-
公开(公告)号：CN118470175B
公开(公告)日：2024-10-18
申请号：CN202410915437.1
申请日：2024-07-09
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T15/04 , G06T3/4076 , G06T5/90 , G06T7/13 , G06N3/0475 , G06N3/045
Abstract: 本发明提出了一种面向倾斜摄影测量的建筑物纹理增强方法，实现自动化的纹理质量提升。首先，对倾斜影像数据进行校正，制备训练数据集。其次，采用L1损失和边缘检测损失训练生成对抗网络，实施逐步加权训练策略，先优化整体图像质量，再强化边缘细节。然后，利用训练好的网络对校正后的三维模型纹理进行超分辨率增强。最终，将增强纹理应用于模型，显著提升纹理清晰度与细节，增强视觉效果及应用价值。此方法有效改进了超分辨率网络性能，自动化处理复杂城市场景纹理，降低成本，适用于城市规划与设计。
-
公开(公告)号：CN118445599A
公开(公告)日：2024-08-06
申请号：CN202410930061.1
申请日：2024-07-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/213 , G06F17/18 , G06Q50/26
Abstract: 一种基于多源遥感数据的绿潮不适宜生长区提取方法，首先，在实验室条件下识别影响绿潮生长的关键环境因子；其次，选取能反映这些因子的多源遥感数据；接着，对目标海域的遥感数据进行预处理，重采样至特定分辨率；然后，利用预处理数据和生物培养模型计算绿潮生长速率；最后，基于计算结果识别不适宜生长区域。此方法摒弃了仅依赖数据相关性和统计分析的传统做法，通过将实际影响绿潮生长的环境因子与遥感数据直接关联，提高了生长速率计算的精确度。其不仅增强了监测的空间覆盖和效率，而且综合海洋环境因素，更真实地映射了绿潮在复杂海域的生长情况，为绿潮灾害的治理与监测提供了更为科学和有效的技术支持。
-
公开(公告)号：CN118013869B
公开(公告)日：2024-07-23
申请号：CN202410425377.5
申请日：2024-04-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 一种四维电离层模型构建方法及其应用，该方法包括如下步骤：S1、获取用于深度学习训练的电离层电子密度数据，并使用电离层电子密度数据训练一个电离层数据同化扩散模型，其中，电离层数据同化扩散模型利用噪声增强的前向扩散过程将电离层电子密度数据逐渐转化为高斯噪声，随后通过逆向过程逐渐去除高斯噪声，以达到电离层电子密度数据同化的目标；S2、将待测区域的多源电离层观测数据输入训练好的电离层数据同化扩散模型中，利用电离层数据同化扩散模型的逆向过程对多源电离层观测数据进行同化处理，得到基于同化处理后的多源电离层观测数据的四维电离层模型。该方法能够构建出精度高、时空分辨率低、计算资源需求少的四维电离层模型。
-
公开(公告)号：CN118091711B
公开(公告)日：2024-07-12
申请号：CN202410512425.4
申请日：2024-04-26
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 一种GNSS生成式同步欺骗信号检测方法，包括以下步骤：步骤A：收集GNSS接收机跟踪环路中的I路相关器和Q路相关器的输出；步骤B：根据I路相关器的输出构建线性组合，得到复信号检验量的实数部分；步骤C：根据Q路相关器的输出，得到复信号检验量的虚数部分；步骤D：将实数部分和虚数部分组合起来得到复信号检验量；步骤E：根据复信号检验量进行计算，使用二元假设检验方法将计算结果与预先确定的欺骗信号检测门限进行比较；步骤F：根据二元假设检验的比较结果判断是否存在欺骗信号。对I路信号质量异常和Q路载波能量泄露异常进行联合检测，充分利用欺骗信号引起的Q路载波能量泄露异常信息，实现高效和准确的GNSS欺骗信号识别。
-
公开(公告)号：CN117970332A
公开(公告)日：2024-05-03
申请号：CN202410395248.6
申请日：2024-04-02
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 一种联合光学影像的InSAR城区地表形变危险性精细识别方法，包括如下步骤：S1、获取需监测城区的基于多时相SAR影像的InSAR城区地表形变信息图；S2、获取需监测城区的光学影像，通过基于光学影像的城区地表变化检测模型进行城区地表覆盖物变化检测，得到城区地表覆盖物变化分布图，识别由于城市地表覆盖物活动引起的地表形变伪危险性区域；S3、叠加InSAR城区地表形变信息图与城区地表覆盖物变化分布图，从InSAR城区地表形变信息图中去除由于城市地表覆盖物活动引起的地表形变伪危险性区域，从而获得InSAR城区地表形变真实危险性区域分布图。该方法能够去除由于城市活动引起的地表伪危险性区域，更准确地识别城区地表形变相关的潜在真实危险。
-
Patent Agency Ranking
公开(公告)号：CN117031507A
公开(公告)日：2023-11-10
申请号：CN202311290915.6
申请日：2023-10-08
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 一种适用于BDS‑3 B1C/B2a双频信号的精密单点定位方法，包括如下步骤：S1、输入数据，所述数据包括基于旧双频信号的卫星钟差数据；S2、进行数据预处理，其中，计算新双频信号与所述旧双频信号之间的频间钟偏差，并使用所述频间钟偏差改正观测值域；S3、构建基于所述新双频信号的精密单点定位模型，并使用步骤S2预处理后的数据进行模型的参数估计；S4、输出结果。与现有技术相比，本发明顾及了频间钟偏差对精密单点定位的影响，将其在观测值域提前改正，减少了误差项，提高了新信号的定位精度和收敛时间。
-
公开(公告)号：CN118778081B
公开(公告)日：2024-12-31
申请号：CN202411242372.5
申请日：2024-09-05
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 广西科学院
Abstract: 本发明提出一种基于多核最大熵的GNSS自适应滤波定位方法，针对城市复杂环境设计，有效提升VT型GNSS接收机在非高斯噪声中的定位精度和鲁棒性。该方法中，首先收集并初步处理GNSS接收机的伪距和多普勒观测数据，随后初始化状态向量和协方差矩阵，进行量测噪声协方差矩阵的白化处理。核心在于应用MKMC‑KF算法，结合系统动态模型进行状态预测，并通过当前观测数据进行状态校正，实现精确的后验状态估计。MKMC‑KF算法利用核密度估计自适应确定核带宽，为不同观测值分配不同核函数，适应其分布特性。最终，利用滤波后的状态信息进行定位计算，得到接收机的精确位置和速度估计，显著增强了在多径和NLOS条件下的导航性能。
-
公开(公告)号：CN118778081A
公开(公告)日：2024-10-15
申请号：CN202411242372.5
申请日：2024-09-05
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 广西科学院
Abstract: 本发明提出一种基于多核最大熵的GNSS自适应滤波定位方法，针对城市复杂环境设计，有效提升VT型GNSS接收机在非高斯噪声中的定位精度和鲁棒性。该方法中，首先收集并初步处理GNSS接收机的伪距和多普勒观测数据，随后初始化状态向量和协方差矩阵，进行量测噪声协方差矩阵的白化处理。核心在于应用MKMC‑KF算法，结合系统动态模型进行状态预测，并通过当前观测数据进行状态校正，实现精确的后验状态估计。MKMC‑KF算法利用核密度估计自适应确定核带宽，为不同观测值分配不同核函数，适应其分布特性。最终，利用滤波后的状态信息进行定位计算，得到接收机的精确位置和速度估计，显著增强了在多径和NLOS条件下的导航性能。
-
公开(公告)号：CN117970332B
公开(公告)日：2024-06-07
申请号：CN202410395248.6
申请日：2024-04-02
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 一种联合光学影像的InSAR城区地表形变危险性精细识别方法，包括如下步骤：S1、获取需监测城区的基于多时相SAR影像的InSAR城区地表形变信息图；S2、获取需监测城区的光学影像，通过基于光学影像的城区地表变化检测模型进行城区地表覆盖物变化检测，得到城区地表覆盖物变化分布图，识别由于城市地表覆盖物活动引起的地表形变伪危险性区域；S3、叠加InSAR城区地表形变信息图与城区地表覆盖物变化分布图，从InSAR城区地表形变信息图中去除由于城市地表覆盖物活动引起的地表形变伪危险性区域，从而获得InSAR城区地表形变真实危险性区域分布图。该方法能够去除由于城市活动引起的地表伪危险性区域，更准确地识别城区地表形变相关的潜在真实危险。
-
公开(公告)号：CN118013869A
公开(公告)日：2024-05-10
申请号：CN202410425377.5
申请日：2024-04-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 一种四维电离层模型构建方法及其应用，该方法包括如下步骤：S1、获取用于深度学习训练的电离层电子密度数据，并使用电离层电子密度数据训练一个电离层数据同化扩散模型，其中，电离层数据同化扩散模型利用噪声增强的前向扩散过程将电离层电子密度数据逐渐转化为高斯噪声，随后通过逆向过程逐渐去除高斯噪声，以达到电离层电子密度数据同化的目标；S2、将待测区域的多源电离层观测数据输入训练好的电离层数据同化扩散模型中，利用电离层数据同化扩散模型的逆向过程对多源电离层观测数据进行同化处理，得到基于同化处理后的多源电离层观测数据的四维电离层模型。该方法能够构建出精度高、时空分辨率低、计算资源需求少的四维电离层模型。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.065 seconds)
