基于深度学习的地下目标电磁反演方法及系统

    公开(公告)号:CN113361367B

    公开(公告)日:2022-04-26

    申请号:CN202110609551.8

    申请日:2021-06-01

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于深度学习的地下目标电磁反演方法及系统。该方法包括:将手写数据集中每一个手写数字体图像映射为GPR探测区域区间中的探测目标区域,通过仿真计算获取GPR数据集;对GPR数据集进行频域处理,获取频域数据集;以回波频域数据矩阵为输入、探测目标区域的介电常数矩阵为输出对构建的初始电磁反演网络进行训练,得到训练好的目标电磁反演网络;将GPR采集的实测回波数据矩阵经频域处理后输入训练好的目标电磁反演网络,以获得待测地下目标区域的介电常数矩阵。本发明可以有效解决数据量大造成的数据采集时间过长,数据冗余造成的计算效率低的问题,同时能够有效恢复地下目标区域的介电常数分布和几何形状分布。

    基于特征融合网络的地下圆柱体目标半径估算方法及系统

    公开(公告)号:CN111445515B

    公开(公告)日:2021-06-08

    申请号:CN202010219817.3

    申请日:2020-03-25

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于特征融合网络的地下圆柱体目标半径估算方法及系统,包括:获取探地雷达对地下圆柱体探测得到的训练回波数据并进行预处理,获取预处理后数据中的双曲线目标区域并且估算出地下圆柱体的埋深;建立特征融合网络,以双曲线目标区域作为特征融合网络的输入对特征融合网络进行训练得到以双曲线目标区域为输入、以地下圆柱体目标半径为输出的按照埋深范围分类的若干训练后的特征融合网络;对于实时回波数据重复上述步骤并根据待测地下圆柱体的埋深选择对应的按照埋深范围分类的特征融合网络从而得到地下圆柱体的半径。本方法能够快速检测探地雷达目标区域并精确估计地下圆柱体目标的半径。

    基于特征融合网络的地下圆柱体目标半径估算方法及系统

    公开(公告)号:CN111445515A

    公开(公告)日:2020-07-24

    申请号:CN202010219817.3

    申请日:2020-03-25

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于特征融合网络的地下圆柱体目标半径估算方法及系统,包括:获取探地雷达对地下圆柱体探测得到的训练回波数据并进行预处理,获取预处理后数据中的双曲线目标区域并且估算出地下圆柱体的埋深;建立特征融合网络,以双曲线目标区域作为特征融合网络的输入对特征融合网络进行训练得到以双曲线目标区域为输入、以地下圆柱体目标半径为输出的按照埋深范围分类的若干训练后的特征融合网络;对于实时回波数据重复上述步骤并根据待测地下圆柱体的埋深选择对应的按照埋深范围分类的特征融合网络从而得到地下圆柱体的半径。本方法能够快速检测探地雷达目标区域并精确估计地下圆柱体目标的半径。

    一种地下目标探测方法、系统及计算机存储介质

    公开(公告)号:CN113359101A

    公开(公告)日:2021-09-07

    申请号:CN202110914664.9

    申请日:2021-08-10

    Applicant: 中南大学

    Abstract: 本发明提供一种地下目标探测方法、系统及存储介质,该地下目标探测方法包括:获得由一维测线上每个扫描位置处的A‑Scan散射回波组合形成的B‑Scan回波数据,A‑Scan散射回波为探地雷达在该扫描位置处向地下发射电磁波后接收到的地下区域的散射回波;处理B‑Scan回波数据,使部分B‑Scan回波数据形成输入数据,并至少以用于表征与地下目标位置关系的特征数据形成输出数据;基于输入数据及输出数据训练网络模型,形成散射曲线特征识别模型;向散射曲线特征识别模型中输入待测B‑Scan回波数据,获得目标特征数据;基于目标特征数据辅助计算地下目标的横向位置与顶部埋深估算值。

    一种探地雷达B-scan图像去噪方法

    公开(公告)号:CN112819732B

    公开(公告)日:2021-07-09

    申请号:CN202110415692.6

    申请日:2021-04-19

    Applicant: 中南大学

    Abstract: 一种探地雷达B‑scan图像去噪方法,其中包括以下步骤:步骤1:探地雷达GPR在地表对预先埋有管线目标的单一背景介质区域进行探测,获取Z幅GPR B‑scan图像构成无噪GPR标签数据集;步骤2:利用每种含噪GPR数据集及其对应的无噪GPR标签数据集训练多尺度卷积自编码器;所述多尺度卷积自编码器包括一个编码器E、一个解码器D;步骤3:将待去噪的GPR图像输入至训练好的多尺度卷积自编码器,通过编码和解码,输出去噪后的GPR图像,并计算去噪后GPR图像的信噪比,验证多尺度卷积自编码器的去噪效果,本发明能够将低信噪比情况下的含噪GPR图像有效去噪。

    基于FMCW雷达系统的笔画识别方法以及系统

    公开(公告)号:CN112198966B

    公开(公告)日:2021-03-16

    申请号:CN202011420741.7

    申请日:2020-12-08

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于FMCW雷达系统的笔画识别方法以及系统,该方法包括:获取基于FMCW雷达系统手写汉字包含的至少一个待识别笔画的中频信号数据;对各待识别笔画的中频信号数据进行预处理,获取各待识别笔画的特征图集合;获取训练完成的汉字基本笔画识别模型;汉字基本笔画识别模型是指以特征图集合为输入参数,以基本笔画类别为输出参数的卷积神经网络模型;将各待识别笔画的特征图集合输入至汉字基本笔画识别模型中,并获取汉字基本笔画识别模型输出的与各待识别笔画匹配的基本笔画类别。本发明降低了用于表征手势运动趋势的数据量,提高了特征提取效率,且能够精确地判别出基本笔画类别。

    基于FMCW雷达系统的笔画识别方法以及系统

    公开(公告)号:CN112198966A

    公开(公告)日:2021-01-08

    申请号:CN202011420741.7

    申请日:2020-12-08

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于FMCW雷达系统的笔画识别方法以及系统,该方法包括:获取基于FMCW雷达系统手写汉字包含的至少一个待识别笔画的中频信号数据;对各待识别笔画的中频信号数据进行预处理,获取各待识别笔画的特征图集合;获取训练完成的汉字基本笔画识别模型;汉字基本笔画识别模型是指以特征图集合为输入参数,以基本笔画类别为输出参数的卷积神经网络模型;将各待识别笔画的特征图集合输入至汉字基本笔画识别模型中,并获取汉字基本笔画识别模型输出的与各待识别笔画匹配的基本笔画类别。本发明降低了用于表征手势运动趋势的数据量,提高了特征提取效率,且能够精确地判别出基本笔画类别。

    一种用于步进频率雷达的非线性频率步进方法及其系统

    公开(公告)号:CN111273250A

    公开(公告)日:2020-06-12

    申请号:CN202010144276.2

    申请日:2020-03-04

    Applicant: 中南大学

    Abstract: 本发明提出了一种用于步进频率雷达的非线性频率步进方法及其系统,包括非线性频率步进准则、非线性间隔的宽带频谱合成方法和基于软件无线电平台的非线性步进频率雷达系统的实现方法。该方法通过分析均匀步进间隔下的雷达回波特征,设计了非线性的频率步进准则,对探测区域进行第二次扫描并获得雷达回波,设计了非线性频率步进下的宽带频谱合成方法,对非线性频率步进下的宽带频谱进行合成处理,获得雷达散射回波,达到提高雷达分辨力,降低一维距离像旁瓣的目的。给出了基于软件无线电平台的非线性步进频率雷达系统的实现方案,包括硬件搭建方案和平台参数配置。

    一种用于步进频率雷达的非线性频率步进方法及其系统

    公开(公告)号:CN111273250B

    公开(公告)日:2023-08-25

    申请号:CN202010144276.2

    申请日:2020-03-04

    Applicant: 中南大学

    Abstract: 本发明提出了一种用于步进频率雷达的非线性频率步进方法及其系统,包括非线性频率步进准则、非线性间隔的宽带频谱合成方法和基于软件无线电平台的非线性步进频率雷达系统的实现方法。该方法通过分析均匀步进间隔下的雷达回波特征,设计了非线性的频率步进准则,对探测区域进行第二次扫描并获得雷达回波,设计了非线性频率步进下的宽带频谱合成方法,对非线性频率步进下的宽带频谱进行合成处理,获得雷达散射回波,达到提高雷达分辨力,降低一维距离像旁瓣的目的。给出了基于软件无线电平台的非线性步进频率雷达系统的实现方案,包括硬件搭建方案和平台参数配置。

Patent Agency Ranking