-
公开(公告)号：CN116827458B
公开(公告)日：2023-12-05
申请号：CN202311068626.1
申请日：2023-08-24
Applicant: 北京理工大学
IPC: H04B17/309 , H04L25/02 , H04W64/00
Abstract: 本发明公开了一种基于多角度的频偏估计及干扰源定位方法，包括仪器获取/仿真生成接收机接收的干扰源目标信号，对所述干扰源目标信号下变频、去调制得到干扰源目标的多普勒信号；利用所述干扰源目标的多普勒信号通过后向投影定位技术搜索得到不同子孔径下目标的斜视角信息；基于频偏与斜视角之间的几何关系构造非线性方程组，利用牛顿法求解所述非线性方程组得到频偏的估值以及干扰源目标的经度估值以及纬度估值。本发明基于频偏对后向投影定位的影响机理，通过解非线性方程组得到频偏的估值以及目标的经纬度估值，能够有效解决频偏对合成孔径定位的影响。
-
公开(公告)号：CN116794693A
公开(公告)日：2023-09-22
申请号：CN202310259354.7
申请日：2023-03-10
Applicant: 北京理工大学 , 航天恒星科技有限公司
Abstract: 本发明提供一种用于航天器的GNSS自主定轨方，根据GNSS信号捕获跟踪后实时获得的观测量，结合轨道动力学模型和观测量模型，实现航天器在轨实时自主定轨，提高航天器定位定轨精度。同时，提出了基于多项式拟合的GNSS观测量预处理，以及自主定轨滤波器收敛判决条件，保证了航天器自主定轨滤波稳定性。本发明实现的用于航天器的GNSS自主定轨方法，可广泛应用于高中低轨道航天器高精度导航定位和自主定轨服务场景，具有广阔的推广应用前景。
-
公开(公告)号：CN116740583A
公开(公告)日：2023-09-12
申请号：CN202310757787.5
申请日：2023-06-25
Applicant: 成都智遥云图信息技术有限公司 , 北京理工大学
IPC: G06V20/13 , G06V10/75 , G06V10/774 , G06V10/50 , G06V10/82
Abstract: 本发明提供一种高精度的多模态遥感影像自动匹配方法和系统，所述方法包括：获取参考图像和输入图像并制作多模态遥感影像训练与测试数据集；分别提取参考影像和输入影像的逐像素特征表达图；通过构建多分支全局注意力模块来增强逐像素特征表达图的结构特征描述，从而得到注意力增强的结构特征描述图；利用图像整体与局部信息基于三元组损失构建联合多裁剪模板匹配的损失函数；在多模态遥感影像训练与测试数据集上进行网络学习训练，得到多模态遥感影像自动匹配模型；通过多模态遥感影像自动匹配模型获得输入图像在参考图像上的位置坐标。本发明能够弥补传统匹配方法对于多模态影像结构特征表达不够精细的不足，有效提高多模态遥感图像的匹配精度。
-
公开(公告)号：CN116563370A
公开(公告)日：2023-08-08
申请号：CN202310006472.7
申请日：2023-01-04
Applicant: 北京理工大学
Abstract: 本申请涉及基于单目计算机视觉的测距方法和测速方法。该基于单目计算机视觉的测距方法包括：获取待测距图像并使用基于目标检测的神经网络模型确定所述待测距图像中的待测距对象的边界框；基于所待测距图像中的所述待测距对象的边界框确定所述待测距对象的测距像素的坐标；对所述测距像素的坐标进行透视变换以获得所述测距像素的坐标在所述待测距图像对应的鸟瞰图上的变换坐标；确定所述鸟瞰图中的标尺比例；以及，基于所述变换坐标和所述标尺比例确定所述待测距对象的实际距离。这样，通过集成基于神经网络模型的对于源图像的目标检测和透视变换和/或坐标变换，能够获得准确的距离和速度测量结果。
-
公开(公告)号：CN116468077A
公开(公告)日：2023-07-21
申请号：CN202211694760.8
申请日：2022-12-28
Applicant: 北京理工大学
IPC: G06N3/0464 , G06N3/08 , G01J9/02
Abstract: 本申请涉及一种用于干涉图的相位估计的神经网络模型的训练方法和基于所述神经网络模型的干涉图的相位估计方法。该用于干涉图的相位估计的神经网络模型的训练方法包括：获取训练用干涉图及其真实相位图；将所述训练用干涉图输入神经网络模型；获取所述神经网络模型输出的预测相位图；计算所述预测相位图与所述真实相位图之间的损失函数值；通过最小化所述损失函数值以梯度反向传播训练所述神经网络模型。这样，通过基于Unet++的神经网络模型学习干涉图不同尺度的特征，获得与干涉图对应的相位图准确估计。
-
Patent Agency Ranking
公开(公告)号：CN113341392B
公开(公告)日：2023-06-16
申请号：CN202110609841.2
申请日：2021-06-01
Applicant: 北京理工大学
IPC: G01S7/41 , G01S13/87 , G01S13/88 , G06F18/25 , G06F18/2135 , G06F18/2411 , G06N3/0464
Abstract: 本发明公开的一种基于多站雷达微多普勒运动测向的人体行为分类方法，属于雷达目标探测信号处理领域。本发明实现方法为：通过利用基于多站雷达多普勒频率的人体运动方向估计方法，实时测量人体运动相对于不同雷达接收机的方位角。根据测量的角度值和不同方位角对分类性能影响的不同对多站数据进行区间划分，并依据划分的区间进行数据级融合，利用双通道的卷积主成分分析网络CPCAN对不同区间的数据进行特征提取与分类，将两个通道的分类结果进行自适应加权的决策级融合得到最终的行为类别结果。本发明通过充分考虑运动方位变化带来的微多普勒数据的影响，能够简化多站分类网络结构，具有更佳的分类性能和更稳健的分类效果。
-
公开(公告)号：CN113222877B
公开(公告)日：2023-04-11
申请号：CN202110617056.1
申请日：2021-06-03
Applicant: 北京理工大学 , 郑州航空工业管理学院 , 中国航空工业集团公司洛阳电光设备研究所
IPC: G06T5/50
Abstract: 本发明公开了红外和可见光图像融合方法及其在机载光电视频中的应用。其中所述融合方法包括：将经过目标提取预处理得到预处理后红外图像，与经过视觉增强预处理得到的预处理后可见光图像通过融合模型进行融合，其中所述融合模型基于含有多层各向异性扩散滤波器的多尺度分析模型构建。本发明所得融合图像在高分辨、高清晰度的同时具有夜间成像效果好、环境影响小、集成信息量大、融合效率高等特点，特别适用于在机载嵌入式平台实时融合多源光电图像。
-
公开(公告)号：CN115723939A
公开(公告)日：2023-03-03
申请号：CN202211546952.4
申请日：2022-12-05
Applicant: 北京理工大学
Abstract: 本发明公开的一种基于双稳态超结构的变体机翼，属于飞机机翼变体技术领域。本发明包括上蒙皮、下蒙皮、驱动器、翼肋、横梁、变形组件和电机。驱动器为伸缩杆，用于驱动变形组件，调控蒙皮厚度变化。变形组件为双稳态周期性结构变密度排布胞元，双稳态结构包括曲梁和侧壁；每一列由若干个变形胞元与伸缩杆构成驱动列，驱动列对称排布组成变形组件。横梁用于连接两侧的变形组件，传递驱动力以及调控左右两侧变形使机翼两侧变形保持一致，机翼型面平稳变形。上蒙皮、下蒙皮分别呈上下两层设置，左右两侧为翼肋，所述驱动胞元变梯度交错排布在上蒙皮、下蒙皮与翼肋所围成的内部空间。本发明能够实现变体机翼变形过程的连续性减小对飞行器稳定度的影响。
-
公开(公告)号：CN115690783A
公开(公告)日：2023-02-03
申请号：CN202211091197.5
申请日：2022-09-07
Applicant: 北京理工大学
IPC: G06V20/69 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于深度学习的医学高光谱图像微流控单细胞识别方法，包括以下步骤：S1、数据采集；S2、数据标记；S3、细胞定位，包括数据预处理，模板匹配，凹槽中背景、细胞分离；S4、细胞分类，包括数据准备，卷积神经网络搭建，模型训练与测试，实现细胞层面分类。本发明使用的细胞、背景分离，利用微流控芯片的形态学优势定位凹槽，利用高光谱图像包含丰富的光谱信息筛选特殊波段，实现迅速细胞、背景分离。采用了ResNext50网络结构并加宽网络，结合注意力模块提取更深层次的特征；训练过程中，采用Kaiming正态分布初始化方法，使用Mix‑up数据增强方法提升模型分类精度。
-
公开(公告)号：CN111898662B
公开(公告)日：2023-01-06
申请号：CN202010701215.1
申请日：2020-07-20
Applicant: 北京理工大学
Abstract: 本发明涉及一种滨海湿地深度学习分类方法、装置、设备和存储介质，该方法包括：对采集到的原始高光谱图像数据进行校正处理和归一化处理，得到待处理高光谱图像数据，以及，对采集到的原始激光雷达数据进行异常点去除处理和归一化处理，得到待处理激光雷达数据；构造各个模式的三层Octave卷积层；基于各个模式的三层Octave卷积层，对待处理高光谱图像数据和待处理激光雷达数据进行成分分离、成分组合以及频率分量综合，得到特征融合数据；提取特征融合数据中的方向性纹理信息，结合待处理高光谱数据进行空间、纹理以及光谱联合分类，得到目标联合分类特征，以确定目标类别。提高了不同分辨率、不同模态下的联合地物分类性能；实现高精度的协同分类。
-
-
-
-
-
-
-
-
-
Search Results
321
records
(took 0.062 seconds)
