-
-
-
公开(公告)号：CN102142859A
公开(公告)日：2011-08-03
申请号：CN201110077132.0
申请日：2011-03-29
Applicant: 哈尔滨工业大学
IPC: H04B1/7105
Abstract: 基于最小均方误差和人工鱼群联合的直接序列超宽带多用户检测方法，涉及信号检测领域，它解决了现有直接序列超宽带多用户检测方法由于复杂度高导致的系统实时性差，以及检测性能低的问题。发明的多用户检测方法首先将直接序列超宽带信号通过匹配滤波器进行初步检测；然后，利用次优的最小均方误差检测得到多用户检测的次优解；最后，以这个次优解为初值，利用人工鱼群算法进行寻优，从而获得逼近最优多用户检测的性能。本发明适用于对误码率性能和实时性要求较高的多用户检测过程中。
-
公开(公告)号：CN101931430A
公开(公告)日：2010-12-29
申请号：CN201010228781.1
申请日：2010-07-16
Applicant: 哈尔滨工业大学
IPC: H04B1/69
Abstract: 一种DS-UWB信号多用户检测方法，它涉及检测技术领域，它解决了现有的最优多用户检测方法计算复杂度过大的问题。本发明的检测方法首先获取DS-UWB信号，并将所述信号同时输入至K个匹配滤波器，以获取K个用户输入信息；然后，利用次优算法检测所获取的用户输入信息，以获得其次优解；最后利用Lagrange乘子法求解最优化问题，获取K个正确码元，完成DS-UWB信号多用户检测。本发明适用于多用户信号检测。
-
公开(公告)号：CN119206341A
公开(公告)日：2024-12-27
申请号：CN202411311373.0
申请日：2024-09-20
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/74 , G06V20/10 , G06N3/045 , G06N3/0464 , G06N3/088 , G06N3/0895 , G06N3/096
Abstract: 本发明一种基于无监督类别增量学习的植物病害识别方法、系统及存储介质，涉及植物病害识别技术领域，为解决现有的深度学习模型不能满足模型的实时更新和优化的应用需求，时效性较差，且存在新类别数据中没有标签标注时类别增量学习策略会失效的问题。包括：S1、将数据集按类别划分为多个阶段的类别集；S2、利用混合重放算法将当前任务的图像和从旧类别数据的缓存区中统一采样选择的随机图像之间进行插值，生成合成样本；S3、构建SimSiam模型，包括两个相同的神经网络分支，两个分支共享参数，基于两个网络分支的负余弦相似度构建损失函数，多阶段的训练所述SimSiam模型；S4、基于KNN算法对模型性能进行评估；S5、采用训练后的SimSiam模型对植物病害进行分类。
-
Patent Agency Ranking
公开(公告)号：CN114898108B
公开(公告)日：2023-01-06
申请号：CN202210321733.X
申请日：2022-03-30
Applicant: 哈尔滨工业大学
Abstract: 一种基于FPGA的CNN模型轻量化方法、一种目标检测方法及系统，涉及目标检测技术领域，用以解决现有基于FPGA的CNN模型在目标检测中能量效率较低导致不能满足低功耗、低延时计算需求的问题。本发明的技术要点包括：对SqueezeNet网络模型的卷积层进行定点化，定点化是指对计算和内存存储中的浮点数进行定点表示和运算，包括对输入特征图的定点化、对卷积层参数的定点化和对卷积层激活函数的定点化，其中，输入特征图和卷积层参数均为单精度浮点数；进而还提供一种包含上述SqueezeNet网络模型的目标检测方法及系统。本发明降低了检测网络的计算复杂度，适用于特定场景下的边缘计算平台，提升了检测模型的能量使用效率。
-
公开(公告)号：CN114978195A
公开(公告)日：2022-08-30
申请号：CN202210469858.7
申请日：2022-04-30
Applicant: 哈尔滨工业大学
IPC: H03M13/13
Abstract: 一种极化码串行抵消列表译码码字相关的错误图样集搜索方法及系统，涉及极化码译码技术领域，用以解决现有Chase‑II算法码字生成时产生错误图样遗漏的问题。本发明对于极化码串行抵消列表译码对应的Rate‑1和SPC外码，按照以下过程进行错误图样搜索：迭代循环多次，每次循环时在待选错误图样集合中循环遍历获得待选错误图样εe或其元素总数为偶数/奇数的εe；在待比较错误图样集合中循环遍历获得待比较错误图样εt或其元素总数为偶数/奇数的εt；对εe和εt进行条件判定，确定是否存在关系根据列表大小进行其他条件判定，最终确定错误图样集。本发明根据输入似然值序列长度和列表大小对错误图样的限制生成所需错误图样，提升了其在快速串行抵消列表译码应用中的纠错能力。
-
公开(公告)号：CN108365954B
公开(公告)日：2020-09-04
申请号：CN201810132547.5
申请日：2018-02-09
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种控制码复用方法，包括信道检测、发送端发送密文、调制密文序列和解调密文序列以完成密文信息传递，本发明提出一种有效对抗量子信道多类型非相干攻击的融合偏振基选择和顺序重排的控制码复用方法。偏振基选择和顺序重排两种量子信号调制模式，在克服攻击方面各具优势，但目前研究无法将两种模式兼顾，本发明提出一种控制码复用方法，可以承载这两种模式，达到克服多类型非相干攻击的效果。
-
公开(公告)号：CN110554352A
公开(公告)日：2019-12-10
申请号：CN201910860830.4
申请日：2019-09-11
Applicant: 哈尔滨工业大学
Abstract: 基于VGG16神经网络的航天测控系统干扰源波达方向估计方法,涉及基于VGG16神经网络的测控系统干扰源波达方向估计领域。是为了克服传统DOA估计算法复杂度高、效率低或误差大的缺点，以及在测控系统估计过程中由于人为因素带来的局限严重的问题。发明有效利用VGG16神经网络技术，通过VGG16神经网络的方法对已有数据集进行训练，从而得到VGG16神经网络模型，从而利用VGG16神经网络对干扰源DOA值进行估计。这种计算方法效率高，误差小，是一种更好的解决方案。
-
公开(公告)号：CN110535519A
公开(公告)日：2019-12-03
申请号：CN201910862193.4
申请日：2019-09-11
Applicant: 哈尔滨工业大学
IPC: H04B7/08
Abstract: 一种基于空间平滑的稳健自适应波束形成方法，涉及阵列天线自适应波束形成领域，本发明的目的在于克服期望信号和干扰信号相干，阵列接收信号的协方差矩阵将会出现秩亏损现象，使用传统自适应波束形成算法就会导致期望信号相消，从而造成波束形成器性能的急剧下降的问题。本发明基于最差性能最优准则，在保证所有可能的期望信号导向矢量和釆样相关矩阵无衰减的通过波束成形器的基础上，使阵列输出的干扰和噪声功率最小化。本发明克服了期望信号和干扰信号相干，阵列接收信号的协方差矩阵将会出现秩亏损现象，提高波束形成器性能。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.022 seconds)
