-
公开(公告)号：CN102426701A
公开(公告)日：2012-04-25
申请号：CN201110347609.2
申请日：2011-11-07
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明的目的在于提供基于双树复小波变换和PCA的水下声纳图像的去噪方法，分为以下步骤：对一幅水下声纳图像应用双树复小波变换，将图像由空间域变换到复小波域，保持图像经三层双树复小波变换后获得的低频近似分量不变，对图像的高频分量进行处理，采用PCA方法估计高频子带中噪声的能量，从而确定阈值并采用硬阈值函数对复小波系数进行处理，对处理后的复小波系数进行双树复小波反变换，获得最终去噪后的图像。本发明克服了传统二维小波缺乏平移不变性和方向选择性的缺点，更好地捕捉图像的方向性信息，能够在去除噪声的同时，更好地保护图像的边缘、纹理等细节信息。
-
公开(公告)号：CN102394723A
公开(公告)日：2012-03-28
申请号：CN201110336581.2
申请日：2011-10-31
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供结合非对称Turbo编码的白光LED调制方法，包括以下步骤：产生二进制的随机信号，并对其进行非对称Turbo编码，将编码后的序列进行16QAM调制，然后作离散傅里叶变换；在频域将变换后的数据进行局部式映射后通过离散傅里叶反变换运算变换回时域并加入循环前缀；对信号作数/模转换并发送到白光LED无线光学信道；将接收到的信号作模/数转换、去除循环前缀；对信号作离散傅里叶变换并进行单载波的解映射；作离散傅里叶反变换，并作16QAM解调；最后非对称Turbo解码。本发明能够折中系统在整个信噪比范围内的误码率，降低了系统的峰值功率比。
-
公开(公告)号：CN117908577B
公开(公告)日：2024-11-19
申请号：CN202311766597.6
申请日：2023-12-21
Applicant: 哈尔滨工程大学
IPC: G05D1/695 , G05D109/20
Abstract: 一种基于合作博弈的多智能体启发式任务分配方法和系统，涉及无人集群技术领域。解决现有无人机携带资源和任务之间的耦合关系考虑较少，限制了特定场景下的任务分配效率的问题。所述方法包括：根据无人机位置信息确立邻近无人机集合；无人机依靠传感器获取外界信息，判断是否出现新任务；判断探测到新任务，发现任务的无人机被标记为长机，并将担任发起人的角色进行广播；无人机根据任务分配算法确定最终的任务分配方案；根据各自所得的任务序列依次执行相关任务，并对环境的持续探测以及对资源进行动态更新；如果任务完成则联盟解散，无人机保持当前的飞行状态在区域内执行任务；如果任务未完成继续执行上一步骤。适用于无人机资源分配领域。
-
公开(公告)号：CN117908560B
公开(公告)日：2024-11-12
申请号：CN202311804902.6
申请日：2023-12-26
Applicant: 哈尔滨工程大学
Abstract: 一种动态环境下用于无人机的分布式协同目标搜索方法及装置，涉及多智能体协同技术领域，方法包括：获取任务环境地图并栅格化；基于整体概率密度分布、不确定度量指标、吸引和排斥信息素以及分区标志四种属性，对栅格化地图进行初始化；更新搜索范围内的目标存在概率；根据所述吸引和排斥信息素计算任务收益和任务约束；基于所述目标存在概率、任务收益以及任务约束建立优化模型，通过蚁群算法进行目标优化，其中，将任务收益作为优化目标最大化；更新无人机下一时刻的状态信息及环境信息；该方法对任务环境的迭代划分找到不确定度均衡的任务区域，构建了搜索收益函数并采用一种改进的蚁群方法求解，能够在保证搜索安全性的基础上提高搜索效率。
-
公开(公告)号：CN117908577A
公开(公告)日：2024-04-19
申请号：CN202311766597.6
申请日：2023-12-21
Applicant: 哈尔滨工程大学
IPC: G05D1/695 , G05D109/20
Abstract: 一种基于合作博弈的多智能体启发式任务分配方法和系统，涉及无人集群技术领域。解决现有无人机携带资源和任务之间的耦合关系考虑较少，限制了特定场景下的任务分配效率的问题。所述方法包括：根据无人机位置信息确立邻近无人机集合；无人机依靠传感器获取外界信息，判断是否出现新任务；判断探测到新任务，发现任务的无人机被标记为长机，并将担任发起人的角色进行广播；无人机根据任务分配算法确定最终的任务分配方案；根据各自所得的任务序列依次执行相关任务，并对环境的持续探测以及对资源进行动态更新；如果任务完成则联盟解散，无人机保持当前的飞行状态在区域内执行任务；如果任务未完成继续执行上一步骤。适用于无人机资源分配领域。
-
Patent Agency Ranking
公开(公告)号：CN117908560A
公开(公告)日：2024-04-19
申请号：CN202311804902.6
申请日：2023-12-26
Applicant: 哈尔滨工程大学
Abstract: 一种动态环境下用于无人机的分布式协同目标搜索方法及装置，涉及多智能体协同技术领域，方法包括：获取任务环境地图并栅格化；基于整体概率密度分布、不确定度量指标、吸引和排斥信息素以及分区标志四种属性，对栅格化地图进行初始化；更新搜索范围内的目标存在概率；根据所述吸引和排斥信息素计算任务收益和任务约束；基于所述目标存在概率、任务收益以及任务约束建立优化模型，通过蚁群算法进行目标优化，其中，将任务收益作为优化目标最大化；更新无人机下一时刻的状态信息及环境信息；该方法对任务环境的迭代划分找到不确定度均衡的任务区域，构建了搜索收益函数并采用一种改进的蚁群方法求解，能够在保证搜索安全性的基础上提高搜索效率。
-
公开(公告)号：CN116205464B
公开(公告)日：2023-11-24
申请号：CN202310277395.9
申请日：2023-03-21
Applicant: 哈尔滨工程大学
IPC: G06Q10/0631 , G06Q10/067 , G06Q50/26 , G06F16/29
Abstract: 一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，涉及多智能体任务分配领域。解决现有水面多无人艇任务分配问题采用扩展一致性束算法，忽略了外界环境对于多无人艇系统产生的约束，而带来的系统能量消耗增大且执行任务效率下降的问题。分配方法为：扫描水面上的障碍物，获得含有障碍物的栅格地图；提取含有障碍物的栅格地图，获得导航对集合；处理多无人艇的自身信息，获得多无人艇的初始化信息；分解任务需求，获得任务的初始化信息；根据多无人艇的初始化信息、任务的初始化信息和导航对集合，并采用改进的扩展一致性束算法对多无人艇进行任务分配，获得多无人艇任务分配效果图。本发明适用于水面多无人艇的智能分配。
-
公开(公告)号：CN116859348A
公开(公告)日：2023-10-10
申请号：CN202310702730.5
申请日：2023-06-14
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种基于马群觅食算法的线性滑变脉冲分选方法和装置，包括以下步骤：步骤S1、获取包含干扰脉冲的线性滑变脉冲序列；步骤S2、对所述序列进行差分运算，估计线性滑变脉冲的首个脉冲重复周期和基本滑变间隔；步骤S3、根据首个脉冲重复周期和基本滑变间隔，将线性滑变脉冲序列映射到平面#imgabs0#步骤S4、随机选取平面#imgabs1#上不重合的两点，建立直线模型并计算内点集；步骤S5、确定平面#imgabs2#上最终内点集NDfinal；步骤S6、根据最终内点集NDfinal，通过马群觅食算法实现线性滑变脉冲的准确分选。采用本发明技术方案，以解决针对分选线性滑变脉冲时脉冲丢失与脉冲干扰导致分选准确率不佳的问题。
-
公开(公告)号：CN116546498A
公开(公告)日：2023-08-04
申请号：CN202310627635.3
申请日：2023-05-30
Applicant: 哈尔滨工程大学
Abstract: 基于变隶属度函数的水下无线传感器网络信任评估方法，涉及水下无线传感器网络信任管理技术领域，针对现有的信任模型在面对动态网络拓扑时难以针对特定攻击和场景给出差异化的信任评估策略，无法有效保护重要区域中节点的问题。本申请考虑攻击和环境特点，定义三类安全因子，设计出了一种变隶属度函数模糊系统完成综合信任值的计算，信任模型的隶属度函数可以受安全因子调控，针对特定攻击模式和环境场景自适应地改变，而不再是固定不变。模型考虑了节点间的不确定性，为不同节点提供差异化的信任评估，能够提高对来自重要区域攻击行为的敏感程度，缩短恶意攻击检测时间，减少攻击对网络造成的影响，可以获得较高的检测率和较低的误检率。
-
公开(公告)号：CN116452905A
公开(公告)日：2023-07-18
申请号：CN202310138890.1
申请日：2023-02-21
Applicant: 哈尔滨工程大学
IPC: G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 一种基于深层特征的SAR图像对抗样本生成系统及生成方法,涉及计算机视觉领域。解决现有对抗样本生成方法存在扰动大，导致攻击成功率低且易被识别的问题。生成方法为：处理SAR图像获得图像数据；采用特征提取器提取图像数据，获得融合特征向量；采用生成器处理融合特征向量，获得初始对抗样本；处理初始对抗样本获得生成器总损失函数，并进行反向回传，获得训练的生成器；采用判别器对初始对抗样本进行处理，获得判别器总损失函数，并进行反向回传，获得训练的判别器；重复上述使得训练的生成器与训练的判别器趋近于收敛，获得最优的生成器，然后采用最优的生成器对融合特征向量进行处理，获得对抗样本。本发明适用于SAR图像的对抗样本生成。
-
-
-
-
-
-
-
-
-
Search Results
131
records
(took 0.043 seconds)
