-
公开(公告)号：CN110673481B
公开(公告)日：2022-04-15
申请号：CN201910953419.1
申请日：2019-10-09
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G05B13/04
Abstract: 本申请涉及无人机属性数据的确定方法、装置、电子设备及存储介质，该方法基于飞行速度范围，飞行高度范围，无人机的波束宽度、覆盖条件和子时间段的数据传输速率建立非凸问题模型，将非凸问题模型转换成多个基于目标时间的凸问题模型，从而确定无人机的飞行轨迹和波束宽度。本申请提供的无人机属性数据的确定方法，可以在无人机的飞行速度、高度、天线波束宽度受限的条件下，通过调整无人机的飞行轨迹和天线波束宽度，最小化无人机传输任务的完成时间。
-
公开(公告)号：CN110118948B
公开(公告)日：2021-12-21
申请号：CN201910481742.3
申请日：2019-06-04
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G01R33/035
Abstract: 本发明提供一种基于超导量子干涉仪的总场测量方法及装置，所述方法包括：对高灵敏度三轴SQUID磁强计进行非正交度、灵敏度和零点偏移的标定；通过高灵敏度三轴SQUID磁强计对待测环境中的磁场分量进行测量，并在磁场分量值大于预设阈值时对相应高灵敏度SQUID进行复位后再重新锁定工作点；同时利用相应低灵敏度SQUID收集高灵敏度SQUID在死区时间内发生的磁通变化以获取磁通量子跳跃数，并以此对死区时间内高灵敏度SQUID测得的磁场分量值进行补偿，以获取准确磁场分量值；基于准确磁场分量值进行总场合成，以获取待测环境中的总场。通过本发明解决了现有技术中使用三轴矢量磁通门进行总场测量时探测精度较低的问题。
-
公开(公告)号：CN113449626A
公开(公告)日：2021-09-28
申请号：CN202110697487.3
申请日：2021-06-23
Applicant: 中国科学院上海高等研究院 , 中国科学院上海微系统与信息技术研究所
Abstract: 本发明公开了一种隐马尔科夫模型振动信号状态分析方法和装置、存储介质和终端，其中方法包括获取振动信号数据，通过预设滤波方式对振动信号数据进行滤波处理，得到特征信号；通过预设分类方式对特征信号进行分类；通过预设分段算法对每类信号进行分段处理；通过基于密度的时空聚类算法分别对每类分段数据进行聚类，获取至少一类聚类结果；基于每类聚类结果构建隐马尔科夫模型，并基于隐马尔科夫模型中的维特比算法对待处理特征信号进行预测诊断。本发明采用基于时空密度的聚类方法对分段时空序列数据进行聚类处理，然后通过聚类结果建立的隐马尔科夫模型进行预测诊断，消除时间序列分类局限性，提高分析结果的准确性和有效性。
-
公开(公告)号：CN109831792B
公开(公告)日：2021-09-24
申请号：CN201910180970.7
申请日：2019-03-11
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
Abstract: 本发明提供一种基于多目标优化的无线传感器网络拓扑控制方法，包括提供无线传感器网络，建立分簇拓扑结构；分别计算无线传感器网络的网络生命周期、网络连通性、网络可靠性、网络时延和网络覆盖度；以网络生命周期，网络连接度和网络可靠性为优化目标，以网络时延和网络覆盖度为约束条件，建立多目标优化模型；计算多目标优化模型的函数值；优化分簇拓扑结构并重复上述步骤，直到函数值不再增大。本发明的无线传感器网络拓扑控制方法同时以网络生命周期、网络连通性和网络可靠性为优化目标建立多目标优化模型，并根据该优化模型求解出近似最优的分簇拓扑结构，从而同时延长网络生命周期、提高网络连通性和增强网络可靠性。
-
公开(公告)号：CN112055310B
公开(公告)日：2021-07-09
申请号：CN202010750176.4
申请日：2020-07-30
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种无人机CR‑NOMA网络中轨迹设计和功率分配方法，包括以下步骤：根据无人机的飞行速度范围，飞行高度范围，发射功率范围，对主用户的干扰限制，以及次级用户在每个时隙的安全速率，建立最大化所有次级用户的平均安全速率和的优化问题；通过消除整数变量和引入辅助变量的方式对所述优化问题进行转化；采用模块梯度下降法将转化后的问题分解为第一子问题和第二子问题，使用连续凸近似法和惩罚函数法将所述第一子问题和第二子问题转换为凸优化问题，并对所述凸优化问题进行迭代求解直至收敛，得到最佳无人机轨迹和功率分配。本发明能够最大化所有次级用户的平均安全速率和。
-
Patent Agency Ranking
公开(公告)号：CN110596619B
公开(公告)日：2021-07-09
申请号：CN201910872188.1
申请日：2019-09-16
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G01R33/022
Abstract: 本发明提供一种全张量磁梯度测量组件及其优化方法，所述测量组件包括：容器杜瓦，包括杜瓦瓶体及设于杜瓦瓶体内部的安装插塞，所述安装插塞固定于所述杜瓦瓶体顶部并向下延伸；平面梯度计组件，安装于安装插塞的下方，包括平面梯度计安装件及安装于所述平面梯度计安装件上的平面梯度计；磁强计组件，安装于所述安装插塞的下方，包括磁强计安装件及安装于所述磁强计安装件上的三轴磁强计；其中将各所述平面梯度计等效成立方体，并以各立方体的长、宽、高作为三维空间的三个正交轴，从而形成多个参考坐标系；此时各所述平面梯度计在其各自参考坐标系的三个正交轴方向上的不平衡度与磁场分量变化值的绝对值基于数值大小反序对应。
-
公开(公告)号：CN107801227B
公开(公告)日：2021-01-26
申请号：CN201710891080.8
申请日：2017-09-27
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
IPC: H04W40/22 , H04W40/10 , H04W40/02 , H04L12/721
Abstract: 本发明涉及一种面向无线传感器网层次化分析的路由调度方法，利用层次化分析方法建立判定矩阵，判定矩阵以邻居节点的剩余能量、需要消耗的传输能量、到基站的距离和节点度为关键因素。以判定矩阵最大特征值对应特征向量的元素值分别作为三个因素的权重，计算每个邻居节点的性能权值，并进行层次排序及一致性检验。所有邻居节点的性能权值中，性能权值最大的那个节点将被选为下一跳的中继节点。本发明能够有效地改善节点能量消耗，并最终提高无线传感器网的网络寿命。
-
公开(公告)号：CN108737191B
公开(公告)日：2021-01-19
申请号：CN201810552318.9
申请日：2018-05-31
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
IPC: H04L12/24 , H04W40/04 , H04W40/32 , H04W84/18 , H04B17/391
Abstract: 本发明涉及一种面向超密集无线传感器网基于无监督学习的拓扑控制方法，以遗传算法的框架为基础，对网络节点进行分簇，通过不断地无监督学习寻找最优的分簇网络拓扑。在优化过程中，网络的节点能量、节点距离和节点密度三个因素是重要的输入数据集，利用层次化分析方法决定不同因素权重建立适应度函数。本发明能够有效地改善节点能量消耗，并最终提高无线传感器网的网络寿命。
-
公开(公告)号：CN111723634A
公开(公告)日：2020-09-29
申请号：CN201911298959.7
申请日：2019-12-17
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本申请涉及一种图像检测方法、装置、电子设备及存储介质，该方法基于获取的环境图像序列利用帧差法，得到二值图像；基于二值图像中每个像素点的像素值确定每列的像素总值，得到列像素总值序列；从列像素总值序列确定目标列；确定目标列中每行的像素总值，得到行像素总值序列；从行像素总值序列确定目标区域；基于目标区域确定待检测区域；从待检测区域确定目标的类别，并从待检测区域中确定目标的位置区域；基于目标的位置区域确定出目标相对于环境图像的位置信息。本申请提供的方法适用于高分辨率场景，可以实现快速高精度的运动目标检测，且鲁棒性好、时效性高。
-
公开(公告)号：CN106887238B
公开(公告)日：2020-05-15
申请号：CN201710117865.X
申请日：2017-03-01
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
IPC: G10L21/0272 , G10L25/27
Abstract: 本发明提供一种基于改进独立向量分析算法的声信号盲分离方法，包括：步骤1，通过M个传感器采集N个源信号的卷积混合信号，以得到M个观测信号；步骤2，通过短时傅里叶变换将所述观测信号从时域转换到频域，并建立基于分离矩阵的频域分离信号模型；步骤3，逐频点对频域的所述观测信号和分离矩阵进行预处理；步骤4，采用基于自适应更新的自然梯度独立向量分析算法逐频点进行盲分离处理，以得到频域的分离信号；步骤5，对频域的分离信号进行逆短时傅里叶变换，以得到时域的分离信号。本发明考虑声信号的卷积混合，自适应更新，能够更精确地恢复源信号，更快达到收敛；算法对更新步长的初始值不敏感，鲁棒性好，稳定性高。
-
-
-
-
-
-
-
-
-
Search Results
164
records
(took 0.074 seconds)
