本发明公开了一种基于协方差矩阵的主动学习方法,其特征在于:包括,采集脱丁烷塔生产过程的丁烷浓度值,并将丁烷浓度值作软测量建模样本;将软测量建模样分为训练集和测试集,其训练集划分为有标签样本集和无标签样本集;利用有标签样本集建立高斯过程回归模型,并确定模型初参数;根据无标签样本集,选出构成协方差矩阵行列式值最大的样本;重新建立高斯过程回归模型,确定模型参数;利用测试集对丁烷浓度进行预测本发明通过数值仿真分析和脱丁烷塔过程的应用仿真,验证了基于协方差矩阵选择策略的有效性。
📄 2020106932151
📂 G06N20_00
👤 江南大学
📅 2020-07-17
本发明针对传统基于PM算法的估计方法在存在阵列误差、信噪比低和快拍数小的应用场景下估计性能变差的问题,提出了一种基于协方差扩展PM算法的波达方向估计方法。本方法首先对水听器阵列接收的原始数据进行预处理,得到接收数据协方差,利用特征值分解方法得到信号子空间,借助信号子空间的旋转不变的特性,得到了一种全新的扩展协方差矩阵,基于扩展的协方差矩阵利用PM算法计算空间谱,通过对空间谱进行谱峰搜索估计出波达方向。本方法与传统方法相比,进一步扩展了阵列孔径,提升了角度的估计性能和处理方法的稳健性,利用更少的运算量得到更加精确的波达方向估计结果,具有重要的工程应用价值。
📄 2021113543097
📂 G01S3_802
👤 江苏九川科技有限公司
📅 2021-11-12
本发明提供了一种机载STAP雷达快速去互耦的杂波协方差矩阵估计方法,获取到原始雷达回波信号;得到由稀疏线性结构组成的虚拟结构对应的协方差矩阵估计值的模型;根据所述协方差矩阵估计值的模型,完成对机载STAP雷达去互耦的快速杂波协方差矩阵估计。本文提出了一种Toeplitz协方差矩阵重建的框架,并将其应用于均匀线性和稀疏线性结构,解决训练样本不足及互耦的问题。为了充分利用噪声的先验知识,本申请采用了杂波协方差矩阵恢复结构,用核范数代替秩范数来放松它,导出了该问题的封闭形式解,并给出其快速求解方法。同时,应用差分运算于稀疏线性结构,利用有限的阵列元素和脉冲个数,获得更高系统自由度,并减互耦效应。
📄 2020103334531
📂 G01S7_41
👤 成都航空职业技术学院
📅 2020-04-24
本发明提供了一种机载STAP杂波协方差矩阵的快速重建方法,包括步骤:S1、利用脉冲阵列雷达接收回波信号;S2、根据所述回波信号得到杂波协方差矩阵估计值;S3、根据所述杂波协方差矩阵估计值得到其误差变量,并根据所述误差统计特性得到协方差矩阵低秩矩阵恢复模型;S4、根据所述协方差矩阵低秩矩阵恢复模型,利用协方差矩阵Toeplitz结构和库恩塔克条件快速完成对机载STAP杂波协方差矩阵的重建。本发明法解决了杂波加噪声协方差矩阵CNCM在小样本中难以准确估计,严重影响了目标检测的问题。本申请具有较高的估计精度和计算效率,特别是在小样本情况下。
📄 2020103325922
📂 G01S7_41
👤 成都航空职业技术学院
📅 2020-04-24
本发明公开了一种基于分组的海杂波协方差矩阵估计方法,包括:估计海杂波的纹理,并计算纹理在空间距离上的相关系数;利用参考样本估计每组的协方差矩阵;计算每组的加权系数;确定干扰所在的分组,并将其剔除;计算干扰剔除后的协方差矩阵。本发明采用分组算法以及对每组添加加权系数的方式,实现了空间部分均匀的样本在组内的均匀化;同时,考虑到干扰的存在,利用协方差矩阵之间的差异提出了一种衡量差异的参数,以确定干扰所在的分组,并最终剔除干扰,提高检测性能。
📄 2018102096187
📂 G01S7_41
👤 南京邮电大学
📅 2018-03-14
本发明提出一种基于信息论的预测快速协方差交互融合无源协同定位方法。该方法首先构建两个接收站一个外辐射源的无源协同定位系统的数学模型。第二,两个接收站分别通过扩展卡尔曼滤波算法对目标状态分别进行预测更新。第三,根据信息理论优化准则,并将原先的融合状态估计考虑在内,可得到各个误差协方差之间的K‑L散度(Kullback‑Leibler Divergence),并提出预测快速协方差交互融合算法权值的闭式解的计算方法。最后,提出了预测快速协方差交互融合算法得到目标的状态估计。本发明能够在多接收站一个外辐射源的无源协同定位环境下,改善融合效果,提高目标跟踪精度,算法复杂度低。
📄 2018102884838
📂 G01S5_02
👤 杭州电子科技大学
📅 2018-04-03
本发明公开了一种基于Cholesky分解采样协方差矩阵的SVM高效频谱感知方法,采用以下步骤完成:S1,采用Cholesky分解感知信号的协方差矩阵,构造统计量;S2,对所述统计量进行标记标签;S3,将所述统计量和对应的标签作为训练样本集,采用SVM算法训练所述样本,得到凸二次规划问题;S4,采用序列最优化算法求解所述凸二次规划问题,得到SVM分类器;S5,采用SVM分类器对主用户状态进行分类。本发明所述方法通过Cholesky分解感知信号采样协方差矩阵的预处理,可降低PU信号和噪声的相关性,减少样本集的数量,使PU信号与噪声间的距离增加,提高了检测概率,且降低了频谱感知复杂度。
📄 2018114861273
📂 H04B17_382
👤 杭州电子科技大学
📅 2018-12-06
本发明涉及一种基于协方差矩阵的长短期记忆协作频谱感知方法,包括以:系统包含1个主用户,L个次用户;当主用户PU通信未被干扰时,第i个次用户SUi对PU信号检测,得到连续时间序列;对连续时间序列执行次用户感知信号检测,得到主信号协方差矩阵;将主信号协方差矩阵作为输入,执行信号样本标注,标记为0或1的标签集,分别代表PU存在或不存在频谱空穴;将第i个次用户SUi的样本标签集作为输入,执行LSTM网络训练,得到样本的特征序列;将样本的特征序列作为输入,执行全连接层与Softmax层联合处理,得到每个次用户的PiH0。本发明充分利用接收信号样本,无需构造不稳定参数,提高认知无线电中PU信号检测性能。
📄 2020116212814
📂 H04B17_382
👤 杭州电子科技大学
📅 2020-12-30
本发明公开了基于复协方差矩阵的自适应多时相干涉测量方法及系统,自适应多时相干涉测量方法包括如下步骤:S1、对N幅时序SAR图像进行预处理;N为大于1的整数;S2、在预设窗口中,根据SAR图像的不同结构特征检测SAR图像中的点散射体结构、线性结构、均匀区域和边缘区域;S3、基于点散射体结构、线性结构、均匀区域和边缘区域自适应估计复协方差矩阵;S4、对复协方差矩阵进行像素间的相似性检测,基于恒定虚警概率或经验性阈值设置以确定同质点集合;S5、基于同质点集合进行自适应多视处理。本发明考虑了像元的相位信息,在SAR小数据集情况下同质点像元检测结果准确率相比于传统算法在小数据集情况下有大幅的提升。
📄 2022105960952
📂 G01S13_90
👤 杭州电子科技大学
📅 2022-05-30
基于协方差自注意力机制的双路经UNet网络肿瘤分割方法,包括基本X模块、底部模块、下采样模块和上采样模块,基本块X模块包括输入层、两个BN+ReLU层、两个卷积层和输出层,输入层和输出层特征图大小相同,其和底部模块一样结构;下采样模块包括输入层、两个BN+ReLU层、两个卷积层和输出层,采用一个卷积替换残差连接;上采样模块包括输入层、一个上采样块、一个反卷积层和输出层;底部模块设置于底层,上层基本X模块向下层基本X模块进行下采样运算,由底部模块向上层基本X模块进行上采样运算,在双路径UNet基础上构建协方差自注意力机制的双路经UNet网络。该分隔方法具有两个收缩路径和两个扩展路径,提高了检测精度,帮助医生对直肠肿瘤进行诊断和识别。
📄 202011621851X
📂 G06T7_10
👤 西华师范大学
📅 2020-12-31
本发明公开了基于流形空间协方差递推的连续离散卡尔曼状态估计方法,包括根据状态估计变量和动力学关系,基于随机微分方程构建姿态估计连续离散动力学模型;初始化参数;设定飞行器状态的预测阶段,初始化第k次测量采样对应的时刻的后验估计状态和协方差矩阵,建立距微分方程;将协方差矩阵作为SPD空间内的黎曼流形变量,把预测阶段分为N个中间时刻,对第i个中间时刻进行自加,利用递推公式计算协方差微分方程中的状态均值及协方差,迭代N次,直到所有的中间时刻完成计算;校正更新,计算第k次测量采样对应的时刻的状态值和协方差矩阵。本发明减小了协方差递推误差,提高了状态估计可靠性和精确度。
📄 2024102844592
📂 G06F30_28
👤 江南大学
📅 2024-03-13
本发明属于信息与海洋科技交叉技术领域,公开了一种UUV舷侧平行阵协方差加权融合DOA估计方法。本发明首先计算两子阵自协方差与互协方差矩阵,进而通过差分共阵扩展虚拟孔径,对不同来源的协方差矩阵进行加权融合,然后,针对融合后矩阵的特性,分别采用迹正则化与核范数正则化的凸优化方法,重构出完整的协方差矩阵,最后,通过对构造的扩展矩阵进行子空间分解,联合估计目标的俯仰角与方位角,仿真结果验证了本发明方法的有效性。本发明通过数据融合提升了参数估计的精度,在少量物理阵元下显著提升了自由度,实现了UUV在水下环境中对多目标的高精度方位估计,增强了UUV的目标探测能力,具有较高的工程应用价值。
📄 202610095460X
📂 G01S3_80
👤 青岛理工大学
📅 2026-01-23