-
Patent Agency Ranking
公开(公告)号：CN118797894A
公开(公告)日：2024-10-18
申请号：CN202410748083.6
申请日：2024-06-11
Applicant: 北京理工大学
Abstract: 本发明提供一种基于二维克拉美罗界推导的天线阵列架构设计方法，首先推导不同类型平面阵列的导向矩阵，再根据导向矩阵给出各平面阵列的克拉美罗界，最后根据克拉美罗界确定孔径约束下最优阵列类型；也就是说，本发明用性能界分析代替高复杂度的蒙特卡洛仿真，给出了超定/欠定信源二维波达方向角的克拉美罗界闭式解，并据此确定条件约束下的二维平面阵列最优参数，基于模型提供理论性能下界支撑，可以有效简化分析过程，避免引入仿真偏差，为阵列快速、精准优化构型提供理论指导；同时，本发明覆盖宽带/窄带、超定/欠定信源，满足有限载体多目标高精度测向需求。
-
公开(公告)号：CN119335524A
公开(公告)日：2025-01-21
申请号：CN202411258316.0
申请日：2024-09-09
Applicant: 北京理工大学
Abstract: 本发明公开了一种孔径约束下极化敏感阵列雷达高精度测角方法。本发明分为阵列综合误差校正与虚拟孔径扩展测角两个部分，阵列综合误差校正对工程实现中存在的多种阵列误差进行联合建模，并从理论上证明了基于两个不同极化校正源实测导向矢量生成的矩阵束与基于真实导向矢量生成的矩阵束等价(具有相同的广义特征值)，进而实现了极化敏感阵列误差的精准校正；虚拟孔径扩展测角在校正数据的基础上利用高阶累积量实现了有效孔径的扩展，突破了物理孔径的限制，进而提高了阵列雷达的测角精度与分辨能力。本发明可应用于任意结构的极化敏感阵列，校正实际工程中存在的所有阵列误差，适用于存在多种误差的恶劣条件，能够直接在工程中应用。
-
公开(公告)号：CN109119159A
公开(公告)日：2019-01-01
申请号：CN201810948263.3
申请日：2018-08-20
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于快速权重机制的深度学习医疗诊断系统，属于深度学习及大数据处理技术领域。包括数据预处理模块、参数设定模块、训练数据生成模块、加载及迭代模块、联合网络模型定义模块、前向模块以及联合模型训练模块；联合网络模型定义模块主要包括先验单元、编码单元、特征提取单元、生成单元、GRU单元、快速权重机制单元和判决单元；快速权重机制单元的工作过程为：1)生成快速权重机制输入、隐藏层向量以及进行层规范化操作；联合模型训练模块的工作过程主要包括：采用Adam优化、计算交叉熵、分别将当前训练及测试数据送入前向模块中进行训练并计算准确度。所提诊断系统显著提高了决策准确率。
-
公开(公告)号：CN119087381A
公开(公告)日：2024-12-06
申请号：CN202411202649.1
申请日：2024-08-29
Applicant: 北京理工大学
Abstract: 本发明属于雷达信号处理技术领域，具体涉及一种载频重频随机捷变的半主动脉冲雷达相参积累方法。该方法具体过程为：对半主动脉冲雷达接收机接收的参考脉冲信号进行载频鉴别，对载频鉴别过程中鉴别出的残留中频成分进行数字正交下变频处理，得到零中频参考脉冲信号，并对所述零中频参考脉冲信号进行重频鉴别；对回波脉冲信号接收时间内的射频信号进行处理，得到零中频回波脉冲信号；利用所述零中频参考脉冲信号对所述零中频回波脉冲信号的接收成分做相关匹配处理选取目标信号；基于重频鉴别结果，采用非均匀傅里叶变换对目标信号进行信号相参积累；完成距离波门、速度和加速度的搜索。
-
公开(公告)号：CN109119159B
公开(公告)日：2022-04-15
申请号：CN201810948263.3
申请日：2018-08-20
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于快速权重机制的深度学习医疗诊断系统，属于深度学习及大数据处理技术领域。包括数据预处理模块、参数设定模块、训练数据生成模块、加载及迭代模块、联合网络模型定义模块、前向模块以及联合模型训练模块；联合网络模型定义模块主要包括先验单元、编码单元、特征提取单元、生成单元、GRU单元、快速权重机制单元和判决单元；快速权重机制单元的工作过程为：1)生成快速权重机制输入、隐藏层向量以及进行层规范化操作；联合模型训练模块的工作过程主要包括：采用Adam优化、计算交叉熵、分别将当前训练及测试数据送入前向模块中进行训练并计算准确度。所提诊断系统显著提高了决策准确率。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
