基于哈希字典的随钻密度测井仪井下高速实时压缩方法

    公开(公告)号:CN108494408B

    公开(公告)日:2021-07-13

    申请号:CN201810209642.0

    申请日:2018-03-14

    Abstract: 本发明公开了一种基于哈希字典的随钻密度测井仪井下高速实时压缩方法,先将原始数据进行串并转换送入FIFO缓存,再在压缩过程启动后,从FIFO中读取输入数据,并与前缀码一起生成对应的哈希表地址,然后读取字典存储器相应地址的内容,如果内容为空,则输出输入的数据,将相应前缀码,当前面码和字典项编码存入字典;如果内容不为空且内容匹配,则输入下一数据;如果内容不为空但与当前数据冲突,则用哈希冲突函数重新进行哈希地址计算并且读取、判断数据;当字典存满后,此时开始清空该字典,同时选用另一个字典进行工作,如此循环,直至压缩结束。

    一种永磁同步电机转子零位检测方法

    公开(公告)号:CN112671296A

    公开(公告)日:2021-04-16

    申请号:CN202011493818.3

    申请日:2020-12-17

    Abstract: 本发明公开了一种永磁同步电机转子零位检测方法,首先在定子dq坐标系中,将定子直轴电压矢量设定为一合适的值Ud,将交轴电压矢量Uq和SVPWM模块的合成矢量角为零,从而获取转子相对于最近A相的位置,再由该位置设定合成定子磁场的旋转方向;保持Ud和Uq不变,通过控制SVPWM模块的合成矢量角的增加或者减小,进而控制转子旋转,最后根据转子正反转得到的电角度计算出转子的零位值。

    基于DCT变换的点云属性编码及解码方法、装置及系统

    公开(公告)号:CN111953998A

    公开(公告)日:2020-11-17

    申请号:CN202010822335.7

    申请日:2020-08-16

    Abstract: 本发明公开了一种基于DCT变换的点云属性编码及解码方法、装置及系统,所述编码方法包括:获取待编码点云数据;对所述待编码点云数据进行重排序,并选取若干点作为待变换点;对所述待变换点的属性信息进行DCT变换,得到变换系数;对所述变换系数进行量化和编码,以实现点云属性的编码。本发明提供的基于DCT变换的点云属性编码方法降低了编码时间复杂度,同时提升了编码性能。

    一种融合专家知识的优效组合式调制识别方法

    公开(公告)号:CN111401263A

    公开(公告)日:2020-07-10

    申请号:CN202010194033.X

    申请日:2020-03-19

    Abstract: 本发明公开了一种融合专家知识的优效组合式调制识别方法,涉及数字通信识别技术领域,其包括读入待识别信号采样序列,得到一维的数组数据s(n);从数组数据s(n)提取8维人工特征向量;根据数组数据s(n)获取归一化包络信号数据;根据数组数据s(n)获取时频图,并对时频图进行预处理;基于迁移学习预训练模型,根据8维人工特征向量、归一化包络信号数据的特征以及预处理后的时频图特征构建组合式特征向量;基于组合式特征向量获取识别结果。本发明借助了迁移学习节省训练时间和提升分类精度,既利用了信号的时频图与包络的特征,又加入了鲁棒性较强的8个的人工特征协助分类任务,为待识别信号提供了更具有表征性的数据表达,可以明显提高低信噪比下的准确率。

    一种用于数字调制信号识别的特征提取方法

    公开(公告)号:CN111327554A

    公开(公告)日:2020-06-23

    申请号:CN202010123014.8

    申请日:2020-02-27

    Abstract: 本发明公开了一种用于数字调制信号识别的特征提取方法,包括以下步骤:S1:读入待处理信号的信号采样序列;S2:进行希尔伯特变换,得到最终的解析信号序列;S3:进行统计量特征提取,得到特征参数A;S4:进行瞬时统计特征提取,得到特征参数B-H;S5:对特征参数A-H进行特征优效组合,得到特征向量组;S6:将特征向量组输送到多分类器,完成数字调制信号的识别。本发明中,在对信号的瞬时信息获取多重统计参数,对现有参数进行简化和优化并加入新的特征参数,组成能够处理不同数字信号组合的优效特征提取模型,再输送到多分类器,就可实现多种数字信号的共同识别。

    一种汽车雷达侧视角度超分辨成像方法

    公开(公告)号:CN111157995A

    公开(公告)日:2020-05-15

    申请号:CN202010010465.0

    申请日:2020-01-06

    Abstract: 本发明公开了一种汽车雷达侧视角度超分辨成像方法,其包括:步骤S1:获取每个阵元的距离-多普勒矩阵;步骤S2:目标检测,提取各个阵元的RDM矩阵中对应的目标点;步骤S3:计算雷达和目标的相对速度;根据目标点在距离-多普勒矩阵中的位置,得到目标所在的距离,以及目标和雷达的相对速度vr;得到粗略的目标角度估计值;步骤S4:获取雷达等效速度,计算不同时刻的相对位移;在一个相干处理周期CPI中,获取雷达沿着车辆行驶方向的相对位移;步骤S5:综合多个CPI数据形成一个大的阵列;进行不同CPI之间数据的运动补偿;步骤S6:再次进行测角,得到多个目标的真实角度估计值。本发明具有原理简单、易实现、能够大大提高角度分辨率等优点。

    基于增长码的重要数据快速收集方法

    公开(公告)号:CN111093164A

    公开(公告)日:2020-05-01

    申请号:CN201911128853.2

    申请日:2019-11-18

    Abstract: 本发明公开了一种基于增长码的重要数据快速收集方法,其特征在于:先随机播撒感知节点到检测区域,放置汇聚节点在监测区域边缘位置;然后对每个节点进行划分层次;接着感知节点工作启动,对周围的环境进行检测,产生一个监测数据xi;接着感知节点计算码字权重,按照赌轮选取最佳码字;然后根据计算好的转发概率表以及邻居节点的能耗情况选择最合适的邻居进行码字交换;最后汇聚节点接收码字并且对接收到的码字进行解码操作;本发明通过对网络划分层次,并且针对重要码字的编码和交换做出特殊处理,使得重要数据可以被汇聚节点快速恢复,同时又能对网络中的数据起到很好的保护作用。

    基于K-Means算法改进的高频职业技能生命曲线聚类方法

    公开(公告)号:CN110889431A

    公开(公告)日:2020-03-17

    申请号:CN201911030748.5

    申请日:2019-10-28

    Abstract: 本发明公开了一种基于K-Means算法改进的高频职业技能生命曲线聚类方法,其特征在于,包括以下步骤:1)爬取用户信息形成用户文档库;2)挖掘高频职业技能;3)构建高频职业技能生命曲线;4)使用密度峰算法选取K个职业技能生命曲线聚类中心;5)使用K-Means算法对职业技能生命曲线进行聚类;6)采用戴维森堡丁指数评估聚类结果,评估不合格,增加职业技能生命曲线聚类中心的数量K,返回步骤4,评估合格则进入下一步;7)得到最终高频职业技能生命曲线聚类结果。本发明通过对高频职业技能生命曲线进行定义,使用密度峰算法选取合适聚类中心点,然后使用K-Means算法进行聚类,进而比较稳定有效的找出生命曲线相似的职业技能。

Patent Agency Ranking