“联合稀疏模型”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888132个，建议您升级VIP下载更多相关专利

[发明专利]一种基于毫米波联合结构的智能反射面两级信道估计方法-CN202111580257.5在审
发明人：陈保豪;田霖;陆国生;朱一峰;刘淼;李任新;张承亮;杜晓宇;唐杰 -专利权人：中国南方电网有限责任公司超高压输电公司
申请日： 2021-12-22 - 公布日： 2022-04-12 - 主分类号： H04L25/02 文献下载
摘要：本发明公开了一种基于毫米波联合结构的智能反射面两级信道估计方法，该所方法包括：构建智能反射面辅助的上行毫米波MIMO系统，采集不同时刻的接收信号；推导毫米波信道具有角扩展的波束空间模型，证明其联合稀疏与低秩结构；将时域接收信号模型重构为低秩矩阵采样形式，提出改进的秩算子，利用低秩矩阵近似算法完成接收信号的去噪处理；定义级联信道虚波束空间矩阵，引入vec算子及Kronecker积，将信道模型转换为稀疏信号恢复问题；联合恢复的虚波束空间矩阵与毫米波波束空间模型，完成直接信道与级联信道的最终估计。
一种基于毫米波联合结构智能反射两级信道估计方法

[发明专利]基于稀疏谱恢复的机载三维异构阵杂波抑制方法-CN202011583253.8有效
发明人：梁毅;殷志文;吴建新;王文杰 -专利权人：西安电子科技大学
申请日： 2020-12-28 - 公布日： 2023-08-11 - 主分类号： G06F30/10 文献下载
摘要：本发明公开了一种基于稀疏谱恢复的机载三维异构阵杂波抑制方法，包括步骤：建立机载三维异构阵的几何模型，并获取机载三维异构阵接收的杂波模型；建立对应的完备字典矩阵；通过压缩感知算法进行杂波谱恢复，再引入联合稀疏模型本发明将稀疏恢复模型引入到机载三维异构阵的杂波抑制，在正确构建压缩感知模型后，稀疏恢复的过程则是单纯的角度、多普勒求解问题，并不会受到杂波的空变影响，十分契合机载三维异构阵的杂波抑制。
基于稀疏恢复机载三维异构阵杂波抑制方法

[发明专利]因子分解机模型构建方法、设备及可读存储介质-CN202010893538.5在审
发明人：高大山;鞠策;杨强;谭奔;郑文琛;杨柳 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-08-28 - 公布日： 2020-12-01 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种因子分解机模型构建方法、设备及可读存储介质，所述因子分解机模型构建方法包括：获取预设初始化模型对应的初始化模型参数和第一稀疏数据，并基于初始化模型参数，与第二设备进行秘密共享，获得第一方秘密共享初始模型参数，以供第二设备确定第二方秘密共享初始模型参数，基于第一稀疏数据中的第一非零部分和第一方秘密共享初始模型参数，与第二设备进行联邦交互，以联合第二设备获取的第二稀疏数据中的第二非零部分和第二方秘密共享初始模型参数，计算秘密共享模型误差，基于秘密共享模型误差，对预设初始化模型进行更新，获得纵向联邦因子分解机模型。本申请解决了基于稀疏矩阵进行联邦学习时计算效率低的技术问题。
因子分解模型构建方法设备可读存储介质

[发明专利]基于图稀疏正则化的卫星高光谱图像压缩感知重建方法-CN201410304965.X有效
发明人：徐洋;吴泽彬;孙玉宝;刘建军;孙乐;韦志辉 -专利权人：南京理工大学
申请日： 2014-06-28 - 公布日： 2017-09-22 - 主分类号： G06T17/00 文献下载
摘要：本发明提供了一种基于图稀疏正则化的卫星高光谱图像压缩感知重建方法,包括以下步骤步骤1，将已知的高光谱数据的三维立方体重新排列为矩阵；步骤2，以随机卷积变换作为线性观测矩阵，构建多向量测量模型，对每一波段进行独立采样，生成测量向量矩阵；步骤3，将高光谱图像在稀疏变换域分解为谱间的关联成分和差异成分，构建包含关联成分和差异成分的图稀疏正则化的联合重建模型；步骤4，提出联合重建模型求解的交替方向乘子迭代算法，获得变换域的关联成分和差异成分
基于稀疏正则卫星光谱图像压缩感知重建方法

[发明专利]一种利用空间关系的遥感图像字典学习分类方法-CN201910711662.2有效
发明人：甘乐;詹德川 -专利权人：南京大学
申请日： 2019-08-02 - 公布日： 2023-07-25 - 主分类号： G06V10/764 文献下载
摘要：本发明公开一种利用空间关系的遥感图像字典学习分类方法，包括如下步骤：首先将每个像元的p‑邻域集视为一个训练单元，并对每个训练单元进行空间关系信息提取与表达；然后引入局部近邻空间关系信息构建基于局部近邻区域联合表示的字典学习模型最后基于训练得到的最优字典对各像元关联的p‑邻域集进行稀疏编码，并基于得到的稀疏判别系数特征和标注信息训练线性支持向量机模型对未标注像元进行分类。本发明对遥感图像局部近邻区域像元进行联合稀疏表达，使得构建的字典学习模型可以充分地感知图像中潜在的空间关系信息，以达到对地物目标精确识别的目的。
一种利用空间关系遥感图像字典学习分类方法

[发明专利]一种非均匀线性稀疏麦克风阵列设计方法-CN202310949031.0在审
发明人：陈华伟;王才志 -专利权人：南京航空航天大学
申请日： 2023-07-31 - 公布日： 2023-10-27 - 主分类号： H04R19/04 文献下载
摘要：本发明公开了一种非均匀线性麦克风阵列设计方法，针对线性麦克风阵列的阵列尺寸和网格，结合波束图构建原始稀疏优化模型；将新的阵元抽头联合稀疏优化模型转换为增广拉格朗日函数，依次更新增广拉格朗日函数的辅助变量、权值向量和拉格朗日乘子；将初始阵元稀疏位置及相应的稀疏抽头权值进行迭代加权，得到最终的稀疏阵元位置及稀疏抽头系数，实现线性麦克风阵列的设计。本发明中的麦克风阵列具有更大的孔径和更好的阵列鲁棒性，在更宽的频率范围内能够突破限制，从而具有更好的频率不变波束形成性能；每个传感器后接的抽头系数也是稀疏的，能够较为显著的节省存储空间，减少硬件开销。
一种均匀线性稀疏麦克风阵列设计方法

[发明专利]一种基于十字形声压阵列的宽带信号方位估计方法-CN202011064533.8有效
发明人：殷冰洁;刘曲;赵勰;许霁;石海泉 -专利权人：中国船舶重工集团公司七五0试验场
申请日： 2020-09-30 - 公布日： 2023-10-27 - 主分类号： G01S3/02 文献下载
摘要：本发明公开一种基于十字形声压阵列的宽带信号方位估计方法，首先利用信号方位角的空域稀疏特性，通过稀疏表示，建立基于宽带信号频域协方差矩阵的稀疏模型；然后基于该模型构造稀疏重建的字典矩阵，将稀疏向量重建转化为范数约束问题由于采用稀疏矢量联合稀疏表示和重构，该方法具有较窄的主波束和较深的零凹陷，保证了其良好的分辨率。
一种基于十字形声压阵列宽带信号方位估计方法

[发明专利]一种基于稀疏贝叶斯学习的信道估计方法-CN202310382732.0在审
发明人：王忠勇;郭亚博;翟慧鹏;张欣然;孙鹏;王玮;刘飞;袁正道 -专利权人：郑州大学
申请日： 2023-04-10 - 公布日： 2023-07-21 - 主分类号： H04L25/02 文献下载
摘要：本发明涉及无线通信技术领域，尤其涉及一种基于稀疏贝叶斯学习的信道估计方法，包括如下步骤：步骤A、利用毫米波信道的稀疏特性进行信道建模，并构造对应的RIS辅助的MIMO通信系统模型；步骤B、首先构造信道的两层稀疏先验信息，然后对参数的联合后验概率密度函数进行因式分解，最后根据因式分解画出相应的因子图模型；步骤C、针对步骤B中的因子图模型，结合酉变换近似消息传递，使用稀疏贝叶斯算法框架进行信道估计；步骤D、重复步骤C，直到算法收敛
一种基于稀疏贝叶斯学习信道估计方法

[发明专利]基于亚像元位移分解与联合优化的全色图像锐化方法-CN202211565189.X在审
发明人：韩晓琳;邓经纬;孙卫东 -专利权人：清华大学
申请日： 2022-12-07 - 公布日： 2023-05-12 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了基于亚像元位移分解与联合优化的全色图像锐化方法，该方法包括：获取同一场景下的全色图像和多光谱图像；将全色图像输入亚像元位移分解模型进行分解，以得到与多光谱图像具有相同空间分辨率的全色亚像元位移子图像；基于光谱字典对多光谱图像和所述全色亚像元位移子图像进行稀疏表示，以在稀疏与低秩约束下联合优化得到光谱字典求解结果和子图像稀疏系数矩阵；对光谱字典求解结果和根据子图像稀疏系数矩阵得到的光谱稀疏系数矩阵进行融合
基于亚像元位移分解联合优化全色图像锐化方法

[发明专利]一种耦合聚类中心约束项的非局部稀疏表示图像去噪方法-CN201511026701.3有效
发明人：张建伟;郑钰辉;王顺凤;陈允杰;朱节中 -专利权人：南京信息工程大学
申请日： 2015-12-30 - 公布日： 2018-12-21 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种耦合聚类中心约束项的非局部稀疏表示图像去噪方法，包括下述步骤：对待噪图像，利用kmeans聚类，产生各类；构建各类对应的紧致PCA字典；利用Dong等提出的方法构造类内图像片稀疏编码误差项；计算各类中心图片；利用聚类中心字典学习，分析类间相关性，得到各聚类中心的稀疏表示：构造聚类中心误差项；耦合聚类中心误差项，类内稀疏编码误差项于传统稀疏表示模型；利用梯度下降法求解。本发明通过提出聚类中心字典学习方法，挖掘各相似集或各类间潜在的稀疏性先验知识，构建聚类中心约束项，以增强图像稀疏表示，并联合该项与稀疏误差项，将二者引入于传统的稀疏表示模型，最终实现图像去噪。
一种耦合中心约束局部稀疏表示图像方法

[发明专利]参数估计方法、定位方法及装置-CN202310876297.7在审
发明人：黄韬;魏垚;蒯小燕 -专利权人：中国电信股份有限公司技术创新中心;中国电信股份有限公司
申请日： 2023-07-17 - 公布日： 2023-10-20 - 主分类号： H04L25/02 文献下载
摘要：所述参数估计方法包括：将信道导向矢量中的入射角在网格上离散化表示，确定出连续时间信号表示模型中的系数矩阵表达式；对接收信号进行基带采样，获取经反射体反射后、在M个天线上的接收信号的离散时间信号表示模型；采用系数矩阵表达式、离散时间信号表示模型以及发送信号矩阵，得到接收信号基于角度域与时延域的稀疏表示模型；根据稀疏表示模型，获取用于表征信道估计与信号检测的联合估计问题，求解联合估计问题得到信道估计值和发送信号估计值
参数估计方法定位装置

[发明专利]一种基于低秩矩阵二元分解的快速显著性目标检测算法-CN201910771452.2在审
发明人：刘明明;刘兵;仇文宁;付红;戚海永;李姗姗;孙伟 -专利权人：江苏建筑职业技术学院
申请日： 2019-08-20 - 公布日： 2019-11-22 - 主分类号： G06K9/34 文献下载
摘要：本发明提出了一种低秩矩阵双因子分解和结构化稀疏矩阵分解联合优化模型，并应用于显著性目标检测。算法不仅利用低秩矩阵双因子分解和交替方向法（ADM）来降低时间开销，而且引入分层稀疏正则化刻画稀疏矩阵中元素之间的空间关系。此外，所提算法能够无缝集成高层先验知识指导矩阵分解过程。实验结果表明，提出模型和算法的检测性能优于当前主流无监督显著性目标检测算法，且具有较低的时间复杂度。
算法低秩矩阵稀疏矩阵因子分解显著性联合优化模型目标检测算法时间复杂度交替方向矩阵分解空间关系目标检测时间开销无缝集成先验知识结构化无监督正则化分层稀疏刻画分解引入主流检测高层应用

[发明专利]磁共振快速成像方法和系统-CN201210584797.5有效
发明人：彭玺;梁栋;刘新;郑海荣 -专利权人：深圳先进技术研究院
申请日： 2012-12-28 - 公布日： 2013-05-01 - 主分类号： G01R33/561 文献下载
摘要：所述方法包括：目标图像表示为基于参考图像的图像信息与残余图像信息之和；依据参考先验信息构建图像模型，并通过所述图像模型捕获基于参考图像的图像信息；利用并行成像获得残余的图像信息；通过所述多线圈模型系数和残余图像信息在稀疏变换域内的系数形成目标图像的稀疏表示；联合利用图像模型、并行成像和目标函数增强的稀疏性重建目标图像。
磁共振快速成像方法系统

[发明专利]一种基于深度特征和联合稀疏的图像目标识别方法-CN201910201364.9在审
发明人：王威;唐璨;王新;李骥 -专利权人：长沙理工大学
申请日： 2019-03-18 - 公布日： 2019-06-21 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于深度特征和联合稀疏的图像目标识别方法。提取深度特征，转换成一维列向量，分别组成一个特征向量集；再计算训练样本特征集中各个特征向量的贡献权值，自适应加权重构特征向量；由于CNN提取的特征较多，造成特征维数偏大，故使用PCA方法进行降维处理，再利用联合稀疏模型得到训练样本特征集中每一类图像的公有特征和每个图像的私有特征，构成联合特征字典，使得字典具有更好的判别能力，最后进行稀疏表示分类。
图像目标识别深度特征特征向量训练样本稀疏图像联合稀疏模型特征向量集自适应加权测试样本计算训练降维处理特征维数特征字典维列向量稀疏表示样本特征再利用联合重构字典分类转换

[发明专利]一种目标跟踪方法、终端设备及存储介质-CN202110153228.4有效
发明人：陈颖频;孔俊雅;虞虹玲;林晨;蒋旻佚;罗崇淼 -专利权人：闽南师范大学
申请日： 2021-02-04 - 公布日： 2023-04-25 - 主分类号： G06T7/223 文献下载
摘要：本发明涉及一种目标跟踪方法、终端设备及存储介质，该方法中包括：对目标模板施加低秩约束，降低背景杂乱的影响；将目标模板与候选图像分别分块处理，构建基于低秩约束的逆向联合稀疏表示的联合稀疏编码模型；引入交替方向乘子法，将目标函数转换为若干个相对简单的子问题求解；通过联合稀疏编码打分，判别式非最大值抑制投票打分和局部纹理特征相似度打分三步评分机制筛选出最优候选粒子，获得最优图像块。
一种目标跟踪方法终端设备存储介质