-
公开(公告)号：CN102903108A
公开(公告)日：2013-01-30
申请号：CN201210359002.0
申请日：2012-09-25
Applicant: 哈尔滨工程大学
IPC: G06T7/00
Abstract: 本发明的目的在于提供基于水下图像统计特性的边缘检测方法，包括如下步骤：对水下图像进行统计特性分析，对两幅水下图像进行平滑，计算平滑后的数据阵列的梯度幅值和梯度方向，对梯度幅值进行非极大值抑制，利用Rosin方法获得单峰图像阈值，利用递归跟踪的算法不断的在低阈值图像中搜集边缘，直到将高阈值图像中所有的间隙都连接起来为止。本发明可以针对不同的水下图像自动设置边缘检测的合理阈值，克服了传统方法手动阈值设定不准确的缺点。同时通过合理确定高斯平滑参数及邻域范围捕捉图像边缘信息，能够在去除噪声的同时，更好地检测图像的边缘轮廓。
-
公开(公告)号：CN102903083A
公开(公告)日：2013-01-30
申请号：CN201210358865.6
申请日：2012-09-25
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明的目的在于提供基于Context模型和双树复小波变换的水下声纳图像的去噪方法，包括如下步骤：对水下声纳图像进行双树复小波分解，图像经四层双树复小波分解后获得的低频近似分量保持不变，对图像的高频分量进行去噪处理，对处理后的复小波系数进行双树复小波反变换，获得最终去噪后的图像。本发明采用Context模型衡量双树复小波系数之间能量的相似性，将能量相接近的系数归类，针对每一类系数确定不同的阈值，并结合软阈值函数实现噪声的去除。优化了阈值的选取，在去除噪声的同时保留了更多的图像细节，抑制了系数被过扼杀的现象。
-
公开(公告)号：CN102508206A
公开(公告)日：2012-06-20
申请号：CN201110336558.3
申请日：2011-10-31
Applicant: 哈尔滨工程大学
IPC: G01S7/02
Abstract: 本发明的目的在于提供基于小波包去噪和功率谱熵的线性调频信号参数估计方法，包括以下步骤：对信号进行多尺度小波包去噪，确定小波包函数和小波包分解层数；计算经小波包去噪后的信号的功率谱熵，并建立不同信噪比条件下，不同调频斜率的线性调频信号的熵特征数据库；对得到的离散熵特征数据进行插值运算；用多项式函数对三次样条函数插值后的曲线拟合，得到不同信噪比下线性调频信号的调频斜率与输入熵特征的关系表达式；利用拟合好的表达式估计接收机接收到的LFM信号的调频斜率。本发明提出的基于小波包去噪和功率谱熵的线性调频信号参数估计方法计算量小，能够在满足参数估计精度要求的前提下，实时地对LFM的调频斜率进行估计。
-
公开(公告)号：CN102368854A
公开(公告)日：2012-03-07
申请号：CN201110336288.6
申请日：2011-10-31
Applicant: 哈尔滨工程大学
IPC: H04W16/14
Abstract: 本发明的目的在于提供一种基于反馈控制信息的认知无线电网络频谱共享方法：初始化认知无线电网络中的通信传输参数，根据授权用户的中断概率限制近似等效得到不同认知用户的中断概率约束条件，并初始化各认知用户功率。观测授权用户在时间t内发生中断的次数n，更新估计的观测中断概率，更新调整因子，计算改进的功率分配策略，检测循环终止条件是否满足，不满足返回上述步骤，满足则终止。本发明利用最优化理论与授权用户的反馈控制信息建立认知无线电网络的频谱共享模型，保证授权用户通信的中断概率低于设定水平，便于认知用户通过授权用户反馈控制信息的观测，迭代求解自身功率分配策略。
-
公开(公告)号：CN120057222A
公开(公告)日：2025-05-30
申请号：CN202510135244.9
申请日：2025-02-07
Applicant: 哈尔滨工程大学
IPC: B63B79/30 , B63B79/20 , G06N3/006 , G06N3/0442 , G06N3/048
Abstract: 本发明针对非线性非平稳性以及噪声会影响极短期船舶运动姿态的预测精度以及预测模型稳定性的问题，从而提出一种非线性与非平稳性下极短期船舶运动姿态预测方法。本发明涉及船舶运动姿态预测领域。预测方法为：获取船舶非平稳运动姿态数据；采用经验模态分解算法对船舶非平稳运动姿态数据中的时间序列进行分解操作，拆分若干个独立的子序列；采用基于自适应粒子群优化的长短时记忆神经网络对每个子序列进行预测，获得若干预测结果；将若干个预测结果进行加权和数据重组，得到最终的综合预测结果。本发明能够在不同的海洋环境下有效预测船舶的运动姿态，为船舶的安全和稳定运行提供了有力的技术支持。
-
Patent Agency Ranking
公开(公告)号：CN119987395A
公开(公告)日：2025-05-13
申请号：CN202510055387.9
申请日：2025-01-14
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及无人集群技术领域，设计一种基于分布式群集自组织模型的无人集群协同导航方法及其系统。步骤1：获取任务环境，并对其进行预处理；步骤2：将无人集群平台采用特性进行表述；步骤3：对步骤2特性表述的无人集群平台，进行基于博伊德环的集群内外的交互框架准则设计，使每个无人平台根据搭载传感器感知到的周围平台运动状态和外部环境信息调整自身的运动状态；步骤4：基于步骤3设计的交互框架准则，每个无人机使用其搭载的模型预测控制器在线解算下一时刻的控制输入并利用四阶龙格库塔方法更新飞行状态；每个无人机利用自身搭载的传感器对周围无人平台的飞行状态进行在线更新并返回执行步骤3直至抵达目标点。用以解决在降低通信依赖度的条件下实现集群整体层面的协同导航行为的问题。
-
公开(公告)号：CN119835647A
公开(公告)日：2025-04-15
申请号：CN202510013784.X
申请日：2025-01-06
Applicant: 哈尔滨工程大学
IPC: H04W12/122 , H04W12/06 , H04W12/60 , H04W40/32 , H04L41/14 , G06F18/2433 , G06F18/214 , H04W84/18
Abstract: 基于云理论的集中式信任评估方法、装置及存储介质，属于水下无线传感器网络的信任模型技术领域，尤其涉及水下无线传感器网络的信任评估方法；解决了现有针对分簇式网络拓扑结构的信任模型所存在的忽视了信任的模糊性和不确定性特点以及依赖人为设定的阈值和标准信任云的问题；所述方法包括以下步骤：汇聚节点使用逆向云算法计算并更新全网节点的发包云模型、数据云模型、能量云模型；计算输入样本和输出样本之间的均方误差作为重构误差；将重构误差输入SVM模型进行节点二分类，实现恶意节点识别。所述的基于云理论的集中式信任评估方法、装置及存储介质，适用于分簇式网络拓扑结构中节点的信任评估。
-
公开(公告)号：CN115114960B
公开(公告)日：2024-12-31
申请号：CN202210767193.8
申请日：2022-06-30
Applicant: 哈尔滨工程大学
IPC: G06F18/2413 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/086 , G06N3/0985 , G06N3/045
Abstract: 本发明属于信号识别技术领域，具体涉及一种基于自适应黑蜘蛛猴算法的辐射源个体识别方法。本发明通过构造类内、类间离差矩阵，设计离差损失，融合四元组和中心聚类损失，使得损失函数的构建更具可靠性；通过设计自适应黑蜘蛛猴算法对损失函数权重寻优，构建改变搜索方向的标志，利用螺旋优化搜索，扩大搜索范围，引入探索和平衡开发因子，使权重随迭代次数改变，减少了权重变化的盲目性，增强了辐射源个体识别方法的泛化性、准确性和适应性。本发明不仅能提高网络收敛速度，增加网络的泛化性和可靠性，还能准确实现辐射源个体识别，具备较好的适用性。
-
公开(公告)号：CN118036702A
公开(公告)日：2024-05-14
申请号：CN202410098501.1
申请日：2024-01-23
Applicant: 哈尔滨工程大学
IPC: G06N3/092 , G06N3/045 , G06N3/0985
Abstract: 多智能体协同围捕方法及装置，涉及深度强化学习和多智能体技术领域。为解决现有技术中存在的，现有协同多智能体围捕的研究，没有考虑围捕任务的特殊性在解决围捕问题方面存在缺点的技术问题，本发明提供的技术方案为：多智能体协同围捕方法，方法包括：采集智能体逃跑策略、演员网络与中心评论员网络的观测空间、奖励函数和围捕任务完整条件的步骤；构建包括具有目标预测网络的演员网络以及具有成员状态编码器的评论员网络的步骤；对所述演员网络和评论员网络进行预热的步骤；根据所述逃跑策略和奖励函数，更新所述演员网络和评论员网络的步骤；重复更新所述评论员网络，得到训练完成的演员网络的步骤。可以应用于多智能体协同围捕任务工作中。
-
公开(公告)号：CN116520861A
公开(公告)日：2023-08-01
申请号：CN202310492834.8
申请日：2023-05-04
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明提出了基于改进Glasius仿生神经网络的静态目标搜索方法与装置，属于Glasius仿生神经网络技术领域，尤其涉及水下自主航行器的路径规划。解决了现有Glasius仿生神经网络，由于神经元刺激信号的时延和衰减的作用，而可能受到局部最优解的影响，导致全局搜索能力较差，目标搜索性能不理想的问题。所述基于改进Glasius仿生神经网络的静态目标搜索方法，采用改进Glasius仿生神经网络，根据所述先验信息、基础先验目标概率图以及初始结合概率图MAP0，进行迭代计算，通过时域滚动优化过程执行静态目标搜索任务。它主要用于水下自主航行器的路径规划。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.041 seconds)
