| 54 |
Titel |
TI |
[DE] Verarbeiten eines Ultraschallsignals mittels eines künstlichen neuronalen Netzwerks |
| 71/73 |
Anmelder/Inhaber |
PA |
Valeo Schalter und Sensoren GmbH, 74321, Bietigheim-Bissingen, DE
|
| 72 |
Erfinder |
IN |
Gulagundi, Raghavendra, 96317, Kronach, DE
;
Mohamed, Mohamed-Elamir, 74321, Bietigheim-Bissingen, DE
;
Poepperl, Maximilian, 96317, Kronach, DE
|
| 22/96 |
Anmeldedatum |
AD |
20.03.2019 |
| 21 |
Anmeldenummer |
AN |
102019107126 |
|
Anmeldeland |
AC |
DE |
|
Veröffentlichungsdatum |
PUB |
13.08.2020 |
33
31
32 |
Priorität |
PRC
PRN
PRD |
|
| 51 |
IPC-Hauptklasse |
ICM |
G01S 7/526
(2006.01)
|
| 51 |
IPC-Nebenklasse |
ICS |
G01S 15/10
(2006.01)
|
|
IPC-Zusatzklasse |
ICA |
|
|
IPC-Indexklasse |
ICI |
|
|
Gemeinsame Patentklassifikation |
CPC |
G01S 15/10
G01S 7/527
|
|
MCD-Hauptklasse |
MCM |
G01S 7/526
(2006.01)
|
|
MCD-Nebenklasse |
MCS |
G01S 15/10
(2006.01)
|
|
MCD-Zusatzklasse |
MCA |
|
| 57 |
Zusammenfassung |
AB |
[DE] Die Erfindung betrifft das Verarbeiten eines Ultraschallsignals mittels eines künstlichen neuronalen Netzwerks. Um die Performance zu verbessern sowie die Genauigkeit der Detektion des Hindernisses (2) zu erhöhen, wird ein Verfahren zum Verarbeiten eines Ultraschallsignals mit den folgenden Verfahrensschritten vorgeschlagen:c) Verwenden einer diskreten Hüllkurve (6) eines Ultraschallsignals mit N Abtastwerten als Eingangslage (7) eines ersten künstlichen neuronalen Netzwerks (10),d) Erzeugen einer Fensterextraktionslage (12) des ersten künstlichen neuronalen Netzwerkes durch Unterteilen der Eingangslage (7) in mehrere Fenster (8) mit einer vorbestimmten Fensterbreite F, die jeweils um eine vorbestimmte Schrittweite S verschoben werden, und Anwenden einer Faltungsoperation auf die Fenster (8) der Eingangslage (7) mittels einer Anzahl k von Faltungskernels (9) mit k > 1, indem für jeden Faltungskernel (9) eine jeweilige Faltungsoperation innerhalb jedes der Fenster (8) erfolgt, so dass in der Fensterextraktionslage (12) für jedes Fenster (8) ein Signalanteil mit je einem Werte für jeden Faltungskernel (9) entsprechend einer jeweiligen Faltungsoperation erzeugt wird, so dass die Fensterextraktionslage (12) insgesamt eine Anzahl von T Signalanteilen mit jeweils k Werten aufweist,e) Verwenden der T Signalanteile der Fensterextraktionslage (12) mit den jeweils k Werten einzeln als Eingangslage für ein zweites künstliches neuronales Netzwerk (11). |
| 56 |
Entgegengehaltene Patentdokumente/Zitate,
in Recherche ermittelt |
CT |
DE102009047012A1
|
| 56 |
Entgegengehaltene Patentdokumente/Zitate,
vom Anmelder genannt |
CT |
|
| 56 |
Entgegengehaltene Nichtpatentliteratur/Zitate,
in Recherche ermittelt |
CTNP |
DMITRIEVA, Mariia, et al: Object classification with convolution neural network based on the time-frequency representation of their echo. In: 2017 IEEE 27th International Workshop on Machine Learning for Signal Processing (MLSP). IEEE, 2017. S. 1-6.DOI: 10.1109/MLSP.2017.8168134 p 0
|
| 56 |
Entgegengehaltene Nichtpatentliteratur/Zitate,
vom Anmelder genannt |
CTNP |
|
|
Zitierende Dokumente |
|
DE102021115248A1
|
|
Sequenzprotokoll |
|
|
|
Prüfstoff-IPC |
ICP |
G01S 15/10
G01S 7/526
|
