-
公开(公告)号：CN105162472B
公开(公告)日：2018-05-29
申请号：CN201510520730.9
申请日：2015-08-24
Applicant: 电子科技大学
IPC: H03M7/30
Abstract: 本发明公开了一种基于贪婪迭代的块稀疏信号重构方法，从几何投影的角度对块稀疏信号所包含的所有成分进行重构，并采用回溯校验的模式对已产生的估计信号反复修正，以保证得到高重构概率。本发明在具体实施时将重构过程划分为多个段(stage)，对信号稀疏度逐段逼近，每个stage都将估计出部分信号分量，直到正确稀疏度被估计出，在每一个stage中将进行多次迭代，利用块稀疏信号非零元素分段连续分布的特性，对所有当前估计值的邻域点进行分析，从而定位块的位置，达到重构的目的。
-
公开(公告)号：CN107316321A
公开(公告)日：2017-11-03
申请号：CN201710480345.5
申请日：2017-06-22
Applicant: 电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种多特征融合目标跟踪方法及基于信息熵的权值自适应方法，其中，多特征融合目标跟踪方法包括以下步骤：S1、构建系统状态模型和系统观测模型；S2、根据系统状态模型，采样得到当前时刻的粒子集；S3、提取候选目标的多个特征，并计算相关系数和相关距离；S4、加权融合各特征，并计算粒子的先验概率密度似然函数，预测目标的位置。与现有技术相比，本发明的有益效果是：利用颜色、纹理及边缘特征进行目标特征提取，及引用相关性测量多特征的相关距离，从而提高了多特征对目标描述的准确性和全面性。以及基于信息熵的自适应更新多特征融合的权值，提高了方法对抗复杂场景的鲁棒性以及运行效率，适用于目标被遮挡，背景光照不断变化，目标的尺度变化等复杂场景。
-
公开(公告)号：CN106887999A
公开(公告)日：2017-06-23
申请号：CN201710075758.5
申请日：2017-02-13
Applicant: 电子科技大学
IPC: H03C7/00
CPC classification number: H03C7/00
Abstract: 本发明公开了一种基于维度拓展的信号融合方法，将传统的时间分集、频率分集体制拓展为维度分集体制。利用相互独立正交的不同维度传输不同的信号。实现了多路数据在同一时间、同一频率下的传输，并且各路信号的信号幅值、比特率不受融合方法的制约。本发明首先将实数域扩展为二维复数域，再将虚数域扩展为虚数二维、三维空间，甚至更高维度，利用这种具有递归性质的维度拓展方法，可以根据实际需要将信号进行不同程度的维度拓展，进而不同种类的信号通过一定的方式经由不同维度进行传播，实现了探测、测控、通信、导航等多功能信号的传输且相互之间不会产生干扰。
-
公开(公告)号：CN119197520A
公开(公告)日：2024-12-27
申请号：CN202411221309.3
申请日：2024-09-02
Applicant: 电子科技大学
Abstract: 本发明公开一种基于模拟退火‑冠豪猪优化算法的无人机航路规划方法，应用于无人机任务规划技术领域，针对现有技术在解决路径规划问题时，存在效率低且规划准确性不高的问题；本发明首先基于飞行任务的实际需求和距离，建立包含航程约束的无人机航路规划模型。定义了改进的冠豪猪算法的初始参数集，并通过拉丁超立方体采样策略初始化种群，确保种群的多样性和覆盖广度。然后，模仿冠豪猪觅食行为构建优化模型，模拟无人机在多变环境中的航路搜索。最后通过迭代求解得到最优航路规划序列，实现在航程限制下的无人机高效任务规划。本发明的方法显著提升了航路规划的全局搜索能力和求解速度，适用于复杂环境下的无人机最优航路规划问题。
-
公开(公告)号：CN118707985A
公开(公告)日：2024-09-27
申请号：CN202410602963.2
申请日：2024-05-15
Applicant: 电子科技大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种动态环境下基于A*‑Dubins多无人机路径规划方法，首先建立动态环境下多无人机路径规划的数学模型，明确任务以及无人机运动学的约束条件，而后考虑到约束条件，基于A*算法结合Dubins曲线的预规划方式，生成全局地图下的无碰撞路径，再针对动态环境下可能出现的未知障碍物，设计基于人工势场的重规划方案，优化全局规划器生成的预规划路径从而实现在线避障，最后基于冲突消解方案，保证多无人机飞行过程中避免机间的碰撞，完成动态环境下的多无人机路径规划。本发明的方法相较于已有的路径规划方法，考虑避障的同时，满足无人机的运动学约束，实现飞行路径的可靠性，能够一定程度上解决复杂环境下的路径规划问题。
-
Patent Agency Ranking
公开(公告)号：CN118342506A
公开(公告)日：2024-07-16
申请号：CN202410503274.6
申请日：2024-04-25
Applicant: 电子科技大学
IPC: B25J9/16
Abstract: 本发明公开了一种符号图下具有固定时间收敛的鲁棒分布式优化方法，具体步骤如下：S1、建立受外部干扰影响的多机器人系统；S2、设计基于分布式观测器的优化算法，使得每个机器人的虚拟状态在固定时间内实现二分一致性，进而求解到符号图下全局凸目标函数的最优解；S3、设计鲁棒跟踪控制器，抑制外部有界干扰的影响，使机器人的实际状态能够固定时间内收敛于虚拟状态；S4、结合S2、S3，完成多机器人系统的固定时间二分一致性与分布式优化；S5、将上述分布式优化算法应用于多机器人系统。本发明不仅能在固定时间内实现二分一致性，还能有效解决符号图下受未知干扰影响的多机器人系统的分布式优化问题。
-
公开(公告)号：CN117666361A
公开(公告)日：2024-03-08
申请号：CN202311769239.0
申请日：2023-12-20
Applicant: 电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于神经网络的异构多智能体系统预设时间跟踪控制方法，具体步骤如下：S1、建立多智能体系统中领导者智能体的动力学模型和跟随者智能体的动力学模型；S2、设计输出调节方程耦合神经网络的融合框架；S3、设计预设时间观测器，保证对领导者的状态观测误差在预设时间T1内收敛到零；S4、设计预设时间鲁棒二部输出一致性跟踪控制协议，预设时间跟踪控制协议的预设收敛时间设置为T2；S5、对跟踪控制协议设计参数自适应律，完成神经网络自适应参数的设计；S6、将跟踪控制协议应用到跟随者智能体的动力学模型中。本发明能够解决异构多智能体系统二部输出一致性跟踪问题，提高系统的控制性能和鲁棒性。
-
公开(公告)号：CN111315020B
公开(公告)日：2022-04-19
申请号：CN202010088212.5
申请日：2020-02-12
Applicant: 电子科技大学
IPC: H04W72/04
Abstract: 本发明公开了一种基于公平性及频谱效率最优的功率分配方法，将通过设置各个用户分配发射功率的约束条件、可达数据率的约束条件以及信噪比的约束条件，构建最优化问题求解最优分配发射功率作为下行NOMA‑RS系统中各个用户的分配发射功率。对于最优分配发射功率的具体求解，本发明设计了一种迭代优化方法，简化求解过程，提高求解效率。采用本发明可以有效提高下行NOMA‑RS系统中的用户可达数据率，在保证用户数据率公平性的基础上，从而使系统频谱效率达到最优。
-
公开(公告)号：CN112859911B
公开(公告)日：2022-03-18
申请号：CN202110029799.7
申请日：2021-01-11
Applicant: 电子科技大学
IPC: G05D1/10
Abstract: 本发明公开了一种无网条件下大规模集群未知区域扫掠式覆盖控制方法，包括以下步骤：S1、为集群的所有成员分配角色并按角色设置区分标识；S2、为集群所有成员设定起始位置和扫掠方向；S3、集群的每个成员通过其携带的传感器识别和测量其探测范围内其他成员的角色类型与相对位置，及待覆盖区域外边界轮廓的相对位置；S4、成员根据其获取的信息，建立运动控制模型，使集群在所述待覆盖区域内形成一种链状柔性编队协同运动，直至集群的运动轨迹覆盖整个待覆盖区域。本发明的集群成员仅需测定其探测范围内的其他成员和待覆盖区域边界的相对位置，即可实现集群的运动控制，并最终完全覆盖预先未知形状的区域，适用于无网条件下的大规模集群区域覆盖。
-
公开(公告)号：CN112859602A
公开(公告)日：2021-05-28
申请号：CN202110030413.4
申请日：2021-01-11
Applicant: 电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种非最小相位系统输出重定义方法，包括以下步骤：S1、建立非最小相位系统线性模型，计算系统相对阶数，选取与之对应的内部动态与外部动态转换非最小相位模型，进而建立输入输出线性化后的等效控制模型；S2、针对原始非最小相位输出，设计输出重定义方法寻找到最优的等效最小相位输出；S3、设计线性控制器，利用等效最小相位输出对等效控制模型进行控制，依照S1中模型转换的方法得到原始输出。本发明基于输出重定义技术，结合最优化参数解算，提出了一种非最小相位系统输出重定义方法，解决了非最小相位系统控制器设计复杂和控制响应有负调的问题。
-
-
-
-
-
-
-
-
-
Search Results
114
records
(took 0.025 seconds)
