一种实波束电扫描快速成像人体安检方法及安检系统

    公开(公告)号:CN110308443B

    公开(公告)日:2021-07-30

    申请号:CN201810794049.7

    申请日:2018-07-19

    Abstract: 本发明公开了一种实波束电扫描快速成像人体安检方法及安检系统,系统包括:多个宽波束发射天线、实波束电扫描接收阵列天线、位置传感器,多通道毫米波收发组件,数据处理模块及显示装置。本发明提出利用多个所述发射天线发射毫米波信号覆盖被检人体,借助采集的位置信息,通过控制所述接收阵列天线各单元相位,使各所述接收阵列天线以较低分辨率的近场聚焦波束快速完成对相应区域的三维接收扫描,再通过多通道接收数字波束合成信号处理实现高分辨率成像,从而完成快速高分辨率安检成像。本发明提出的安检成像系统,无机械扫描装置,成像算法简洁,并解决了高分辨率实波束成像与波束扫描时间的矛盾,安检系统易于布置,可实现快速通过式人体安检。

    一种软体驱动器及其制造方法

    公开(公告)号:CN111358665A

    公开(公告)日:2020-07-03

    申请号:CN202010223459.3

    申请日:2020-03-26

    Abstract: 本发明涉及一种软体驱动器及其制造方法,软体驱动器包括第一气芯和第二气芯,所述第一气芯和第二气芯设置在基体中,所述软体驱动器具有开口,所述第一气芯和第二气芯各自的腔室与所述开口连通。本发明的软体驱动器可同时实现驱动手指进行弯曲、伸直动作,可以应用于医疗用康复手套等,具有驱动形式简单,传感控制以及工艺性好等特性。

    飞秒激光双脉冲诱导熔融石英等离子体光谱的增强方法

    公开(公告)号:CN105784680A

    公开(公告)日:2016-07-20

    申请号:CN201610134583.6

    申请日:2016-03-10

    CPC classification number: G01N21/71 G01N2201/06113

    Abstract: 本发明涉及了一种飞秒激光双脉冲诱导熔融石英等离子体光谱的增强方法,具体涉及一种利用飞秒激光双脉冲对熔融石英进行超快重复烧蚀,进而提高生产等离子体辐射光谱强度的方法,属于飞秒激光应用技术领域。通过把传统的飞秒激光单脉冲调制为飞秒激光双脉冲,在亚皮秒到百皮秒的尺度调控被加工熔融石英的局部瞬时电子动态,从而改变诱导熔融石英等离子体的温度和电子数密度,最终提高等离子体的光谱辐射强度,比采用传统的飞秒激光单脉冲强度可以提高数倍。

    一种专利预警方法和系统
    24.
    发明公开

    公开(公告)号:CN104834673A

    公开(公告)日:2015-08-12

    申请号:CN201510148621.9

    申请日:2015-03-31

    CPC classification number: G06F16/242 G06F16/93 G06Q10/0637 G06Q50/00

    Abstract: 本发明涉及一种专利预警方法和系统,其中方法包括:步骤S1,选择预警方式,预警方式包括定期预警方式、对比预警方式和指数预警方式,若选择定期预警方式,则执行步骤S2即记录首次检索日期,若选择对比预警方式或指数预警方式,则直接执行步骤S3;步骤S3,获取检索式;步骤S4,将检索式转化为可识别检索式;步骤S5,根据可识别检索式检索数据库得到检索数据;步骤S6,基于检索数据,根据选择的预警方式进行相应的预警措施。本发明通过定期预警满足用户关心某一技术领域专利状态变化的需求,通过对比预警满足用户关心同行业或相关行业里领先企业的专利现状的需求,通过指数预警量化用户所关心的领域专利现状及未来发展趋势及竞争性侦查的需求。

    基于张量积多胞鲁棒H2滤波的无陀螺卫星姿态确定方法

    公开(公告)号:CN102980580B

    公开(公告)日:2015-07-29

    申请号:CN201210466941.5

    申请日:2012-11-16

    Abstract: 本发明涉及一种基于张量积多胞鲁棒H2滤波的无陀螺卫星姿态确定方法,属于飞行器技术领域。本发明针对卫星姿态动力学方程和运动学方程的非线性特性,提出了基于张量积转换的多胞鲁棒H2滤波,将非线性滤波问题转化为线性滤波问题;首先建立姿态确定系统的状态方程和星敏感器测量方程,并利用雅可比线性化将非线性系统化为线性变参数误差系统,然后根据张量积模型转换建立LPV系统多胞模型描述,并结合鲁棒H2滤波获取姿态确定系统的状态估计校正量,最后利用估计校正量对EKF方法获取的姿态一步预测量进行校正,获取姿态估计值;避免了EKF方法中实时计算更新滤波增益,大大减小了滤波计算量。

    一种基于多胞型微分包含的非线性滤波方法

    公开(公告)号:CN102930171B

    公开(公告)日:2015-05-06

    申请号:CN201210459141.0

    申请日:2012-11-15

    Abstract: 本发明涉及一种基于多胞型微分包含的非线性滤波方法,属于系统滤波与控制技术领域。本方法将非线性滤波误差系统采用PLDI模型来描述,从而将非线性滤波算法设计问题转换为线性不确定系统鲁棒滤波算法设计问题;再利用混合鲁棒H2/H∞滤波方法,设计估计误差校正量求解的动态方程;然后结合EKF一步预测方程,设计离散型非线性滤波方程;将其用于非线性离散系统中,实时获取其状态估计。本发明简化了非线性滤波设计,不需要实时更新滤波增益,且在实现过程中不需要实时计算雅可比矩阵,极大地降低了计算量,有效地提高了非线性滤波的实时性;适用于非线性滤波器设计。

    基于多胞型线性微分包含的航天器相对姿态确定方法

    公开(公告)号:CN102944241A

    公开(公告)日:2013-02-27

    申请号:CN201210459311.5

    申请日:2012-11-15

    Abstract: 本发明涉及一种基于多胞型线性微分包含的航天器相对姿态确定方法,属于航天控制技术领域。首先建立绕飞模型下,相对姿态确定系统的状态模型和测量模型;然后转化为PLDI系统描述模型,获取相对姿态估计的一步预测值以及相对姿态估计校正量;再利用相对姿态估计校正量对相对姿态的一步预测进行校正,获取相对姿态估计值。本方法将相对姿态确定非线性滤波器设计问题转换为线性鲁棒滤波器设计问题,不需要实时更新滤波增益,且在实现过程中不需要实时计算雅可比矩阵,极大地降低了计算量,有效地提高了相对姿态确定的实时性;适用于编队飞行、目标拦截、交会对接多工作模式航天器的相对姿态确定。

    一种基于多胞型微分包含的非线性滤波方法

    公开(公告)号:CN102930171A

    公开(公告)日:2013-02-13

    申请号:CN201210459141.0

    申请日:2012-11-15

    Abstract: 本发明涉及一种基于多胞型微分包含的非线性滤波方法,属于系统滤波与控制技术领域。本方法将非线性滤波误差系统采用PLDI模型来描述,从而将非线性滤波算法设计问题转换为线性不确定系统鲁棒滤波算法设计问题;再利用混合鲁棒H2/H∞滤波方法,设计估计误差校正量求解的动态方程;然后结合EKF一步预测方程,设计离散型非线性滤波方程;将其用于非线性离散系统中,实时获取其状态估计。本发明简化了非线性滤波设计,不需要实时更新滤波增益,且在实现过程中不需要实时计算雅可比矩阵,极大地降低了计算量,有效地提高了非线性滤波的实时性;适用于非线性滤波器设计。

    一种基于图神经网络强化学习的无人公交集群决策方法

    公开(公告)号:CN115731690B

    公开(公告)日:2023-11-28

    申请号:CN202211443954.0

    申请日:2022-11-18

    Abstract: 本发明公开了一种基于图神经网络强化学习的无人公交集群决策方法,本发明属于无人驾驶汽车领域,包括:S1获取无人驾驶公交的当前场景,将场景编码为图结构,获得第一状态;S2基于第一状态得到特征矩阵、邻接矩阵和掩码矩阵;S3将特征矩阵与邻接矩阵输入当前网络,通过掩码矩阵过滤后输出每辆无人驾驶公交的动作,根据内部动态奖励函数和能量消耗模型得到当前网络奖励值,产生第二状态,得到一个四元组;S4基于第二状态,执行S2‑S3,输出第二状态对用动作,得到对应奖励值,再次获得新的状态,循环执行S2‑S3;S5基于四元组,利用反向传播训练网络,更新网络参数。本发明综合考虑多种任务的完成、效率的提升、能量的节约与乘客的舒适性。

    一种用于混合交通环境行为决策的模块化图强化学习系统

    公开(公告)号:CN115688861B

    公开(公告)日:2023-08-01

    申请号:CN202211337217.2

    申请日:2022-10-28

    Abstract: 本发明涉及一种用于混合交通环境行为决策的模块化图强化学习系统,包括:混合交通环境模块:用于提供混合交通运行环境,并将环境状态发送至图表征模块;图表征模块:用于通过环境状态生成节点特征矩阵和邻接矩阵;图强化学习模块:用于接收节点特征矩阵和邻接矩阵,并进行处理,生成驾驶策略;合作驾驶行为模块:基于驾驶策略生成驾驶行为和控制指令,控制车辆运行。本发明系统可以根据需要对各个主要模块,即混合交通环境模块、图表征模块、图强化学习模块中的图神经网络单元和深度强化学习单元,以及合作驾驶行为模块,进行替换、改进和二次开发。

Patent Agency Ranking