秦立龙
- 作品数：40 被引量：17H指数：2
- 供职机构：国防科学技术大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 宽带频谱信号检测与分类网络
- 本发明公开了一种宽带频谱信号检测与分类网络，所述分类网络包括骨干网络，所述骨干网络的输入为宽带频谱信号，所述骨干网络的输出分别与HeatMap分支以及回归分支连接，所述HeatMap分支用于估计信号起止点信息，所述回归分...
- 张峻宁唐波蔡群张顺健黄中瑞秦立龙张硕樊甫华王贵生张坤峰
- 一种用于提高雷达检测性能的发射信号优化方法和系统
- 本发明给出了一种用于提高雷达检测性能的发射信号优化方法和系统，属于雷达信号处理技术领域，包括：设置雷达信号发射能量、参考编码序列、编码序列相似性系数和雷达信号泄露至各个邻近通信系统的最大能量；估计雷达干扰协方差矩阵的逆矩...
- 唐波王海黄中瑞张峻宁李达秦立龙王旭阳吴文俊
- 一种基于多任务学习的空时自适应处理（STAP）方法
- 本发明公开了一种基于多任务学习的空时自适应处理方法，包括：将每个待检测距离环附近的多个距离环雷达回波数据作为当前距离环STAP滤波器权矢量的训练样本；结合所述雷达回波数据，将每个距离环的动目标检测作为一个STAP任务，建...
- 秦立龙唐波黄中瑞王海张硕张峻宁樊甫华王贵生
- 一种雷达脉冲重复间隔调制类型识别方法及系统
- 本发明提出一种雷达脉冲重复间隔调制类型识别方法及系统，属于信号处理与数据分析技术领域。所述方法包括：根据雷达PRI的调制周期，构建单个周期内的脉冲TOA集合，并在此基础上重构PRI周期样本；然后，利用PRI周期样本提取调...
- 史英春黄中瑞陈明建张峻宁张硕张坤峰秦立龙陈晶郝天铎
- 宽带频谱信号检测与分类网络
- 本发明公开了一种宽带频谱信号检测与分类网络，所述分类网络包括骨干网络，所述骨干网络的输入为宽带频谱信号，所述骨干网络的输出分别与HeatMap分支以及回归分支连接，所述HeatMap分支用于估计信号起止点信息，所述回归分...
- 张峻宁唐波蔡群张顺健黄中瑞秦立龙张硕樊甫华王贵生张坤峰
- 单阶段单目3D目标检测网络
- 本发明公开了一种单阶段单目3D目标检测网络，包括：深度估计网络模块、语义分割网络模块以及三维物体检测模块，所述深度估计网络模块用于对输入的特征图进行深度估计处理，输出深度特征信息；所述语义分割网络模块用于对输入的特征图进...
- 张峻宁唐波史英春黄中瑞秦立龙张硕樊甫华王贵生张坤峰王军
- 基于稀疏表示的数字调制模式识别被引量：2
- 2014年
- 通过分析稀疏表示在模式识别应用的基础上,提出了一种基于稀疏表示的特征提取方法。该方法首先引入主成分分析对新的样本进行降维,然后利用降维后的训练样本构建稀疏线性模型,通过范数最优化求解测试样本的稀疏系数,根据稀疏系数的分布提取特征值。最后利用支持向量机分类器进行信号的分类识别。并在求解最小范数优化问题中,提出一种通用的解决方案,利用粒子群算法确定最优惩罚系数。新方法提取的特征值经计算机仿真研究证明,该算法具有较好的有效性和一定的工程应用性。
- 王振宇秦立龙黄振和
- 关键词：调制识别粒子群算法支持向量机
- 单阶段单目3D目标检测网络
- 本发明公开了一种单阶段单目3D目标检测网络，包括：深度估计网络模块、语义分割网络模块以及三维物体检测模块，所述深度估计网络模块用于对输入的特征图进行深度估计处理，输出深度特征信息；所述语义分割网络模块用于对输入的特征图进...
- 张峻宁唐波史英春黄中瑞秦立龙张硕樊甫华王贵生张坤峰王军
- 边际谱和多重分形在调制模式识别中的应用被引量：1
- 2014年
- 为了提高数字信号调制模式识别在低信噪比下的正确率,根据对边际谱和多重分形理论原理的分析,提出了一种新的基于多重分形理论的特征提取方法。该方法首先引入HHT变换求得样本的边际谱,不同调制模式的边际谱具有明显的差异性,可以利用分形的方法提取边际谱的分形维数作为调制识别的特征参数。最后利用支持向量机分类器进行信号的分类识别。并在求解支持向量机优化问题中,利用通用的粒子群算法确定了最优系数。计算机仿真研究证明,新方法提取的特征能有效地提高识别正确率,具有较好的工程应用性。
- 秦立龙王振宇
- 关键词：调制识别支持向量机
- 基于神经网络集成的数字调制模式识别被引量：1
- 2013年
- 多分类器集成方法往往能获得比单个分类器更好的泛化精度。为解决Bagging和Boosting等集成算法中分类器选择的盲目性和随机性,提出了一种新的神经网络集成方法。在分析神经网络集成泛化误差公式的基础上,利用粒子群算法进行特征选择并保存特征选择的最优解和次优解,引入差异度思想进行基分类器的选择性集成,从而尽量减小集成个体的泛化误差和增大集成的差异度。经计算机仿真研究证明,与Bagging和Boosting集成算法相比,新算法在调制模式的分类识别中具有较好的泛化性能。
- 秦立龙王振宇陈翔
- 关键词：神经网络集成粒子群算法调制模式识别
