-
公开(公告)号：CN113887506A
公开(公告)日：2022-01-04
申请号：CN202111236109.1
申请日：2021-10-22
Applicant: 吉林大学
Abstract: 本发明涉及了一种基于MDS‑CNN的干扰信号分类识别方法及系统，所述方法包括如下步骤：获取不同干扰类型不同干噪比下的干扰信号，作为干扰信号样本，构建干扰信号数据集；采用多维缩放算法对干扰信号数据集进行降维，得到降维后的干扰信号数据集；利用降维后的干扰信号数据集对CNN模型进行训练，获得训练后的CNN模型；获取通信系统的干扰信号；对通信系统的干扰信号进行降维后，输入训练后的CNN模型进行识别。并发明将多维缩放算法与CNN网络结合，利用多维缩放算法对数据进行压缩提高训练和识别速度，利用CNN网络实现干扰信号的准确识别，实现了对干扰信号进行准确、快速的识别。
-
公开(公告)号：CN113887506B
公开(公告)日：2024-04-30
申请号：CN202111236109.1
申请日：2021-10-22
Applicant: 吉林大学
IPC: G06F18/24 , G06N3/0464 , G06N3/08 , G06F18/213
Abstract: 本发明涉及了一种基于MDS‑CNN的干扰信号分类识别方法及系统，所述方法包括如下步骤：获取不同干扰类型不同干噪比下的干扰信号，作为干扰信号样本，构建干扰信号数据集；采用多维缩放算法对干扰信号数据集进行降维，得到降维后的干扰信号数据集；利用降维后的干扰信号数据集对CNN模型进行训练，获得训练后的CNN模型；获取通信系统的干扰信号；对通信系统的干扰信号进行降维后，输入训练后的CNN模型进行识别。并发明将多维缩放算法与CNN网络结合，利用多维缩放算法对数据进行压缩提高训练和识别速度，利用CNN网络实现干扰信号的准确识别，实现了对干扰信号进行准确、快速的识别。
-
公开(公告)号：CN114397474B
公开(公告)日：2022-11-08
申请号：CN202210047540.X
申请日：2022-01-17
Applicant: 吉林大学
Abstract: 一种基于FCN‑MLP的弧形超声传感阵列风参数测量方法，属于测风技术领域，方法包括：构建弧形阵列结构；根据构建的弧形阵列结构中阵元的分布情况，构建阵列流型；建立不同信噪比下的阵列接收矢量，对风速、风向进行标签处理，构建风速数据集和风向数据集；将风速、风向数据集进行随机打乱，并将随机打乱后的风速数据集划分为训练集、验证集和测试集；构建并训练两个FCN‑MLP网络模型；将风速数据集和风向数据集分别输入到训练好的FCN‑MLP风速测量神经网络模型和FCN‑MLP风向测量神经网络模型中，得出测量风参数信息。本发明方法使得当环境中存在噪声时，实现对风参数的精准测量，并减小计算的复杂度，提高测量的实时性。
-
公开(公告)号：CN112785052B
公开(公告)日：2022-04-19
申请号：CN202110047680.2
申请日：2021-01-14
Applicant: 吉林大学
Abstract: 本发明公开了一种基于粒子滤波算法的风速风向预测方法，属于风速风向测量技术领域，包括构建弧形阵列测风结构，得到阵列流型矢量；以风速风向参数作为待估计量，建立用于预测风速风向的状态空间模型，所述状态空间模型由状态方程和观测方程组成；根据状态方程和观测方程，利用粒子滤波算法估计风速风向的状态值，实现风速风向的动态预测；所述粒子滤波算法的似然函数采用多重信号分类MUSIC算法空间谱函数，本发明实现了风速风向值的动态预测，并且具有较高的风速风向预测精度。
-
公开(公告)号：CN110031827A
公开(公告)日：2019-07-19
申请号：CN201910298787.7
申请日：2019-04-15
Applicant: 吉林大学
Abstract: 本发明涉及一种基于超声波测距原理的手势识别方法，属于人机交互领域。构建样本集，提取能够表示手势的特征数据；设置合适的阈值，寻找手掌回波数据，从而计算出手掌回波飞行距离，实现数据降维；借助k近邻算法实现其训练阶段和识别阶段，然后利用训练好的分类器完成识别阶段；将回波到达点检测算法移植到LabVIEW后执行手势分割算法，对数据进行处理，识别出当前手势，并将手势显示出来，最终实现手势识别。优点：无需佩戴设备即可实现动态手势特征提取，可对回波数据进行有效降维降低计算复杂度、提高相关的手势识别速度，可根据需要建立用户个性化样本集并利用实时数据进行匹配，提高相关手势识别方法的准确性。
-
Patent Agency Ranking
公开(公告)号：CN115932319A
公开(公告)日：2023-04-07
申请号：CN202310016622.2
申请日：2023-01-06
Applicant: 吉林大学
Abstract: 本发明公开了一种弧形嵌套阵列的超声波测风结构和测风方法，属于测风技术领域，构建一种针对近场测风系统的非均匀的弧形嵌套阵列，本发明可以扩大阵列的有效孔径，形成更大的虚拟阵列，相当于增加了接收阵元，加强了对风信号的检测能力，有利于提高低信噪比下的测量精度，降低误差的影响，提高风参数测量的成功率。所提出的弧形嵌套阵列的超声波测风方法，该方法基于弧形嵌套阵列的超声波测风结构，将PM算法与遗传算法结合的混合算法应用于超声波测风领域，可以在不大量损失测量精度的情况下，降低计算量，提高测量风参数的实时性。
-
公开(公告)号：CN110031827B
公开(公告)日：2023-02-07
申请号：CN201910298787.7
申请日：2019-04-15
Applicant: 吉林大学
Abstract: 本发明涉及一种基于超声波测距原理的手势识别方法，属于人机交互领域。构建样本集，提取能够表示手势的特征数据；设置合适的阈值，寻找手掌回波数据，从而计算出手掌回波飞行距离，实现数据降维；借助k近邻算法实现其训练阶段和识别阶段，然后利用训练好的分类器完成识别阶段；将回波到达点检测算法移植到LabVIEW后执行手势分割算法，对数据进行处理，识别出当前手势，并将手势显示出来，最终实现手势识别。优点：无需佩戴设备即可实现动态手势特征提取，可对回波数据进行有效降维降低计算复杂度、提高相关的手势识别速度，可根据需要建立用户个性化样本集并利用实时数据进行匹配，提高相关手势识别方法的准确性。
-
公开(公告)号：CN114397474A
公开(公告)日：2022-04-26
申请号：CN202210047540.X
申请日：2022-01-17
Applicant: 吉林大学
Abstract: 一种基于FCN‑MLP的弧形超声传感阵列风参数测量方法，属于测风技术领域，方法包括：构建弧形阵列结构；根据构建的弧形阵列结构中阵元的分布情况，构建阵列流型；建立不同信噪比下的阵列接收矢量，对风速、风向进行标签处理，构建风速数据集和风向数据集；将风速、风向数据集进行随机打乱，并将随机打乱后的风速数据集划分为训练集、验证集和测试集；构建并训练两个FCN‑MLP网络模型；将风速数据集和风向数据集分别输入到训练好的FCN‑MLP风速测量神经网络模型和FCN‑MLP风向测量神经网络模型中，得出测量风参数信息。本发明方法使得当环境中存在噪声时，实现对风参数的精准测量，并减小计算的复杂度，提高测量的实时性。
-
公开(公告)号：CN113357965B
公开(公告)日：2022-07-12
申请号：CN202110607837.2
申请日：2021-06-01
Applicant: 吉林大学
IPC: F41H11/02
Abstract: 本发明公开了一种基于环扫式毫米波雷达点云成像的无人机捕获装置及方法，属于无人机技术领域，无人机捕获装置包括地面控制中心和无人机机载端，无人机机载端包括无线通信模块、中央控制器、环扫毫米波雷达点云成像模块、武器系统模块、瞄准模块、供电模块和减速模块；地面控制中心分别与中央控制器、武器系统模块无线通信连接，地面控制中心与捕获无人机通信连接；中央控制器分别与环扫毫米波雷达点云成像模块、瞄准模块和减速模块通信连接；所述方法基于所述无人机捕获装置进行捕获，本发明能够在夜晚，或者有烟雾等干扰下，对违反规定的无人机进行准确捕获，并且尽可能的保证双方无人机都能够安全返航，避免了因无人机坠落引发的二次灾害。
-
公开(公告)号：CN113357965A
公开(公告)日：2021-09-07
申请号：CN202110607837.2
申请日：2021-06-01
Applicant: 吉林大学
IPC: F41H11/02
Abstract: 本发明公开了一种基于环扫式毫米波雷达点云成像的无人机捕获装置及方法，属于无人机技术领域，无人机捕获装置包括地面控制中心和无人机机载端，无人机机载端包括无线通信模块、中央控制器、环扫毫米波雷达点云成像模块、武器系统模块、瞄准模块、供电模块和减速模块；地面控制中心分别与中央控制器、武器系统模块无线通信连接，地面控制中心与捕获无人机通信连接；中央控制器分别与环扫毫米波雷达点云成像模块、瞄准模块和减速模块通信连接；所述方法基于所述无人机捕获装置进行捕获，本发明能够在夜晚，或者有烟雾等干扰下，对违反规定的无人机进行准确捕获，并且尽可能的保证双方无人机都能够安全返航，避免了因无人机坠落引发的二次灾害。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
