-
公开(公告)号：CN112578414A
公开(公告)日：2021-03-30
申请号：CN202011336466.0
申请日：2020-11-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种禁忌搜索人工蜂群算法下的北斗导航选星方法，方法步骤为：通过获取得到的地面观测点位置信息与北斗导航卫星实时位置信息，计算地面观测点处各北斗导航卫星高度角、方位角；以地面观测点处遮蔽角对各北斗导航卫星进行筛选得到可视卫星集合；利用禁忌搜索人工蜂群算法，以卫星组合方案的几何精度因子GDOP为目标函数，在解空间内对卫星组合方案寻优求解，得到具有最小GDOP的卫星组合方案。本发明将基于禁忌搜索人工蜂群算法应用于北斗导航选星过程，充分发挥人工蜂群算法预先设置参数少，寻优能力强的特点，寻优速度快等优点，有效提高北斗导航应用中选星过程效率，具有较大的价值和实用性。
-
公开(公告)号：CN110071884A
公开(公告)日：2019-07-30
申请号：CN201910287106.7
申请日：2019-04-11
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种基于改进熵云特征的通信信号调制识别方法，包括：对待识别信号进行快速傅里叶变换，提取香农熵、指数熵和范数熵，构成三维特征向量；利用云模型理论计算待识别信号每一个熵特征的数字特征，利用综合云公式得到最终熵云特征；利用特征产生数据集，并进行归一化处理，随机产生每类调制信号的训练样本和测试样本，得到训练样本集合、测试样本集合以及类标签集合；训练极限学习机分类器，将得到的测试样本集合输入训练后的分类器，得到最终通信信号平均识别率。本发明同时适用于模拟信号和数字信号特征提取且计算量小，得到的信号特征也相对稳定；利用了云模型理论，信号特征更为稳定，具有更好的类间分离度；信号特征抗噪声性能好。
-
公开(公告)号：CN103454662B
公开(公告)日：2016-06-29
申请号：CN201310396375.X
申请日：2013-09-04
Applicant: 哈尔滨工程大学
IPC: G01S19/48
Abstract: 本发明公开了一种基于CKF的SINS/北斗/DVL组合对准方法。首先对SINS/北斗/DVL组合导航系统的状态方程进行非线性建模，建立量测方程时采用将多传感器量测信息拆分成类似单量测信息的方法，即将量测方程分为两组：一组为SINS/北斗滤波器量测方程，另一组为SINS/DVL滤波器量测方程，再在相应时刻分别对其进行滤波和判断，在融合中心进行数据融合。本发明可以增强SINS/北斗/DVL组合导航系统中北斗和DVL异步时的多传感器信息的利用率，大幅提高系统状态变量的估计精度，从而提高组合系统对准精度。
-
公开(公告)号：CN103471616A
公开(公告)日：2013-12-25
申请号：CN201310396476.7
申请日：2013-09-04
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种动基座SINS大方位失准角条件下初始对准方法。利用GPS信息确定载体的初始位置参数，采集光纤陀螺仪和石英加速度计输出的数据，运用解析法来完成动基座SINS的粗对准，初步确定载体的姿态信息。建立动基座SINS在大方位失准角情况下的非线性状态方程，并建立动基座条件下以速度误差为观测量的量测方程，利用CKF算法估计出平台失准角，利用平台失准角修正系统的捷联初始姿态矩阵，从而得到精确的捷联初始姿态矩阵，从而完成动基座SINS的精对准过程。本发明可以大幅提高SINS在动基座且方位为大失准角情况下的初始对准精度，为导航过程提供了更加准确的初始姿态矩阵。
-
公开(公告)号：CN119906612A
公开(公告)日：2025-04-29
申请号：CN202510075792.7
申请日：2025-01-17
Applicant: 哈尔滨工程大学
Abstract: 本发明属于5G NAVSOP接收技术领域，具体涉及本发明属于5G NAVSOP接收技术领域，所述同步调节模块和信号预处理模块均接收5GNR信号，所述同步调节模块将信号传输至追踪单元，所述信号预处理模块将信号传输至伪距离获取模块，所述伪距离获取模块将信号传输至线性变换器，所述线性变换器与追踪单元相互传输信号；所述追踪单元包括相位旋转模块、EML鉴别器和预训练网络，所述相位旋转模块接收同步调节模块的信号并将其传输至EML鉴别器，所述EML鉴别器将信号传输至预训练网络，所述预训练网络将信号传输至线性变换器，所述相位旋转模块与线性变换器相互传输信号。本发明用以解决传统的EML技术所带来的定位精度低，伪距获取不稳定的问题。
-
Patent Agency Ranking
公开(公告)号：CN119865264A
公开(公告)日：2025-04-22
申请号：CN202510055390.0
申请日：2025-01-14
Applicant: 哈尔滨工程大学
IPC: H04B17/345 , H04W24/04 , H04L25/03
Abstract: 本发明属于同频干扰对技术领域，具体涉及一种5G超密集组网场景下同频干扰对抗方法及其系统。识别出信号最强的小区ID；采用最小二乘方法估计信道；从原始信号中减去信号最强小区的干扰成分，得到去干扰后的信号；进行参数初始化；在每次迭代中寻找到与残差相关性最大的基站，更新已选择的基站集合；对重构矩阵进行更新并估计出新的信道响应向量；最后更新残差，并进行下一次迭代；检查迭代条件，如果迭代次数没有达到预定义的上限或残差的L2范数没有超过阈值，则继续迭代；否则，算法终止，并使用最终估计的B集合作为结果，实现5G超密集组网场景下同频干扰对抗。用以解决在5G NAVSOP的应用里，需要尽可能多的提取出定位观测量的问题。
-
公开(公告)号：CN119863581A
公开(公告)日：2025-04-22
申请号：CN202411923290.7
申请日：2024-12-25
Applicant: 哈尔滨工程大学 , 中国科学院空天信息创新研究院
Abstract: 本发明提出了一种针对昏暗场景的视觉SLAM方法，属于视觉SLAM技术领域，首先处理输入图像，利用AGAST算法从处理后的图像检测角点，并对其生成BRIEF描述子，形成完整的特征点，估计相机的初始位姿，跟踪线程通过匹配当前帧与局部地图的关键点对，将关键帧插入到局部建图线程中；对关键帧的位姿和地图点进行优化，同时删除冗余的关键帧及其相关的地图点；回环检测线程获取累积误差，通过相似变换校正当前帧的位姿估计值，并对回环两端进行对齐操作，将回环闭合的误差分散到整个地图中，完成回环处理；本发明在在弱纹理区域中依旧能够提取特征点并保持较高精度，在昏暗环境时，显著降低了轨迹估计误差，具备更强的鲁棒性和精度。
-
公开(公告)号：CN115720340B
公开(公告)日：2025-03-25
申请号：CN202211452987.1
申请日：2022-11-21
Applicant: 哈尔滨工程大学
IPC: H04W16/20 , H04W84/18 , H04B13/02 , G06N3/006 , G06F18/23213 , G06F30/20 , G06F113/04
Abstract: 一种基于sink节点牵引力的水下传感器节点非均匀部署方法和装置，解决了针对覆盖率优化的部署方案往往由于连通度差而缺少实用性的问题。涉及水下传感器网络领域。方法包括：引入sink节点牵引力改进虚拟力算子，并根据改进的虚拟力算子进行导向，获取粒子速度更新公式；根据粒子速度更新公式计算初部署的坐标；根据抽样检测法计算所述初部署的坐标空洞，根据虚拟力算法进行空洞修复，获取网络部署坐标；根据网络部署坐标与实际抛洒水面节点相对应，获取最短移动距离的网络部署，完成网络部署。本发明应用于海洋检测领域。
-
公开(公告)号：CN117850471B
公开(公告)日：2024-11-26
申请号：CN202311766596.1
申请日：2023-12-21
Applicant: 哈尔滨工程大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明属于路径规划技术领域，提供一种三维环境下考虑雷达威胁的多智能体协同航迹规划方法及其规划系统。加载任务环境地形数据，采用分辨率30米的DEM数据文件作为任务地形；建立任务环境；定义可行航路结构；定义飞行过程中的约束条件，其中约束条件包括动力学约束、多无人机协同约束、环境安全约束和雷达安全约束；定义飞行过程中的代价函数；使用改进蚁群方法对代价函数进行求解；迭代优化获得最终的规划航路，以实现最小化无人机执行任务所需的路径长度、能量消耗、到达时间差以及被发现概率。本发明用以解决无人机在复杂地形和高度对抗的环境中执行任务时，规划的航线需要满足特定的飞行约束和要求的问题。
-
公开(公告)号：CN118036644A
公开(公告)日：2024-05-14
申请号：CN202410079321.9
申请日：2024-01-19
Applicant: 哈尔滨工程大学
IPC: G06N3/006 , G06N3/092 , G06N3/048 , G06N3/0499
Abstract: 本发明属于多智能体协同围捕领域，提供一种具有时间特征提取机制的深度强化学习多智能体协同围捕方法及其围捕系统。步骤1：初始化环境信息，确定智能体逃跑策略，确定演员网络与中心评论员网络的观测空间，构造奖励函数，构造围捕任务完成条件；步骤2：构建MADDPG架构，其中包括一个具有时间特征提取机制的中心评论员网络以及演员网络；步骤3：智能体与环境信息交互，收集数据，进行预热；步骤4：更新神经网络参数；步骤5：重复步骤4直到完成训练回合数，最终得到训练完成的演员网络，以实现多智能体协同围捕。对于围捕任务来说，准确提取时间特征至关重要，它不仅能显著提升围捕的成功率，也是推进多智能体系统智能化水平的关键。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.034 seconds)
