Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京航空航天大学谢文清获国家专利权

南京航空航天大学谢文清获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉南京航空航天大学申请的专利一种基于图像分割的无线电测向异常检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118501801B

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410560449.7,技术领域涉及:G01S3/02;该发明授权一种基于图像分割的无线电测向异常检测方法是由谢文清;吴启晖;周福辉;董超;万奕尧;李怡昊设计研发完成,并于2024-05-08向国家知识产权局提交的专利申请。

一种基于图像分割的无线电测向异常检测方法在说明书摘要公布了:本发明公开了一种基于图像分割的无线电测向异常检测方法,包括:采集真实无线电数据采集;构建多重信号分类空间谱估计函数,提取无人机信号的方位角;将方位角数据切片重组成二维矩阵集合,计算无人机的真实方位角,构建训练数据集;构建基于编码器和解码器结构的无线电测向异常检测网络;确定无线电测向异常检测网络的最优化目标,调整网络参数所采用的损失函数;利用训练数据集训练无线电测向异常检测网络;将测试数据输入异常检测网络,输出像素级的方位角预测结果。本发明能够实现比现有方法更高的异常值去除精确度,且迁移能力强,可以适应全新的无线电方位角采集环境,网络可解释性强,这使得本发明在实际通信场景中能更好的得到应用。

本发明授权一种基于图像分割的无线电测向异常检测方法在权利要求书中公布了:1.一种基于图像分割的无线电测向异常检测方法,其特征在于,包括: 步骤1,阵列天线接收无人机信号,实现真实无线电数据采集;所述阵列天线接收到的无人机信号为: Xt=MtSt+ωt 其中,表示在第t秒接收到的阵列流形矩阵,导向矢量表示N个阵元分别接收到无人机信号的到达方向,θ1表示无人机信号到达的角度,λ,d分别表示信号波长和圆阵半径,j是虚数单位,[·]T是向量的转置操作;St表示信号源向量;ωt表示均值为0,方差为σ2的加性高斯白噪声; 步骤2,根据无人机信号构建多重信号分类空间谱估计函数,提取函数峰值对应的无人机信号的方位角,包括: 2a根据无人机信号计算信号子空间和噪声子空间: 首先,计算协方差矩阵: 其中,Rx表示在第t秒阵列天线接收的无人机信号Xt的协方差矩阵;表示信号源向量St的协方差矩阵;I表示单位矩阵,H是共轭转置操作,E{·}为期望值操作; 然后,对Rx特征分解得到特征值和特征向量,进而得到信号子空间、噪声子空间: rankRx=1,得到信号子空间Us=q0,噪声子空间UN=q1,q2,…,qN-1; 其中,βi表示第i个特征值,q0是非零β0对应的特征向量,而其他的q1,q2,…,qN-1是零特征值对应的特征向量; 2b根据噪声子空间构建多重信号分类空间谱估计函数: PMUSICθ1的极大值对应的θ1值,即为无人机信号的方位角; 步骤3,通过滑动窗口,将方位角数据切片重组成二维矩阵集合,同时根据无人机实时经纬度数据计算无人机的真实方位角,以二维矩阵集合和无人机的真实方位角构建训练数据集,包括: 第一步,初始化滑动窗口参数c和l=max{|A1|,|A2|,…,|At}; 其中,c表示切片时滑动窗口中包含的样本数量,l表示滑动窗口中每行方位角数据长度,At表示第t秒阵列天线接收到的无人机的方位角数据集合,|·|表示向量中元素个数,max表示最大值操作; 第二步,利用滑动窗口步长设置为1,将方位角数据集合切片重组成二维矩阵集合,具体公式表示如下: W=[W0,W1,…,Wr-c] Wi=A[i:i+c,0:l],i=0,1,…,r-c 其中,W表示滑动窗口切片数据集合,即二维矩阵集合;Wi表示第i次滑动窗口切片后的数据,Wi是c×l的二维矩阵,其所有元素属于实数集A表示一段连续时间内天线采集到的方位角数据,每一行代表连续时间中的一个时刻,存储该时刻内天线采集到的At个方位角,如果|At|≤l,用零补齐,使得方位角长度保持一致为l;r=|A|表示天线采集的样本数量; 第三步,根据阵列天线的经纬度和无人机的实时经纬以获得无人机相对于正北方向逆时针的真实方位角; 第四步,根据无人机相对于正北方向逆时针的真实方位角,给二维矩阵集合中的数据添加标签,构成训练数据集,在训练数据集中,每个时间戳内最接近真实方位角的值在矩阵中标记为1,而其他方位角则标记为0; 步骤4,构建基于编码器和解码器结构的无线电测向异常检测网络; 步骤5,确定无线电测向异常检测网络的最优化目标,调整网络参数所采用的损失函数; 步骤6,基于所述最优化目标、损失函数利用训练数据集,训练无线电测向异常检测网络; 步骤7,将测试数据输入训练完成的无线电测向异常检测网络,输出像素级的方位角预测结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南京航空航天大学,其通讯地址为:211106 江苏省南京市江宁区秣陵街道将军大道29号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。