-
公开(公告)号：CN110060698A
公开(公告)日：2019-07-26
申请号：CN201910287096.7
申请日：2019-04-11
Applicant: 哈尔滨工程大学
IPC: G10L21/0272 , G10L21/028 , G06K9/62
Abstract: 本发明公开了一种基于改进势函数的语音信号混合矩阵估计方法，包括以下步骤：步骤1：建立观测信号的线性瞬时混合模型；步骤2：对步骤1得到的单源点进行低能量点去除和归一化处理；步骤3：采用改进势函数估计混合矩阵。本发明所提出的混合矩阵估计算法适用于任意矩阵；本发明抗噪声性能好，即使在信噪比为5dB的情况下，也具有良好的准确度。
-
公开(公告)号：CN105355010B
公开(公告)日：2018-10-26
申请号：CN201510727028.X
申请日：2015-10-30
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种海底管线信息检测实时传输系统，包括海底管线固定节点子系统、浮标节点子系统、舰船监控子系统，每个海底管线固定节点具有传感器接口单元、第一罗经模块、第一DSP信号处理单元、第一信号发射调理单元和第一矢量换能器；每个浮标节点具有第二矢量换能器、第二信号发射调理单元、第二信号接收调理单元、第二罗经模块和第二DSP信号处理单元；舰船监控子系统具有第三矢量换能器、第三信号接收调理单元、第三DSP信号处理单元和PC机；第二矢量换能器和第一矢量换能器之间可相互发送接收信息，第二矢量换能器和第三矢量换能器之间可相互发送接收信息。
-
公开(公告)号：CN104243063B
公开(公告)日：2017-01-11
申请号：CN201410431708.2
申请日：2014-08-28
Applicant: 哈尔滨工程大学
IPC: H04B17/382
Abstract: 本发明属于认知无线电频谱感知技术领域，具体涉及一种基于遗传算法的并行合作频谱感知的方法。本发明包括：初始群体的产生；个体修正；计算适应度函数；选取适应性最强的个体；变异；生存竞争；优胜者交叉；随机产生个体；个体修正；最适应个体直接进入下一代；截止。本发明能够充分考虑不同认知用户对不同异构信道感知性能的差异性、系统有效吞吐量以及感知时长，最优的确定感知策略，即确定感知任务分配和感知时长，相比随机感知方法，能够获得更大的系统有效吞吐量。
-
公开(公告)号：CN105262526A
公开(公告)日：2016-01-20
申请号：CN201510726967.2
申请日：2015-10-30
Applicant: 哈尔滨工程大学
IPC: H04B7/04
CPC classification number: H04B7/0456 , H04B7/0486
Abstract: 本发明涉及一种基于最小化干扰投影矩阵核范数的干扰对齐方法,包括如下步骤:步骤1随机生成干扰抑制矩阵，设定迭代次数；步骤2：正交标准化干扰抑制矩阵；步骤3：以干扰投影矩阵的核范数为目标函数，实现最小化投影模值，计算预编码矩阵；步骤4：通信方向逆转，收发双方角色互换；步骤5：正交标准化互易信道下的干扰抑制矩阵；步骤6：以干扰投影矩阵的核范数为目标函数，实现最小化投影模值，计算互易信道下的预编码矩阵；步骤7：判断是否进行完所有的迭代次数；如果是，正交标准化所有的预编码矩阵和干扰抑制矩阵；否则，返回步骤2。
-
公开(公告)号：CN102394711B
公开(公告)日：2013-11-20
申请号：CN201110347523.X
申请日：2011-11-07
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供复杂环境下一种新的通信电台个体识别方法，包括以下步骤：对不同通信电台发射的同种通信信号进行重采样，将通信信号转化为离散时间信号序列，对重采样的离散通信信号时间序列进行相空间重构，将信号转化到不同的重构相空间下用以捕获不同重构相空间特征，利用一种新的分形盒维数算法计算不同重构相空间下的分形盒维数，得到一个分形盒维数特征向量，利用神经网络对得到的向量空间进行分类，进而达到了对不同的通信电台进行识别的目的。本发明可以在复杂多变的环境下，识别出不同通信电台的细微差别。
-
Patent Agency Ranking
公开(公告)号：CN102903084A
公开(公告)日：2013-01-30
申请号：CN201210359004.X
申请日：2012-09-25
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明的目的在于提供一种α稳定模型下的小波域图像噪声方差估计方法，包括对含噪图像进行小波域分解，进行α稳定模型下的原始系数参数估计，获得尺度参数和形状参数，从而获得原始系数的估计熵值；建立对角子带的含噪系数直方图，计算含噪系数熵值并记录子带系数熵值与原始系数熵值的熵值差、噪声方差的值；以步进量L更新噪声方差的值,重复上述步骤；对随机选取的1000幅不同图像重复上述过程，并计算在同一噪声标准差下的1000个熵值差的均值；建立噪声标准差与熵值差间的二次拟合关系获得拟合系数，从而获得方差估计表达式。本发明具有较强的鲁棒性，简化了模型参数估计和熵值的计算过程，易于计算和实现，具有更高的估计精度。
-
公开(公告)号：CN120050740A
公开(公告)日：2025-05-27
申请号：CN202510013787.3
申请日：2025-01-06
Applicant: 哈尔滨工程大学
Abstract: 基于汇聚引导的静态UWSNs路由协议优化方法及系统，涉及路由协议优化领域。解决现有的静态拓扑UWSNs路由协议存在路由绕路和路由循环导致的高端到端时延和低投递率问题，所述方法包括：基于Q‑Learning的转发决策模型，建立由源节点到汇聚节点的转发路径；根据节点间是否存在完全共享参数，确定协议中数据包所在节点和转发候选节点信息的决策状态，当该节点需要转发数据包时，计算各个邻居节点的Q值，选择最大Q值的邻居节点为下一跳转发目标；构建汇聚引导机制，并允许节点转发决策模型在训练过程中基于汇聚各个节点的位置信息生成训练奖励，产生数据包向中心节点聚集的路径，完成基于汇聚引导的静态UWSNs路由协议优化。
-
公开(公告)号：CN119835726A
公开(公告)日：2025-04-15
申请号：CN202510013785.4
申请日：2025-01-06
Applicant: 哈尔滨工程大学
IPC: H04W40/32 , H04W12/122 , H04W12/60 , H04W84/18
Abstract: 改进LEACH算法的簇头选举方法及改进LEACH路由协议方法，属于水下无线传感器网络的路由软安全技术领域，尤其涉及水下无线传感器网络的簇头选举流程；解决了现有的基于簇的路由协议忽视了安全问题，簇头选举流程的安全性较低的问题；所述方法包括以下步骤：每个节点根据汇聚节点对自己的信任评估结果，更新自身mse；每个节点基于自身担任簇头节点的次数、先验确定的簇头节点比例和mse，使用改进的簇头选举阈值函数Timp(n)计算簇头选举阈值；每个节点将自身产生的随机数与簇头选举阈值比较：若小于簇头选举阈值，则该节点成为当前大周期的簇头节点。所述的改进LEACH算法的簇头选举方法及改进LEACH路由协议方法，适用于提供一种基于簇的路由协议。
-
公开(公告)号：CN119835724A
公开(公告)日：2025-04-15
申请号：CN202510013788.8
申请日：2025-01-06
Applicant: 哈尔滨工程大学
Abstract: 基于DDQN的混合式动态UWSNs路由协议优化方法及系统，涉及动态拓扑UWSNs路由优化领域。解决了现有的存在动态UWSNs因网络稀疏性、节点移动性和定位难度高引发的路由链路建立困难且稳定性差，而主动式路由协议以及机会式路由协议分别面临着投递率差以及能耗大等问题。所述方法包括：基于DDQN协议框架设计转发目标评价机制，在所述协议中引入双重Q网络机制；将主动单播式转发和被动机会式转发合二为一，采用单播式转发，若在单播失败后则转换为被动机会式转发，若在预定的时间窗口内，节点侦测到其选择的下一跳节点成功地转发了该数据包，则给予奖励；反之，则对节点施以惩罚，完成优化。还适用于节点优化等领域。
-
公开(公告)号：CN118229774A
公开(公告)日：2024-06-21
申请号：CN202410086124.X
申请日：2024-01-22
Applicant: 哈尔滨工程大学
IPC: G06T7/73 , G06T7/246 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/0464
Abstract: 一种面向弱纹理及动态场景的视觉SLAM系统和方法，属于视觉SLAM技术领域，解决实际应用环境中弱纹理及动态物体同时对视觉SLAM系统造成的定位误差影响问题。本发明的方法包括：通过基于深度学习的GCNv2网络生成关键点和描述符，同时对GCNv2特征提取过程中的非极大值抑制算法进行改进，将原距离NMS算法改进为圆形覆盖抑制算法，使其可以根据局部点密度进行自适应抑制，以取得更好的关键点分布性能，同时也使得提取特征成本更低且分布更加均匀；增加一个并行的语义检测线程，采用YOLOv5目标检测算法对动态目标进行检测，然后将检测结果发布到SLAM线程进行动态特征点的筛选和剔除。本发明适用于隧道、走廊等弱纹理及动态场景，能够实现在无GPS环境下的精准定位。
-
-
-
-
-
-
-
-
-
Search Results
131
records
(took 0.039 seconds)
