원래 이름 기록: 中山大学·深圳; 中山大学

本申请涉及目标检测技术领域，尤其涉及一种单域泛化目标检测方法、装置、电子设备及存储介质，在检测到未见目标域潜在目标时，获取目标图像并构建文本提示模板得到初步文本描述，预训练图像分类模型提取目标图像源领域图像特征，预训练文本分类模型提取目标领域文本提示，获取目标域风格参数，结合源域图像特征确定目标领域视觉特征。最后将目标领域视觉特征和文本提示输入预设语言‑图像定位模型，使其输出潜在目标对应的预测检测框及目标文本提示。本申请提升了模型在未见目标域的检测能力，实现更精确的单域泛化目标检测。

本申请涉及图像处理技术领域，尤其涉及一种有向目标检测方法、装置、电子设备及计算机存储介质，通过获取含目标检测图像及对应目标标注文本的目标检测任务，将目标检测图像输入预设图像分类模型，输出目标图像特征，利用特征金字塔网络基于该特征构建目标多尺度特征图，将目标标注文本输入预设语言处理模型，输出目标文本特征，对目标多尺度特征图和目标文本特征进行特征融合，得到目标融合特征，将目标融合特征输入预设目标检测模型，由该模型输出目标检测任务中目标的位置和类别。本申请通过融合图像与文本特征，提升了目标检测的准确性和有效性。

本发明涉及基于多输入多输出仿射频分复用的索引调制信号传输方法及系统。该方法包括以下步骤：获取第一待发送信号；将所述第一待发送信号划分为个第一发送比特，个第二发送比特；对所述第一发送比特、所述第二发送比特进行编码，得到第一传输符号；对所述第一传输符号利用逆仿射傅里叶变换运算，得到第二传输符号；将所述第二传输符号通过信道发送，得到第一接收符号；将所述第一接收符号通过离散仿射傅里叶变换，得到第二接收符号；对所述第二接收符号进行解调，得到第一接收信号。该方法在高速运动场景下通信可靠性强、效率高。

本发明公开了基于渐进式跨模态交互的轻量级机器人控制方法及相关设备，该方法包括：将观测图像输入视觉编码器，获取输出视觉特征；将文本指令输入文本编码器，获取输出文本特征；通过跨模态桥接，根据当前层全局文本特征以及上一层输出视觉特征，将当前层全局文本特征适配到视觉编码器，得到视觉编码特征；通过领域特定适配器，对输出文本特征进行微调，输出当前层输出文本特征；通过跨模态交互适配器，对视觉编码特征与当前层文本嵌入序列进行跨模态交互适配操作，得到当前层输出视觉特征；返回跨模态桥接的步骤，直至视觉编码器输出最终层输出融合特征；根据噪声向量以及最终层输出融合特征，输出机器人控制指令。

本发明公开了一种面向双基地通感一体化的仿射频分复用波形设计方法。该方法包括以下步骤：建立基于模糊函数的仿射频率优化模型；对所述基于模糊函数的仿射频率优化模型进行优化计算，得到最优波形设计参数；获取待转换数据，并根据所述确定最优波形设计参数的仿射频率优化模型，计算得到最优波形。一种双基地通感一体化方法，包括：获取待传输数据、前导序列；将所述待传输数据作为待转换数据，得到最优波形，并作为通信发射波形；将所述前导序列作为待转换数据，得到最优波形，并作为感知发射波形；将所述通信发射波形、感知发射波形分别通过信道发送，得到通信接收波形、感知接收波形；根据所述通信接收波形，解调得到传输数据；根据所述感知接收波形，解调得到目标距离。本发明得到的最优波形传输速度块、效率高。

本发明涉及一种车辆运动控制方法，基于车辆的动力学模型与运动学模型构建速度规划器，得到期望速度；基于实际速度和期望速度，得到速度误差；对速度误差进行约束边界规划，得到有界误差；约束边界由基础边界和基于输入扰动的补偿量构成。将有界误差转换为无界误差；构建对系统输入误差进行控制的零化动力学模型和对非线性扰动的误差实时补偿的扰动估计神经网络模型；基于零化动力学模型、扰动估计神经网络模型和无界误差得到车辆控制输入。使用该控制方法对车辆进行控制时，能够根据控制输入是否饱和对约束边界的宽度进行调整，实现既保证误差的稳定约束，又避免数据奇异点，最终达到车辆的控制精度不下降的效果。