-
公开(公告)号：CN101808339A
公开(公告)日：2010-08-18
申请号：CN201010139258.1
申请日：2010-04-06
Applicant: 哈尔滨工业大学
Abstract: 一种应用K-MEANS和先验知识的话务小区自适应分类方法，属于移动通信领域，本发明是为了解决进行话务量预测时，根据专家的历史经验对话务小区进行划分的方式带有很大的主观性、划分不准确的问题。本发明方法包括：一、按照先验知识将话务小区划分为四种类型：交通主干线、繁华商业区、高等院校和居民住宅区；二、预处理，获取每个话务小区的聚类特征，所述聚类特征包括相关系数、方差、最大值、中间值、平均值、最小值、出现频率最高的值和标准差；三、根据每个话务小区的聚类特征，并采用K-MEANS聚类算法依次对每种类型中的话务小区进行聚类，将每种类型中的话务小区细化成多个具有相似聚类特征的类别，完成对所有话务小区的分类。
-
公开(公告)号：CN119716839A
公开(公告)日：2025-03-28
申请号：CN202411838888.6
申请日：2024-12-13
IPC: G01S13/88 , G01S13/66 , G01S13/58 , G01S13/06 , G01S13/08 , G01J5/48 , G01H17/00 , G06V10/80 , G06V10/82 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明是一种基于CN‑YOLOv5的多模态数据融合反无人机高精度检测方法。本发明涉及无人机检测技术领域，本发明对传感器进行部署，并进行数据采集；搭建CN‑YOLOv5模型，并对模型进行训练；根据训练后的模型，接收数据后，判断是否有无人机，若有则确定其类别、位置和速度信息，并进行实时追踪，生成无人机飞行轨迹。本发明实现了高精度检测。通过多模态数据的匹配融合以及模型中注意力机制和优化的特征融合方法，充分利用各模态数据的优势互补，使模型能更精准地提取和分析无人机目标特征，显著提高了检测的准确率，有效降低误报率和漏报率，可准确识别不同类型、不同飞行状态的无人机。
-
公开(公告)号：CN119715549A
公开(公告)日：2025-03-28
申请号：CN202411872745.7
申请日：2024-12-18
IPC: G01N21/88 , G01N21/3586 , G01N21/01
Abstract: 本发明涉及复合材料无损检测领域，具体为一种基于太赫兹时域补偿的复合材料损伤厚度测量方法，其包括以下步骤：S1、制备损伤厚度和深度可变的多个复合材料层合板样本，获得不同样本太赫兹时域信号；S2、建立多层复合材料结构理论传输模型，定义反射的太赫兹响应信号；S3、基于太赫兹波响应特性和传输模型，提出基于损伤和非损伤区域飞行时间差异的损伤厚度测量思路；S4、利用太赫兹信号参考变换、对齐以及互相关方法估计复合材料损伤飞行时间信息；S5、建立太赫兹信号飞行时间补偿模型，实现损伤厚度的精确估计。本发明将损伤的飞行时间简化为太赫兹波通过损伤和非损伤区域的传输时间差，理论上可以避免人为干预和复杂干扰的影响。
-
公开(公告)号：CN118503850A
公开(公告)日：2024-08-16
申请号：CN202410518501.2
申请日：2024-04-28
IPC: G06F18/2431 , G01N21/3586 , G06F18/241 , G06F18/213 , G06F18/214 , G16C60/00 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明实施例公开了多场景下复合材料分层损伤太赫兹智能识别方法及系统。所述方法包括：获取待识别复合材料的太赫兹信号，以得到待识别太赫兹信号；将所述待识别太赫兹信号输入至识别模型中进行多个分层损伤深度和数量信息的识别，以得到预测多标签向量；对所述预测多标签向量采用基于MLCE的太赫兹成像策略进行损伤成像，以得到成像结果；输出所述预测多标签向量和所述成像结果；其中，所述识别模型是通过采用若干个带有分层损伤深度和数量信息的标签构成的数据集对多标签注意力融合网络进行训练所得的。通过实施本发明实施例的方法可以解决现有技术对复合材料复杂重叠分层损伤的检测和表征能力有限的问题。
-
公开(公告)号：CN113673091B
公开(公告)日：2024-07-16
申请号：CN202110843049.3
申请日：2021-07-26
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06F17/14 , G06F17/18 , G06F119/02
Abstract: 本发明是一种机载嵌入式实时大点数时序信号处理方法。本发明通过数据缓存区缓存服务器通过千兆网口发送的参数描述包和400路采样率为1kHz、2kHz、4kHz、8kHz的时间序列数据，用于存储400路时间序列数据处理过程中的中间计算结果和千兆网口发送前的最终计算结果；通过顶层控制来控制机载嵌入式实时大点数时序信号处理模块的总体调度，根据数据接收、数据存储、数据处理之间关系进行调度；可编程逻辑部分由FFT、极值提取、功率谱密度计算、阻尼计算、阈值判断、信号周期性判断等大点数时序信号加速计算模块组成，将接收到的400路采样率为1kHz、2kHz、4kHz、8kHz的大点数时序信号数据进行实时处理。
-
Patent Agency Ranking
公开(公告)号：CN118296745A
公开(公告)日：2024-07-05
申请号：CN202410320040.8
申请日：2024-03-20
Abstract: 本发明属于装配测量技术领域，提供一种基于装配误差补偿的飞机辅助动力装置单级转子叶片排序二次优化方法及系统。步骤1：进行叶片的第一次排序，抵消叶盘的不平衡量；步骤2：当叶盘平衡时，测量得到装配后转子整体的不平衡量；步骤3：基于步骤2得到的整体不平衡量，通过调换少数几个叶片装配位置的方式进行二次优化；步骤4：重复进行步骤3直至满足要求，实现优化目标。用以解决现有技术中难以达到理想的平衡效果的问题。
-
公开(公告)号：CN117992012A
公开(公告)日：2024-05-07
申请号：CN202410022251.3
申请日：2024-01-08
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于CSD编码动态可配置的常数乘法器实现方法，所述方法包括以下步骤：步骤一：数据分析，步骤二：数据预编码，步骤三：乘法器结构实现。所述实现方法能够实现低资源消耗的基于CSD编码的乘法器，能够支持在结构不变的情况下实现运行时可配置的效果，并支持多种窗函数、滤波器系数和旋转因子，能够应用于多种场景。
-
公开(公告)号：CN117420517A
公开(公告)日：2024-01-19
申请号：CN202311240628.4
申请日：2023-09-25
Applicant: 哈尔滨工业大学
IPC: G01S7/40 , G06N3/0442
Abstract: 本发明提出了一种应用于雷达数据采集系统的TIADC失配误差数字校准方法及系统，属于信号采样与处理技术领域，构建了包含全部失配误差的残差序列，由于失配误差的频率是有限且可计算的，并且失配中的信息是固定的，因此可以利用信号自适应分解方法将包含失配信息的复杂信号分解为具有不同信息粒度的子信号。通过结合神经网络方法探索信号中的时间序列数据相关性，再利用神经网络强大的回归能力，从时域角度实现TIADC校准；本发明解决了TIADC内部由于偏置失配、增益失配及时间失配产生的误差问题，进而提高了数据采集系统性能指标，增强了数据采集的准确性。
-
公开(公告)号：CN117370705A
公开(公告)日：2024-01-09
申请号：CN202311170950.4
申请日：2023-09-12
Applicant: 哈尔滨工业大学
Abstract: 波形计算功能系统、子线程运行方法、波形计算方法、具有波形计算系统的存储记录仪，涉及波形计算技术领域。解决现有存储记录仪的波形计算功能无法国产化且功能单一的问题。系统包括表示层、业务逻辑层和数据访问层；表示层用于采集功能控制信息选择计算通道并配置计算公式，并将上述的数据ID信息发送给业务逻辑层；业务逻辑层同步表示层的设置，还用于采集数据访问层的计算数据，并将采集的计算数据进行波形计算后，将波形计算结果发送给表示层进行展示。子线程运行方法嵌入在业务逻辑层中，波形计算方法嵌入在波形计算组件中，具有波形计算系统的存储记录仪采用波形计算功能系统实现。本发明适用于存储记录仪的波形计算。
-
公开(公告)号：CN117010079A
公开(公告)日：2023-11-07
申请号：CN202310810033.1
申请日：2023-07-04
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于在线学习的航天器运行状态短时预测方法。本发明所述方法首先基于有限的地面试验数据，挖掘航天器运行状态以及对应状态监测参数在时序上的关联关系，进而建立基于时间卷积网络(TemporalConvolutionalNetwork,TCN)的航天器运行状态短时预测模型。在此基础上，基于实时采集的航天器遥测数据，采用递推极限学习机(RecursionExtremeLearningMachine,R‑ELM)的方法对模型进行在线更新，并用更新后的模型完成航天器运行状态的短时预测，进而减少因为模型失配导致的预测偏差。
-
-
-
-
-
-
-
-
-
Search Results
326
records
(took 0.063 seconds)
