一种基于卫星授时的时频稳定系统

    公开(公告)号:CN119986722A

    公开(公告)日:2025-05-13

    申请号:CN202510143411.4

    申请日:2025-02-10

    Abstract: 本发明涉及一种基于卫星授时的时频稳定系统,属于频率稳定技术领域。本发明的系统包括:卫星接收机、主控模块、铷原子频标模块、频率锁相模块和时码产生模块。本发明的方案输出的时频信号拥有高稳定性能同时,能够利用卫星信号定时,对自身时钟进行校正,驯服24H后,还能在无法接收卫星信号情况下,利用铷原子频标频率稳定能力与主控模块、频率锁相模块、时码产生模块守时72h内,时间偏差≤1μs。而且该时频稳定方法的技术实现成本比较低。

    一种基于fastPCA-ARIMA的负载预测方法

    公开(公告)号:CN110471768B

    公开(公告)日:2023-02-03

    申请号:CN201910742105.7

    申请日:2019-08-13

    Abstract: 本发明涉及一种基于快速PCA‑ARIMA的负载预测方法,其中,包括:计算负载时间序列矩阵X的协方差矩阵∑;选择具有单位范数的初始化系数向量ωp;基于ARIMA模型进行负载预测,对降维后的负载时间序列yk,基于ARIMA模型进行未来时刻负载值的预测,进行平稳性检验:确定ARIMA模型的阶数p+q;在线模型参数估计;由n时刻的负载时间序列矩阵预测未来第n+t时刻的负载值。本发明基时间复杂度大幅降低;不需要计算出全部的系数向量,更适合在线负载主成分的提取;计算复杂度相比传统ARIMA模型大幅降低,更适合在线负载预测。

    一种基于神经网络的无模板自然语言文本答案生成方法

    公开(公告)号:CN108563779B

    公开(公告)日:2022-03-08

    申请号:CN201810377647.4

    申请日:2018-04-25

    Abstract: 本发明公开了一种基于神经网络的无模板自然语言文本答案生成方法,其中,步骤一,针对问答系统内部特定的语义表征形式设计一个由自然文本生成该形式表征的神经网络模型A;步骤二,使用神经网络模型A完全相反的神经网络模型B;步骤三,基于神经网络模型A构建一个自然文本识别器C;步骤四,进行训练:对给定的自然文本S,通过神经网络模型A生成内部语义表征向量X,然而向该向量X中加入服从高斯分布的噪声Z,输入到神经网络模型B中,产生伪造的自然文本T,将自然文本S输入分类器C中并给出监督反馈1,将伪造的自然文本T输入分类器C中并给出监督反馈0,如此训练分类器C并将误差反向传播到模型B中,以对自然文本生成模型B进行有监督训练。

    一种基于FPGA的PCIe与SRIO总线桥接系统

    公开(公告)号:CN107203484B

    公开(公告)日:2020-06-16

    申请号:CN201710498016.3

    申请日:2017-06-27

    Inventor: 王啸林 张力

    Abstract: 本发明公开了一种基于FPGA的PCIe与SRIO总线桥接系统,其中,PCIe IP核用于与上游设备数据交互,将上游设备发来的数据包转换为AXI4总线事务,将内部的AXI4总线事务转换为PCIe数据包,发送给上游设备;SRIO IP核,用于与对端SRIO设备通信;SRIO主模式DMA传输控制器模块用于主动发起数据请求;SRIO从模式DMA传输控制器模块用于响应对端设备的数据请求;Microblaze处理器用于执行系统初始化配置以及数据传输的调度工作;数据缓存模块用于PCIe与SRIO总线进行数据交互过程中,对中间过程数据进行暂存。

    一种基于fastPCA-ARIMA的负载预测方法

    公开(公告)号:CN110471768A

    公开(公告)日:2019-11-19

    申请号:CN201910742105.7

    申请日:2019-08-13

    Abstract: 本发明涉及一种基于快速PCA-ARIMA的负载预测方法,其中,包括:计算负载时间序列矩阵X的协方差矩阵∑;选择具有单位范数的初始化系数向量ωp;基于ARIMA模型进行负载预测,对降维后的负载时间序列yk,基于ARIMA模型进行未来时刻负载值的预测,进行平稳性检验:确定ARIMA模型的阶数p+q;在线模型参数估计;由n时刻的负载时间序列矩阵预测未来第n+t时刻的负载值。本发明基时间复杂度大幅降低;不需要计算出全部的系数向量,更适合在线负载主成分的提取;计算复杂度相比传统ARIMA模型大幅降低,更适合在线负载预测。

Patent Agency Ranking