期刊文献+
共找到160篇文章
< 1 2 8 >
每页显示 20 50 100
基于复数域卷积神经网络的ISAR包络对齐方法研究 被引量:1
1
作者 王勇 夏浩然 刘明帆 《信号处理》 北大核心 2025年第3期409-425,共17页
在逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像领域,运动补偿是确保高质量图像生成的关键环节。包络对齐(Range Alignment,RA)作为运动补偿的首要步骤,对于校正由平动分量引起的回波信号包络偏移至关重要。本文提出了... 在逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像领域,运动补偿是确保高质量图像生成的关键环节。包络对齐(Range Alignment,RA)作为运动补偿的首要步骤,对于校正由平动分量引起的回波信号包络偏移至关重要。本文提出了一种基于复数域卷积神经网络(Complex-Valued Convolutional Neural Network,CVCNN)的包络对齐新方法,旨在通过深度学习策略提升包络对齐的精度与计算效率。本文所提方法利用了卷积神经网络强大的特征学习能力,构建了一个能够映射一维距离像与包络补偿量之间复杂关系的模型。通过将传统的实值卷积神经网络拓展至复数域,不仅完整保留了回波信号中的相位信息,而且有效引入了复数域残差块及线性连接机制,进一步精细化了网络结构设计。这种架构改进使得所提算法能实现低信噪比(Signal-to-Noise Ratio,SNR)条件下对ISAR距离像的高效包络对齐。在数据生成方面,本文基于雷达仿真参数,通过成像模拟仿真构建了ISAR回波数据集。该数据集经过归一化处理后,输入网络进行训练,使网络能够学习从未对齐回波到对应补偿量的映射关系。本文所提方法采用迁移学习策略,对基于仿真数据预训练的模型进行微调,以适应实测数据。这一策略不仅增强了结果的可靠性,同时也大幅缩短了模型的迭代周期。在实验验证方面,本文采用仿真与实测数据进行综合测试,以包络对齐精度、成像结果质量和计算效率为评价指标,全面验证了算法的有效性。实验结果表明,在不同信噪比条件下,本文所提方法均展现出了优越的包络对齐性能,进而可以实现高质量成像,同时在计算效率上也具有显著优势。 展开更多
关键词 逆合成孔径雷达 包络对齐 复数卷积神经网络 有监督学习
在线阅读 下载PDF
变工况下动态卷积域对抗图神经网络故障诊断
2
作者 王桐 王晨程 +2 位作者 邰宇 欧阳敏 陈立伟 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第7期1406-1414,共9页
针对基于无监督域自适应故障诊断方法忽略了域间数据结构信息、传统域对齐平均最大差异法全局泛化能力差等问题,本文提出一种基于无监督域自适应理论的动态卷积域对抗图神经网络故障诊断模型,分别通过对数据的类别标签、域标签和数据结... 针对基于无监督域自适应故障诊断方法忽略了域间数据结构信息、传统域对齐平均最大差异法全局泛化能力差等问题,本文提出一种基于无监督域自适应理论的动态卷积域对抗图神经网络故障诊断模型,分别通过对数据的类别标签、域标签和数据结构信息进行建模。通过分类器和域鉴别器分别建模类别标签和域标签,通过图神经网络将数据结构信息嵌入到实例图节点中,利用高斯Wasserstein距离来度量不同领域的实例图之间的差异。本文对比了不同工况下共14种迁移任务在各模型下故障识别的准确率。实验结果表明:基于动态卷积的域对抗图神经网络模型在变工况下的故障诊断效果均优于其他对比模型,且模型性能稳定。 展开更多
关键词 无监督自适应 动态卷积 对抗 神经网络 图生成 高斯Wasserstein距离 故障诊断 变工况
在线阅读 下载PDF
基于空间域图像生成和混合卷积神经网络的配电网故障选线方法 被引量:6
3
作者 郭威 史运涛 《电网技术》 EI CSCD 北大核心 2024年第3期1311-1321,共11页
传统的配电网故障选线方法大多基于一维零序电流序列构建故障诊断模型,单一的诊断模型往往限制了故障特征的深层挖掘。为了提高故障选线的准确率,提出一种基于空间域图像和混合卷积神经网络的配电网故障选线方法。首先,利用优化的降噪... 传统的配电网故障选线方法大多基于一维零序电流序列构建故障诊断模型,单一的诊断模型往往限制了故障特征的深层挖掘。为了提高故障选线的准确率,提出一种基于空间域图像和混合卷积神经网络的配电网故障选线方法。首先,利用优化的降噪光滑模型对零序电流信号进行降噪处理,减少外界环境的电磁干扰。其次,利用对称希尔伯特变换将一维时域信号转成二维空间域图像,图像的颜色、形状和纹理特征能够充分反映当前系统的运行状态。最后,将一维时域信号和二维空间域图像同步作为混合卷积神经网络的输入,充分挖掘系统的故障特征,利用Sigmoid函数实现故障选线。在辐射状配电网、IEEE-13节点模型、IEEE-34节点、StarSim仿真平台上模型上进行了实验验证。实验结果表明,该选线方法可以有效克服传统方法过度依赖主观特征选择、抗噪性能差等问题,能够在高阻接地、采样时间不同步、两点接地故障等极端情况下可靠地筛选出故障线路。 展开更多
关键词 故障选线 对称希尔伯特变换 混合卷积神经网络 空间图像生成 优化的降噪光滑模型
在线阅读 下载PDF
基于多维信息协同神经网络的轴承跨工况故障诊断
4
作者 李庆 周公博 +4 位作者 周坪 闫晓东 韩链锋 李强 马国庆 《振动与冲击》 北大核心 2025年第13期296-308,共13页
目前大多数域泛化学习方法的实现依赖多源域和有标签数据,然而,在轴承的复杂运行工况下,对机械进行完整的监测数据采集非常困难。针对不完备信息下的跨工况故障诊断任务,提出了一种基于多维信息协同神经网络(multi-dimensional informat... 目前大多数域泛化学习方法的实现依赖多源域和有标签数据,然而,在轴承的复杂运行工况下,对机械进行完整的监测数据采集非常困难。针对不完备信息下的跨工况故障诊断任务,提出了一种基于多维信息协同神经网络(multi-dimensional information collaborative neural network,MICNN)的轴承跨工况故障诊断方法。MICNN包括协同归一化(collaborative normalization,CNM)策略和多维时空特征融合模块(multi-dimensional spatiotemporal feature fusion module,MSTFF)。CNM通过集群和样本个体两种维度上的特征统一和信息融合来减少协变量偏移和过拟合现象;MSTFF通过通道和空间维度上的关键特征捕捉和信息交互来增强域不变特征的提取。所提方法在PU数据集、江南大学数据集和实验室自建数据集的6个不同跨工况任务中平均准确率分别达到了98.74%、96.59%和93.81%,与现有主流的方法相比,所提方法具有更好的故障诊断效果。 展开更多
关键词 泛化 故障诊断 归一化 注意力机制 卷积神经网络
在线阅读 下载PDF
用于视频压缩感知的特征域优化启发及多假设交叉注意力重构神经网络 被引量:1
5
作者 杨春玲 陈文俊 刘嘉惠 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2024年第10期9-21,共13页
现有视频压缩感知重建网络通常利用光流网络实现像素域运动估计与运动补偿。然而在重建过程中,光流网络的输入为质量较差的初始估计帧,导致获得的光流不准确,基于光流的像素域对齐与融合操作会造成噪声的累积,导致视频重建帧存在明显的... 现有视频压缩感知重建网络通常利用光流网络实现像素域运动估计与运动补偿。然而在重建过程中,光流网络的输入为质量较差的初始估计帧,导致获得的光流不准确,基于光流的像素域对齐与融合操作会造成噪声的累积,导致视频重建帧存在明显的人工效应,影响重建质量。基于特征域多通道信息对干扰噪声具有较强的鲁棒性,文中将特征域优化思想应用于视频压缩感知重构神经网络的设计中,提出了特征域优化启发及光流引导的多假设交叉注意力重构神经网络(FOFMCNet)。为避免光流中的噪声在图像变形时破坏图像结构的问题,文中在特征域设计了光流指导的多假设运动估计模块与基于交叉注意力的运动补偿模块,以实现特征域的帧间运动估计与运动补偿,从而更为充分地利用帧间相关性辅助非关键帧重构。为了在特征优化过程中加强有效信息的复用,提升网络学习能力并缓解梯度爆炸问题,文中设计了特征域优化启发U型网络(FOUNet),并作为FOFMCNet的子网络,通过多个FOUNet的级联,FOFMCNet在特征域实现非关键帧的优化与重建。实验结果表明,文中所提算法在经典低分辨率数据集(UCF-101和QCIF)和新的高分辨率数据集(REDS4)上的重构结果均优于现有的视频压缩感知算法。 展开更多
关键词 视频压缩感知 特征优化 卷积神经网络 注意力机制 运动估计与补偿
在线阅读 下载PDF
基于迁移卷积神经网络的桥梁结构损伤识别方法 被引量:3
6
作者 罗旭欣 陈龙 +1 位作者 梁韬 黄天立 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第9期3888-3899,共12页
针对实际桥梁结构损伤模式识别时有限元模型与实际结构存在差异的情况,为了提高有限元数值模拟数据集训练的深度神经网络识别实际桥梁结构损伤模式的准确率,提出一种结合迁移学习(Transfer Learning,TL)和一维卷积神经网络(One Dimensio... 针对实际桥梁结构损伤模式识别时有限元模型与实际结构存在差异的情况,为了提高有限元数值模拟数据集训练的深度神经网络识别实际桥梁结构损伤模式的准确率,提出一种结合迁移学习(Transfer Learning,TL)和一维卷积神经网络(One Dimensional Convolutional Neural Network,1D-CNN)的结构损伤识别方法。首先,基于结构有限元数值模拟数据训练1D-CNN模型,选择损伤识别效果较好、性能优良的模型作为源模型;然后,将源模型中的网络结构和超参数迁移到实际结构实测数据集(目标域)网络模型的对应位置并冻结,得到预训练模型;最后,使用实测数据微调预训练模型得到目标模型。为验证该方法的有效性,通过3层钢框架结构实验室试验和日本某简支钢桁梁桥的现场试验,对比源模型(模型Ⅰ)、仅采用实测数据训练得到的CNN模型(模型Ⅱ)和采用迁移学习得到的CNN目标模型(模型Ⅲ)等3种神经网络模型的结构损伤模式识别准确率。研究结果表明:3层钢框架结构实验室试验中,3种CNN模型的最高损伤模式识别准确率分别为63.44%,98.44%,99.06%;日本某简支钢桁梁桥的现场试验中,3种CNN模型的最高损伤模式识别准确率分别为59.50%,97.00%,99.50%。针对不同结构,目标模型(模型Ⅲ)的损伤模式识别准确率均最高,收敛速度最快,优于其他2种CNN模型。基于迁移卷积神经网络的桥梁结构损伤识别方法具有较好的实际结构损伤识别能力,为解决数据有限情况下的结构损伤识别问题提供了一种有效的解决途径。 展开更多
关键词 桥梁结构 损伤模式识别 一维卷积神经网络 迁移学习 目标
在线阅读 下载PDF
用于热成像数据的卷积神经网络特征图筛选方法 被引量:1
7
作者 张雷 沈国琛 欧冬秀 《计算机工程》 CAS CSCD 北大核心 2024年第4期31-40,共10页
红外热成像数据可以有效辅助可见光图像数据,弥补其在天气和光照条件上的不足。现有的研究往往借助域适应将基于可见光图像数据训练得到的卷积神经网络用于处理热成像数据,以弥补热成像数据缺少大量标注训练集的不足,但是这类方法仍无... 红外热成像数据可以有效辅助可见光图像数据,弥补其在天气和光照条件上的不足。现有的研究往往借助域适应将基于可见光图像数据训练得到的卷积神经网络用于处理热成像数据,以弥补热成像数据缺少大量标注训练集的不足,但是这类方法仍无法避免一定程度的训练。而一些研究者发现,图像在频域上呈现域不变成分和随域改变成分的分离现象。受这一现象的启发,提出一种基于离散余弦变换和卡方独立性分数的卷积神经网络特征图筛选方法。利用频域分离域不变成分和随域改变成分,借鉴卡方独立性检验的思想提出基于频段分量的独立性分数,用于度量特征图的差异度,使用聚类将特征图分类,保留主要包含域不变成分的特征图分支,得到适用于热成像数据的网络。实验结果表明,该方法可以充分利用预训练卷积神经网络的潜在预测能力,且不需要重新训练模型。预训练网络无法预测热成像数据,而筛选后的网络前5位预测结果与目标相关的比例最高可达90%。 展开更多
关键词 热成像数据 离散余弦变换 适应 卷积神经网络 交通场景
在线阅读 下载PDF
基于深层卷积神经网络的初生仔猪目标实时检测方法 被引量:28
8
作者 沈明霞 太猛 +3 位作者 CEDRIC Okinda 刘龙申 李嘉位 孙玉文 《农业机械学报》 EI CAS CSCD 北大核心 2019年第8期270-279,共10页
针对初生仔猪目标较小、分娩栏内光线变化复杂、仔猪粘连和硬性遮挡现象较为严重等问题,提出一种基于深层卷积神经网络的初生仔猪目标识别方法。将分类和定位合并为一个任务,以整幅图像为兴趣域,利用特征金字塔网络(Feature pyramid net... 针对初生仔猪目标较小、分娩栏内光线变化复杂、仔猪粘连和硬性遮挡现象较为严重等问题,提出一种基于深层卷积神经网络的初生仔猪目标识别方法。将分类和定位合并为一个任务,以整幅图像为兴趣域,利用特征金字塔网络(Feature pyramid network,FPN)算法定位识别仔猪目标;对比了不同通道数数据集以及不同迭代次数对模型效果的影响;该方法支持图像批量处理、视频与监控录像的实时检测和检测结果多样化储存。实验结果表明:在数据集总量相同时,同时包含夜间单通道和白天3通道的数据集,在迭代20 000次时接近模型最优值。模型在验证集和测试集上的精确率分别为95.76%和93.84%,召回率分别为95.47%和94.88%,对分辨率为500像素×375像素的图像检测速度为53.19 f/s,对清晰度为720 P的视频检测速度为22 f/s,可满足实时检测的要求,对全天候多干扰场景表现出良好的泛化能力。 展开更多
关键词 初生仔猪 实时检测 深层卷积神经网络 FPN算法
在线阅读 下载PDF
基于卷积神经网络(CNN)和CUDA加速的实时视频人脸识别 被引量:21
9
作者 孔英会 王之涵 车辚辚 《科学技术与工程》 北大核心 2016年第35期96-100,107,共6页
为了兼顾视频人脸识别中识别准确率和实时性,提出了基于卷积神经网络(CNN)和CUDA加速的实时视频人脸识别方法。构建了一个6层结构的CNN人脸识别网络,在视频帧中通过Adaboost算法检测到的人脸输入所构建的CNN中进行视频人脸识别,结合CUD... 为了兼顾视频人脸识别中识别准确率和实时性,提出了基于卷积神经网络(CNN)和CUDA加速的实时视频人脸识别方法。构建了一个6层结构的CNN人脸识别网络,在视频帧中通过Adaboost算法检测到的人脸输入所构建的CNN中进行视频人脸识别,结合CUDA并行计算架构,对算法进行加速。此外为了更适用于实际视频监控情况,通过对CNN网络结构末尾Softmax分类器的分类结果进行多级判决引入了开集人脸识别功能。从多个角度对该方法进行了实验验证,结果证明,此方法可满足识别准确率和实时性要求,同时对于视频中人脸姿态变化、光照变化、距离远近等都具有良好的鲁棒性。 展开更多
关键词 卷积神经网络 识别准确率 统一计算设备 实时 鲁棒性
在线阅读 下载PDF
基于混合型复数域卷积神经网络的三维转动舰船目标识别 被引量:11
10
作者 张云 化青龙 +1 位作者 姜义成 徐丹 《电子学报》 EI CAS CSCD 北大核心 2022年第5期1042-1049,共8页
在较高海情下,由于舰船目标处于随机摆动的非平稳运动状态,常规合成孔径雷达(Synthetic Aperture Radar,SAR)成像处理会使得目标散焦、方位模糊,从而导致三维转动舰船目标识别准确率低.本文提出一种混合型复数域卷积神经网络(Mix-type C... 在较高海情下,由于舰船目标处于随机摆动的非平稳运动状态,常规合成孔径雷达(Synthetic Aperture Radar,SAR)成像处理会使得目标散焦、方位模糊,从而导致三维转动舰船目标识别准确率低.本文提出一种混合型复数域卷积神经网络(Mix-type Complex-Valued Convolutional Neural Network,Mix-CV-CNN),并推导Mix-CV-CNN前向传播与反向传播算法.三维转动舰船目标经过SAR成像处理后存在剩余相位信息,Mix-CV-CNN能充分利用SAR复数域图像的幅度和相位信息,在不进行目标重聚焦的情况下,较好完成SAR复杂运动舰船目标的识别.实验表明,Mix-CV-CNN相较于具有相同自由度的实数域卷积神经网络(Real-Valued Convolutional Neural Network,RV-CNN)识别性能有所提高,实测数据识别平均准确率提高3.85%. 展开更多
关键词 合成孔径雷达 复数卷积神经网络 三维转动 目标散焦 舰船目标识别 混合型复数卷积神经网络
在线阅读 下载PDF
基于卷积神经网络的实时人群密度估计 被引量:7
11
作者 李白萍 韩新怡 吴冬梅 《图学学报》 CSCD 北大核心 2018年第4期728-734,共7页
针对传统实时人群密度估计方法存在误差大、分类效果不佳等缺陷,提出了基于卷积神经网络的实时人群密度估计方法。通过对比4种常见网络结构:Alex Net、VGGNet、Goog Le Net和Res Net的准确度与实时性,选择综合性较好的Goog Le Net作为... 针对传统实时人群密度估计方法存在误差大、分类效果不佳等缺陷,提出了基于卷积神经网络的实时人群密度估计方法。通过对比4种常见网络结构:Alex Net、VGGNet、Goog Le Net和Res Net的准确度与实时性,选择综合性较好的Goog Le Net作为人群密度估计的模型,利用关键帧截取技术实现人群密度的实时估计并简要分析人群密度特征图。最后用实例验证了该方法的实时性与准确度,证明了其可行性。 展开更多
关键词 人群密度 卷积神经网络 视频处理 实时估计
在线阅读 下载PDF
基于域适应卷积神经网络的人脸表情识别 被引量:14
12
作者 亢洁 李佳伟 杨思力 《计算机工程》 CAS CSCD 北大核心 2019年第12期201-206,共6页
在利用卷积神经网络进行人脸表情识别时,可借助其他数据集进行辅助训练以应对缺少标记数据的情况,但源域数据库和目标域数据库之间的数据分布差异会影响分类正确率。为此,以AlexNet网络为原型构建基于域适应的卷积神经网络结构。通过引... 在利用卷积神经网络进行人脸表情识别时,可借助其他数据集进行辅助训练以应对缺少标记数据的情况,但源域数据库和目标域数据库之间的数据分布差异会影响分类正确率。为此,以AlexNet网络为原型构建基于域适应的卷积神经网络结构。通过引入包含注意力机制的SE模块进行特征重标定,同时利用域适应方法减小领域差异性。在人脸识别公开数据集上的实验结果表明,与AlexNet和GoingDeep等网络相比,该网络能够以较少的参数量获得较高的识别正确率。 展开更多
关键词 卷积神经网络 人脸表情识别 数据分布 适应 迁移学习
在线阅读 下载PDF
基于域对抗迁移卷积神经网络的小样本GIS绝缘缺陷智能诊断方法 被引量:32
13
作者 王艳新 闫静 +2 位作者 王建华 耿英三 刘志远 《电工技术学报》 EI CSCD 北大核心 2022年第9期2150-2160,共11页
近年来,数据驱动的人工智能模型在气体绝缘组合电器(GIS)绝缘缺陷诊断上取得了一定突破。然而,这些以海量实验数据构建的模型难以部署到现场复杂工况和小样本条件下,导致现有诊断方法现场应用困难。为了解决现场制约传统诊断方法应用的... 近年来,数据驱动的人工智能模型在气体绝缘组合电器(GIS)绝缘缺陷诊断上取得了一定突破。然而,这些以海量实验数据构建的模型难以部署到现场复杂工况和小样本条件下,导致现有诊断方法现场应用困难。为了解决现场制约传统诊断方法应用的数据匮乏难题和现有诊断模型现场应用困难的问题,该文提出了一种新颖的域对抗迁移卷积神经网络用于小样本下的GIS绝缘缺陷智能诊断。首先,以自动寻优构建的卷积神经网络从缺陷样本中学习可迁移绝缘缺陷表征特征,自动寻优构建方法在减少网络构建过程人为干预的同时,有效提升了网络精度等多方面性能。然后,引入域对抗迁移学习,实现海量数据(源域)下训练模型到复杂工况和小样本(目标域)下的迁移,以提升诊断准确率。通过对抗训练方法学习类边界表征特征和域空间表征特征,实现了诊断知识的迁移。在域对抗训练中引入两个领域分类器来进行决策边界域空间的对齐,获得了更合适的特征匹配。在实验室和现场实验验证中,所提方法在目标域下分别达到了99.35%和90.35%的诊断准确率。结果表明,该方法可以有效学习可迁移特征,实现小样本GIS绝缘缺陷的高精度、鲁棒性诊断。 展开更多
关键词 气体绝缘组合电器 对抗迁移学习 卷积神经网络 小样本 智能诊断
在线阅读 下载PDF
一维卷积神经网络实时抗噪故障诊断算法 被引量:33
14
作者 刘星辰 周奇才 +2 位作者 赵炯 沈鹤鸿 熊肖磊 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2019年第7期89-95,共7页
针对旋转机械智能诊断方法计算量大和抗噪能力差的问题,在经典模型LeNet-5的基础上提出基于一维卷积神经网络的故障诊断算法.采用全局平均池化层代替传统卷积神经网络中的全连接层,在降低模型计算量的同时,降低模型参数数量和过拟合的风... 针对旋转机械智能诊断方法计算量大和抗噪能力差的问题,在经典模型LeNet-5的基础上提出基于一维卷积神经网络的故障诊断算法.采用全局平均池化层代替传统卷积神经网络中的全连接层,在降低模型计算量的同时,降低模型参数数量和过拟合的风险;利用随机破坏后的时域信号进行训练以提高其抗噪能力;采用改进后的一维卷积核和池化核直接作用于原始时域信号,将特征提取和故障分类合二为一,通过交替的卷积层和池化层实现原始信号自适应特征提取,结合全局平均池化层完成故障分类.利用轴承数据和齿轮数据进行实验验证并对比经典模型LeNet-5、BP神经网络和SVM.结果表明:采用全局平均池化层可有效降低模型计算量,提高模型在低信噪比条件下的诊断精度,采用随机破坏输入训练策略可显著提升模型的抗噪诊断能力;改进后的模型可以实现噪声环境下准确、快速和稳定的故障诊断.通过t-SNE可视化分析说明了模型在特征学习上的有效性. 展开更多
关键词 故障诊断 卷积神经网络 实时诊断 抗噪诊断 旋转机械
在线阅读 下载PDF
基于卷积神经网络的多目标实时检测 被引量:13
15
作者 刘志成 祝永新 +2 位作者 汪辉 田犁 封松林 《计算机工程与设计》 北大核心 2019年第4期1085-1090,共6页
为解决智能驾驶应用场景下以行人与车辆为主,附带骑行电动车的多目标检测存在检测速度不满足实时性的问题,提出一种多目标实时检测方法。通过对YOLO (you look only once)v2卷积神经网络模型进行维度聚类分析以及结构调整等优化举措,行... 为解决智能驾驶应用场景下以行人与车辆为主,附带骑行电动车的多目标检测存在检测速度不满足实时性的问题,提出一种多目标实时检测方法。通过对YOLO (you look only once)v2卷积神经网络模型进行维度聚类分析以及结构调整等优化举措,行人与车辆检测AP (平均准确率)值分别为71%和81%,检测速度为50帧/s。实验结果表明,该方法与目前先进目标检测方法相比,在准确率相差5%以内的前提下大幅提高检测速度,实现了实时性检测的目标。 展开更多
关键词 卷积神经网络 多目标检测 行人检测 车辆检测 实时检测 智能驾驶
在线阅读 下载PDF
基于卷积神经网络联合多域特征提取的干扰识别算法 被引量:18
16
作者 王鹏宇 程郁凡 +1 位作者 徐昊 尚高阳 《信号处理》 CSCD 北大核心 2022年第5期915-925,共11页
干扰识别技术是智能抗干扰通信系统中的关键技术,通过对接收信号中干扰类型的准确判别,可为无线通信系统生成最佳的抗干扰方式提供决策依据。针对无线通信系统中典型压制式干扰的识别问题,本文提出了一种基于卷积神经网络联合多域特征提... 干扰识别技术是智能抗干扰通信系统中的关键技术,通过对接收信号中干扰类型的准确判别,可为无线通信系统生成最佳的抗干扰方式提供决策依据。针对无线通信系统中典型压制式干扰的识别问题,本文提出了一种基于卷积神经网络联合多域特征提取(Convolutional Neural Network-based Joint Multi-Domain Feature Extraction,CNN-JMDFE)的干扰识别算法,通过CNN同时对两种预处理增强的数据对象:时频图像与频域序列提取干扰特征,有效利用了两种数据对象的优势,提升了干扰识别性能。仿真结果表明,在对于包含动态和参数随机的干扰识别场景下,CNN-JMDFE算法在干噪比(Jamming-to-Noise Ratio,JNR)≥-2 dB时可准确识别14种类型的干扰,识别性能明显优于基于时频图像或频域序列单一数据对象的基于卷积神经网络自动特征提取(Automatic Feature Extractionbased Convolutional Neural Network,AFE-CNN)算法;与传统的人工特征提取的深度神经网络(Manual Feature Extraction-based Deep Neural Network,MFE-DNN)相比,本文算法显著提升了在低JNR下分类准确率,增强了干扰特征的抗噪性能;对于复合干扰,本文算法同样可取得良好的分类效果,当JNR≥0 dB时可准确分类10种复合干扰。 展开更多
关键词 卷积神经网络 联合多域特征提取 干扰识别 时频图像 序列
在线阅读 下载PDF
结合多模板的多域卷积神经网络视觉跟踪算法 被引量:1
17
作者 王鹏翔 郭敬滨 +1 位作者 谭文斌 李醒飞 《红外技术》 CSCD 北大核心 2018年第1期47-54,共8页
为了适应视觉跟踪过程中目标外观变化,提高视觉跟踪算法的鲁棒性,本文基于卷积神经网络(Convolutional Neural Network,CNN)并结合多域学习法与多模板管理,提出一种通过树形结构管理多模板的多域卷积神经网络(Multi-Domain CNNs with Mu... 为了适应视觉跟踪过程中目标外观变化,提高视觉跟踪算法的鲁棒性,本文基于卷积神经网络(Convolutional Neural Network,CNN)并结合多域学习法与多模板管理,提出一种通过树形结构管理多模板的多域卷积神经网络(Multi-Domain CNNs with Multiple Models in a tree structure)视觉跟踪算法。首先使用大量已标记目标位置的视频数据预训练多域结构的CNN,使CNN卷积层可从图像中提取出适用于跟踪任务的特征。然后在跟踪时中对CNN全连接层进行微调以适应跟踪目标,并使用树形结构管理存储不同时间段的目标模板得到模板树。使用模板树综合评价待检测帧,估计目标位置。最后按照一定规则将新模板添加进模板树,完成模板的更新。实验表明,该算法对跟踪过程中目标外观的变化有着良好的适应性,同时多模板可抑制CNN在跟踪时产生的模板漂移问题。 展开更多
关键词 视觉跟踪 深度学习 卷积神经网络 多域学习 多模板
在线阅读 下载PDF
基于改进卷积神经网络的舰船实时目标跟踪识别技术 被引量:3
18
作者 于国莉 桑金歌 李俊荣 《舰船科学技术》 北大核心 2022年第21期152-155,共4页
研究基于改进卷积神经网络的舰船实时目标跟踪识别技术,满足复杂背景下舰船目标跟踪识别的高精度需求。利用时空上下文算法确定舰船图像中,舰船目标与周围区域的时空对应关系,依据对应关系构建舰船图像目标置信图,将置信图中具有最大似... 研究基于改进卷积神经网络的舰船实时目标跟踪识别技术,满足复杂背景下舰船目标跟踪识别的高精度需求。利用时空上下文算法确定舰船图像中,舰船目标与周围区域的时空对应关系,依据对应关系构建舰船图像目标置信图,将置信图中具有最大似然概率的区域,作为舰船目标的初定位区域;利用卷积神经网络搜索初定位区域,通过卷积层和下采样层的运算,识别舰船目标的精确位置;依据舰船目标精确位置识别结果,选取相关滤波算法,设置相关图中最大响应值位置作为舰船目标最新位置,输出舰船目标实时跟踪结果。实验结果表明,该技术在云雾遮挡、弱光照等复杂背景下,均可以精准跟踪识别舰船目标,舰船目标跟踪识别的平均覆盖率高于95%。 展开更多
关键词 卷积神经网络 舰船 实时目标 跟踪识别技术 时空上下文 相关滤波
在线阅读 下载PDF
基于FPGA的多卷积神经网络任务实时切换方法 被引量:1
19
作者 赵子龙 赵毅强 叶茂 《南京大学学报(自然科学版)》 CAS CSCD 北大核心 2020年第2期167-174,共8页
使用硬件平台实现卷积神经网络的计算可以获得良好的加速效果和功耗,但由于卷积神经网络模型庞大、计算复杂、硬件平台资源有限,在实际应用中多个卷积神经网络任务之间只能串行计算,这导致系统在处理多个任务时的实时性较差.为提升硬件... 使用硬件平台实现卷积神经网络的计算可以获得良好的加速效果和功耗,但由于卷积神经网络模型庞大、计算复杂、硬件平台资源有限,在实际应用中多个卷积神经网络任务之间只能串行计算,这导致系统在处理多个任务时的实时性较差.为提升硬件系统的实时性,提出一种多卷积神经网络任务实时切换方法 .基于FPGA(Field Programmable Gate Array)平台进行卷积神经网络部署,根据功能划分系统模块.采用"任务序列+控制模块"的设计结构,控制系统根据卷积神经网络任务的优先级进行计算和切换;在计算模块中,复用可配置的卷积单元减少资源开销;提出一种多任务层级切换机制以提升系统的实时性.利用手写数字识别网络进行验证,实验结果表明:可配置的设计减少了除BRAM(Block Random Access Memory)外50%以上的资源开销;在50 MHz的工作频率下,FPGA的识别速度是CPU(Central Processing Unit)的4. 51倍,功耗比为CPU的2. 84倍;采用实时切换机制最快可使最高优先级任务提前57. 26 ms被响应,提升了串行计算系统的实时性. 展开更多
关键词 现场可编程门阵列 卷积神经网络 多任务切换 实时性系统
在线阅读 下载PDF
基于卷积神经网络的多层域自适应滚动轴承故障诊断 被引量:9
20
作者 杨春柳 《电子测量与仪器学报》 CSCD 北大核心 2021年第2期122-129,共8页
针对基于卷积神经网络(CNN)的域自适应技术在提取可迁移特征的训练过程中,存在内部协变量移位的问题,提出一种多层域自适应滚动轴承故障诊断方法。首先,利用CNN提取原始振动数据的可迁移特征;其次,提出了多层域自适应和权重正则化项约束... 针对基于卷积神经网络(CNN)的域自适应技术在提取可迁移特征的训练过程中,存在内部协变量移位的问题,提出一种多层域自适应滚动轴承故障诊断方法。首先,利用CNN提取原始振动数据的可迁移特征;其次,提出了多层域自适应和权重正则化项约束CNN参数,进一步减少可迁移特征的分布差异,从而解决域移位问题;最后,利用凯斯西储大学的滚动轴承数据集进行实验验证。结果表明,该方法能够有效地减少源域和目标域之间的特征分布差异,提高CNN模型对目标域数据集的诊断性能,相对于最高层域自适应的故障诊断方法,所提方法能在两个数据集之间的迁移故障诊断中得到较高的分类识别结果。 展开更多
关键词 卷积神经网络 协变量移位 可迁移特征 多层自适应 权重正则化
在线阅读 下载PDF
上一页 1 2 8 下一页 到第
使用帮助 返回顶部