【技术实现步骤摘要】
本专利技术涉及的是人工智能，具体地指一种基于解耦感知与对抗鲁棒学习的异构传感预警系统及方法。
技术介绍
1、在当今科技领域，随着自动驾驶、智能机器人、安防监控等前沿应用的飞速发展，对复杂动态环境下目标进行超低延迟、高精度、高鲁棒性实时检测的需求日益迫切。特别是随着多源异构传感器（如雷达、视觉、超声波、激光雷达等）在智能交通、工业自动化等领域的广泛应用，如何高效、精准地处理和融合这些海量异构数据，并确保系统在严苛甚至未知环境下稳定运行，成为了当前技术面临的关键挑战。
2、现有技术在处理集成传感器采集的多模态数据并部署到边端设备以实现超低延迟实时检测时，模态感知技术对复杂环境干扰的鲁棒性差，导致原始特征污染。传统的雷达和视觉数据处理通常直接从原始传感器输入中提取特征，进行简单的早期或晚期融合。例如，专利（如cn119933827a）提出了一种基于多模态数据融合的汽轮机回热系统控制方法，但其存在原始特征污染与特征解耦不足的问题，未能动态解耦多模态特征间的复杂交互关系以提升预测与控制精度。例如专利cn120083597a提出了一种基...
【技术保护点】
1.一种基于解耦感知与对抗鲁棒学习的异构传感预警系统，其特征在于，它包括：
2.根据权利要求1的一种基于解耦感知与对抗鲁棒学习的异构传感预警系统，其特征在于：
3.根据权利要求2的一种基于解耦感知与对抗鲁棒学习的异构传感预警系统，其特征在于：多维协同融合模块中多维协同融合模块跨域对抗鲁棒性学习框架具体包括：用于生成模拟环境干扰特征的干扰域生成器，用于判别特征是否为受干扰特征的跨域鉴别器，用于进行深度特征对齐的空间对齐模块和深度时序对齐模块，基于神经网络架构的深度融合模块；
4.根据权利要求3的一种基于解耦感知与对抗鲁棒学习的异构传感...
【技术特征摘要】
1.一种基于解耦感知与对抗鲁棒学习的异构传感预警系统，其特征在于，它包括：
2.根据权利要求1的一种基于解耦感知与对抗鲁棒学习的异构传感预警系统，其特征在于：
3.根据权利要求2的一种基于解耦感知与对抗鲁棒学习的异构传感预警系统，其特征在于：多维协同融合模块中多维协同融合模块跨域对抗鲁棒性学习框架具体包括：用于生成模拟环境干扰特征的干扰域生成器，用于判别特征是否为受干扰特征的跨域鉴别器，用于进行深度特征对齐的空间对齐模块和深度时序对齐模块，基于神经网络架构的深度融合模块；
4.根据权利要求3的一种基于解耦感知与对抗鲁棒学习的异构传感预警系统，其特征在于：多维协同融合模块中通过跨域对抗鲁棒性学习框架进行特征对齐与融合的具体方法为：
5.根据权利要求1的一种基于解耦感知与对抗鲁棒学习的异构传感预警系统，其特征在于：多维协同融合模块中得到精细语义识别结果的具体方法为：
6....
【专利技术属性】
技术研发人员：刘勤，周悦悦，朱雄雄，杨皓月，李匡郢，蒋浩东，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。