-
公开(公告)号：CN108768900A
公开(公告)日：2018-11-06
申请号：CN201810448909.1
申请日：2018-05-11
Applicant: 合肥工业大学
IPC: H04L25/02
CPC classification number: H04L25/0202 , H04L25/0242 , H04L25/0246
Abstract: 本发明涉及一种基于先验信息矩阵的无线信道稀疏特征估计方法，该方法包括下列顺序的步骤：(1)发射导频信号，采集接收信号；(2)生成先验信息矩阵；(3)选取候选原子，构成候选原子集；(4)利用候选原子集估计无线信道稀疏特征。本发明通过设计先验信息矩阵，利用先验信息矩阵作为线性投影矩阵，以此对接收信号进行分解，解决了无线信道的特征参数的估计问题。此外，本发明利用带有信号特征的先验信息向量来构造先验信息矩阵，使得所构造的矩阵包含有更多的信息量，从而提升了原子的有效性和可靠性，更好地解决了无线信道特征估计的准确性。
-
公开(公告)号：CN105699883B
公开(公告)日：2018-08-14
申请号：CN201610044805.5
申请日：2016-01-22
Applicant: 合肥工业大学
IPC: G01R31/316
Abstract: 一种模拟电路健康预测方法，包括如下步骤：采集电路容差、无故障模式下的测试样本集；计算电路容差、无故障模式下样本向量的统计平均值；计算电路容差、无故障模式下容差电压增量信号集；计算电路容差、无故障模式下的容差电压增量信号的基频能量熵；计算无故障容差电压增量信号的最大能量熵；采集电路待测时刻电压信号；计算电路待测时刻电压增量信号；计算电路待测时刻电压增量信号的基频能量熵；计算待测电路健康指数；以电路健康指数为依据，判断电路健康情况。本发明能在不丢失原始测量信息的前提下，利用EWT分解出测试信号基频信号，通过分别计算基频信号的能量熵与电路健康参数，完成对电路健康状况的判断。
-
公开(公告)号：CN107911182A
公开(公告)日：2018-04-13
申请号：CN201711164439.8
申请日：2017-11-21
Applicant: 合肥工业大学
IPC: H04B17/309 , H04B17/391
Abstract: 本发明提供一种无线信道环境特征参数突变检测方法，包括如下步骤：利用无线信道大尺度模型计算阴影衰落序列；计算阴影衰落序列的增量序列；对增量序列做赋值、取值划分处理；根据增量序列的概率分布，计算无线信道的先验状态转移概率矩阵；计算无线信道的先验状态转移概率矩阵的相似度，统计正常通信相似度波动范围；统计监测样本信号下一采样时刻点实际所处的状态区间的个数，计算监测数据状态转移概率矩阵；计算无线信道的先验状态转移概率矩阵与监测数据状态转移概率矩阵的相似度，判断所监测信道环境特征参数是否发生突变。本发明的有益效果在于：运算简单快速，便于实现实时监测；对异常的发生较为敏感，能够准确确定异常的发生。
-
公开(公告)号：CN116683942A
公开(公告)日：2023-09-01
申请号：CN202310682711.0
申请日：2023-06-09
Applicant: 合肥工业大学
IPC: H04B3/32 , H04B1/3822 , G06N3/0442
Abstract: 本发明公开了一种利用hpo‑lstm网络对移相器抑制传输线串扰的参数寻优方法，方法步骤如下：基于移相器对传输线之间耦合串扰的抑制模型，提取其串扰数据；利用HPO方法优化LSTM网络系统，并确定HPO‑LSTM模型具体流程；建立HPO‑LSTM网络仿真测试，并利用HPO‑LSTM模型预测串扰峰值随位置参数变化的预测趋势；根据预测结果搭建一个移相器参数与抑制效果的三维模型，分析三维模型确定参数，并对确定参数做频率预测分析；做移相器抑制串扰实验仿真，确定串扰峰值随参数变化的预测趋势与真实趋势对比效果。本发明通过神经网络预测的方式建立了关于移相器消除串扰的三维模型，从而选取最佳参数作为最终使用参数，经济效益更高且更容易实。
-
公开(公告)号：CN114784838A
公开(公告)日：2022-07-22
申请号：CN202210608155.8
申请日：2022-05-31
Applicant: 合肥工业大学
Abstract: 本发明公开了计及供需两侧的充放电调度方法，方法步骤如下：先对电动汽车用户出行特征按概率密度函数进行抽样，集群代理商获取电网基本信息并刷新入网车辆信息，根据用户的用车需求，对调度可行性进行判断，随后综合可靠性、响应能力和响应意愿三个方面制定充放电优先级列表。然后，综合考虑供需两侧需求，计及电池充电损耗因素，建立以电动汽车用户费用最低和最小化峰谷差为目标的两阶段多目标优化模型，从而求得优化策略并反馈至充电装置执行并更新。本发明充分尊重用户的调度能力和意愿，将可调度车辆进行充放电优先次序排列，保证了汽车充放电的平稳性，同时兼顾电网侧和用户侧利益，具有较强的现实意义。
-
Patent Agency Ranking
公开(公告)号：CN109768942B
公开(公告)日：2021-05-14
申请号：CN201811563374.9
申请日：2018-12-20
Applicant: 合肥工业大学
IPC: H04L25/02 , H04B17/309
Abstract: 本发明涉及一种瑞利信道最大多普勒频移估计方法，包括：采集接收信号序列，构造接收信号矩阵；对矩阵进行奇异值分解，计算矩阵的能量谱；估计接收信号序列信噪比；确定接收信号序列的重构阶次；重构接收信号序列；判断重构后的接收信号序列噪声带宽和最大多普勒频移的估计值是否满足不等式关系，如若不满足则增加接收信号序列重构阶次并重复步骤(5)、(6)直至重构后的接收信号序列噪声带宽和最大多普勒频移满足不等式关系。本发明通过增加重构信号的阶次去寻找最佳的噪声带宽使噪声带宽和最大多普勒频移满足所给的不等式，解决在含噪声信号下瑞利信道最大多普勒频移的估计问题，实现瑞利信道最大多普勒频移在给定误差内的准确估计。
-
公开(公告)号：CN108768900B
公开(公告)日：2020-09-15
申请号：CN201810448909.1
申请日：2018-05-11
Applicant: 合肥工业大学
IPC: H04L25/02
Abstract: 本发明涉及一种基于先验信息矩阵的无线信道稀疏特征估计方法，该方法包括下列顺序的步骤：(1)发射导频信号，采集接收信号；(2)生成先验信息矩阵；(3)选取候选原子，构成候选原子集；(4)利用候选原子集估计无线信道稀疏特征。本发明通过设计先验信息矩阵，利用先验信息矩阵作为线性投影矩阵，以此对接收信号进行分解，解决了无线信道的特征参数的估计问题。此外，本发明利用带有信号特征的先验信息向量来构造先验信息矩阵，使得所构造的矩阵包含有更多的信息量，从而提升了原子的有效性和可靠性，更好地解决了无线信道特征估计的准确性。
-
公开(公告)号：CN107911182B
公开(公告)日：2020-07-14
申请号：CN201711164439.8
申请日：2017-11-21
Applicant: 合肥工业大学
IPC: H04B17/309 , H04B17/391
Abstract: 本发明提供一种无线信道环境特征参数突变检测方法，包括如下步骤：利用无线信道大尺度模型计算阴影衰落序列；计算阴影衰落序列的增量序列；对增量序列做赋值、取值划分处理；根据增量序列的概率分布，计算无线信道的先验状态转移概率矩阵；计算无线信道的先验状态转移概率矩阵的相似度，统计正常通信相似度波动范围；统计监测样本信号下一采样时刻点实际所处的状态区间的个数，计算监测数据状态转移概率矩阵；计算无线信道的先验状态转移概率矩阵与监测数据状态转移概率矩阵的相似度，判断所监测信道环境特征参数是否发生突变。本发明的有益效果在于：运算简单快速，便于实现实时监测；对异常的发生较为敏感，能够准确确定异常的发生。
-
公开(公告)号：CN105701470B
公开(公告)日：2019-02-15
申请号：CN201610023686.5
申请日：2016-01-13
Applicant: 合肥工业大学
IPC: G06K9/00 , G01R31/316
Abstract: 一种基于最优小波包分解的模拟电路故障特征提取方法，包括如下实施步骤：（1）获取无故障模式下的样本向量数据集；（2）计算无故障模式下的电压样本向量的统计平均值；（3）建立小波基函数库；（4）利用所建库中的小波基对电压样本统计平均值向量进行小波包分解；（5）计算各小波基函数进行层小波包分解后的频带能量及其总能量；（6）计算各小波包分解后的频带能量概率密度；（7）计算各小波基函数进行层小波包分解后的频带能量熵；（8）比较能量熵值大小，选取最优小波基；（9）待测电路信号采集；（10）利用最优小波基对提取的故障信号进行故障特征特取。本发明通过选取最优小波基函数，利用优选出的小波基函数进行小波包分解，有利于发掘故障的深层特征。
-
公开(公告)号：CN105046279B
公开(公告)日：2018-05-15
申请号：CN201510482928.2
申请日：2015-08-07
Applicant: 合肥工业大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G01R31/316 , G06K9/00523 , G06K9/00536 , G06K9/03 , G06K9/6247 , G06K9/6256 , G06K9/6284
Abstract: 一种模拟电路故障模式分类方法，其包括如下实施步骤：（1）利用数据采集板对模拟电路的每种故障模式采集M组电压信号样本向量；（2）依次对电压信号样本向量利用子空间投影提取故障特征向量；（3）对提取的故障特征向量进行标准化处理，得到标准化故障特征向量；（4）构建基于支持向量机的故障模式分类器，输入标准化故障特征，对分类器进行学习训练，确定分类器结构参数；（5）按故障模式判定规则，完成故障模式判决。本发明的故障模式分类器的学习训练简单，模式分类精度可靠。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.028 seconds)
