置在机体内。脉冲信号指令中心将脉冲信号传递到执行机构中，执行机构带动转化机构将脉冲信号转化为脉冲，脉冲带动机体内的水做脉冲运动，从而实现分选。本实用新型与现有技术相比具有分选粒度比可达40、分选上限是6mm、分选下限是0.15mm、分选效果好、精煤回收率高。
矿物脉冲分选

[发明专利]一种基于SDIF与PRI变换法结合的雷达信号分选方法-CN201910976041.7在审
发明人：张春杰;刘俞辰;司伟建;邓志安;曲志昱;侯长波;汲清波;杨梦 -专利权人：哈尔滨工程大学
申请日： 2019-10-15 - 公布日： 2020-02-07 - 主分类号： G01S7/36 文献下载
摘要：本发明属于电子对抗技术领域，具体涉及使搜索效果更快更明显的一种基于SDIF与PRI变换法结合的雷达信号分选方法。本方法包括如下步骤：对雷达信号进行预分组；利用SDIF方法对预分选后的雷达分组建立到达时间级差直方图；依据雷达信号模型时域特点快速搜索提取雷达信号；建立一级差直方图快速分析参差信号；判断是否仍有复杂类型雷达信号残留；查询各模块分选结果。本发明的有益效果在于：预分选与主分选结合，将SDIF与PRI变换法结合作为主分选，SDIF部分对复杂雷达电磁环境中常规信号、参差信号、脉间捷变频以及脉组捷变频信号进行快速而有效的分选，PRI变换法部分分选剩余的抖动信号，各部分算法各司其职，承上启下，组合成有效快速的综合分选算法。
分选雷达信号捷变频预分选直方图参差算法雷达电子对抗技术常规信号电磁环境抖动信号分组建立复杂类型快速分析快速搜索时间级差综合分选脉组时域搜索残留查询分组

[实用新型]物品分选系统-CN202221409270.4有效
发明人：胡金利;张志伟 -专利权人：上海西门子线路保护系统有限公司
申请日： 2022-05-30 - 公布日： 2022-10-14 - 主分类号： B07C5/34 文献下载
摘要：物品分选系统，包括待分选物品暂存架(10)、特征读取装置(20)、已分选物品存放架(30)、分选装置(40)和控制模块(50)。特征读取装置能读取待分选物品暂存架上承载的物品的识别特征，并能根据不同的识别特征生成不同的识别信号。已分选物品存放架具有数个分类放置部(31)。分选装置能将待分选物品暂存架上承载的物品移动至各分类放置部。控制模块能根据识别信号生成存放选择信号。不同的存放选择信号对应于不同的分类放置部。控制模块还能根据存放选择信号控制分选装置将待分选物品暂存架上承载的物品移动至相应的分类放置部。该物品分选系统能够根据物品的识别特征对物品进行自动分选，准确性较高。
物品分选系统

[发明专利]一种颗粒分选方法及颗粒分选设备-CN202011522669.9在审
发明人：蓝科 -专利权人：上海微电子装备(集团)股份有限公司
申请日： 2020-12-21 - 公布日： 2021-04-20 - 主分类号： G01N15/14 文献下载
摘要：本发明实施例公开了一种颗粒分选方法及颗粒分选设备。该颗粒分选方法包括：对液流室中待测颗粒被探测光照射后产生的散射光信号和荧光信号进行第一光信号探测，并对所述待测颗粒进行成像探测；对第一光信号探测结果和/或成像探测结果进行分析，确定分选指令；根据所述分选指令对所述待测颗粒进行分选本发明实施例的方案提高了分选效率及分选准确度。
一种颗粒分选方法设备

[发明专利]一种基于深度聚类的无监督雷达信号分选方法-CN202111226473.X在审
发明人：杨承志;吴宏超;邴雨晨;王美玲;许冰;王龙;周一鹏;易仁杰;王鸿超;吴焕欣;商犇;刘焕鹏;李吉民;石礼盟;曹鹏宇;陈泽盛;苏琮智 -专利权人：中国人民解放军空军航空大学
申请日： 2021-10-21 - 公布日： 2022-01-25 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于深度聚类的无监督雷达信号分选方法，该方法利用无监督分选模型对待分选的时间序列信号进行信号调制格式分选，得到雷达信号分选结果，其中无监督分选模型由深度自编码网络层与时序信号聚类层相结合得到，深度自编码网络层包括编码层和解码层，编码层将输入的时间序列信号降维压缩为更紧凑的潜在特征表示向量，时序信号聚类层对潜在特征表示向量进行无监督聚类分析，得到雷达信号分选结果，并且将重构损失函数与KL对比散度损失函数作为模型的总代价函数，通过最小化总代价函数来反向更新网络权重参数和聚类中心，对无监督分选模型进行联合优化训练。本发明模型的整个训练过程是无监督的，且能够实现雷达信号的高效、准确分选。
一种基于深度监督雷达信号分选方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条