一种基于飞行模拟器的小型无人机轨迹及姿态修正方法

    公开(公告)号:CN109991994A

    公开(公告)日:2019-07-09

    申请号:CN201910390474.4

    申请日:2019-05-10

    Abstract: 本发明涉及一种基于飞行模拟器的小型无人机轨迹及姿态修正方法,属于小型无人机技术领域。该方法包括:建立无人机飞行时间与位移的关系;起飞前,完成无人机实际位置与模拟器中无人机GPS定位同步;飞行过程中,控制端在控制无人机飞行的同时,也发送相同指令到本地的飞行模拟器;无人机根据控制指令接收情况判断是否制动;无人机制动后,根据模拟器反馈的数据包结合飞行时间与位移的关系修正飞行姿态及轨迹。本发明能够在不依赖GPS的条件下修正无人机由于网络拥塞或时延引起的操作误差问题的同时,完成无人机的精确定位,并且在无人机系统通信链路极差的情况下,实现对无人机的控制。

    一种基于FPGA的UFMC系统载波频率同步方法

    公开(公告)号:CN108494712A

    公开(公告)日:2018-09-04

    申请号:CN201810204895.9

    申请日:2018-03-13

    Inventor: 余翔 徐雷 段思睿

    CPC classification number: H04L27/0014 H04L27/266 H04L2027/0026

    Abstract: 本发明涉及一种基于FPGA的UFMC系统载波频率同步方法,属于无线通信领域。该方法使用一个UFMC符号作为训练序列,训练序列中必须包含m≥2部分相同的符号;整个频偏估计过程通过小数倍频偏和整数倍频偏共同完成;通过训练序列前后两相同数据部分的自相关得到小数倍频偏,将小数倍频偏补偿后的训练序列估计与本地训练序列相乘并做FFT变换求得整数倍频偏。本发明通过小数倍频偏估计保证了估计精度能够满足系统需求,整数倍频偏估计使整体估计范围大大增加。有效地估计出系统频偏值,降低系统的误比特率,提高通信质量。

    一种改进UFMC载波加权干扰抑制算法

    公开(公告)号:CN108111447A

    公开(公告)日:2018-06-01

    申请号:CN201810045623.9

    申请日:2018-01-17

    CPC classification number: H04L27/264 H04J11/0023 H04L25/03343 H04L27/3461

    Abstract: 本发明涉及一种改进UFMC载波加权干扰抑制算法,属于移动通信技术领域。该算法是对UFMC符号的子带间引入干扰消除子载波,对子带和干扰消除子载波进行加权处理,加权后的子载波在频域进行干扰抵消,减小子带间干扰;通过目标函数得到满足子带频域功率最小的加权系数向量;通过引入干扰消除子载波加强干扰抑制效果;通过2个约束条件保证数据接收质量和发射功率的稳定性。相比传统的抑制方法,本发明能达到比较好的抑制效果,同时对系统发射功率和频带利用率进行严格的控制,综合性能较好。

    基于地空通信的多链路切换同步网关的方法和系统

    公开(公告)号:CN107509166A

    公开(公告)日:2017-12-22

    申请号:CN201710655788.3

    申请日:2017-08-03

    Abstract: 本发明涉及通信技术领域,特别涉及一种基于地空通信的多链路切换同步网关的方法和系统,所述方法包括:机载通信服务器切换与地面网络系统的通信链路;机载通信服务器发送链路切换信息到地面网络系统;根据地面网络系统解析出的链路切换信息更改地面网络系统的对空网关;本发明实现了机载网络对地网关与地面对空网关同步,保证了双向通信始终使用同一条通信链路;与现有技术相比,本发明使地面网络使用的通信链路近乎同步地与机舱网络的通信链路一致,使机载网络与地面网络能够双向通信。

    一种基于C‑RAN平台的下行多模信道编码系统及方法

    公开(公告)号:CN104486033B

    公开(公告)日:2017-09-29

    申请号:CN201410728180.5

    申请日:2014-12-03

    Abstract: 本发明请求保护一种基于C‑RAN平台的下行多模信道编码系统及方法,包括:多模高速CRC编码、下行多模信道编码,其中下行多模信道编码根据不同的标准采用卷积编码、Turbo编码。本发明在GSM/TD‑SCDMA/LTE三大标准框架下,采用资源合理共享和综合优化,设计了在不断电的情况下即可根据模式转换信号进行三个标准间下行信道编码切换的方案。该方案中多模信道编码采用8比特并行高速算法,不仅能实现多模且计算速度较传统速度提高8倍,还可节省C‑RAN架构下紧张的资源,减小延时,提高系统性能。

    一种用于FPGA的UFMC发射机的频域实现方法

    公开(公告)号:CN106685887A

    公开(公告)日:2017-05-17

    申请号:CN201710021620.7

    申请日:2017-01-12

    Abstract: 本发明涉及一种用于FPGA的UFMC发射机的频域实现方法,属于无线通信技术领域。该方法对串行比特流进行符号映射,将映射的符号分块,分别送到B个不同子带的处理单元;每个子带处理单元采用分块处理的方式实现NIDFT点IDFT变换;对IDFT变换后的数据补零后进行频域分段滤波,对输出的各个分段结果相加后输出;通过并行的分级加法器将所有子带的处理结果叠加。通过使用分块处理的方式实现了一种适用于FPGA实现的UFMC中的IDFT调制,避免了采用IFFT IP核需要较多的补零数量,降低了调制部分的处理时延;相对于一般的频域处理方式计算总量更少;可以以较快速度实现多个输入数据同时相加。

    一种UFMC系统中的载波同步方法

    公开(公告)号:CN106059979A

    公开(公告)日:2016-10-26

    申请号:CN201610349865.8

    申请日:2016-05-24

    Abstract: 本发明涉及一种UFMC系统中的载波同步方法,包括以下步骤:首先在发送端生成两组正交码,并将其作为导序列插入到原始数据中,再经过UFMC进行调制、滤波操作和发送;然后在接收端进行时域补0、2N‑FFT变换、提取偶频带上的数据并将其通过与发送端相匹配的滤波器,利用迫零均衡器得到数据信息的估计值,从中提取导频信号,并计算两组导频信号之间的相关性,通过使其相关性最小来获得UFMC系统载波频率的同步;最后使用迭代算法来提高频偏估计精度。本发明通过对UFMC的每个子带中插入导频来估计系统的载波频率偏差,不仅保留UFMC系统的良好特性,而且通过迭代提高了频偏估计的精确度和稳定性,从而增强系统的误比特性能,提高通信质量,在一定程度上降低UFMC中滤波器的设计复杂度。

    基于北斗GPS双模定位的TD-LTE应急通信终端和监控指挥系统

    公开(公告)号:CN105472557A

    公开(公告)日:2016-04-06

    申请号:CN201510873706.3

    申请日:2015-12-02

    CPC classification number: H04W4/025 G01S19/425 H04W4/90

    Abstract: 本发明涉及一种基于北斗GPS双模定位的TD-LTE应急通信终端和监控指挥系统,属于通信技术领域。该系统包括基于Linux系统的通信终端,通信终端之间以及与监控指挥中心通过TD-LTE网络通信;所述通信终端包括电源模块、北斗GPS双模定位模块、语音模块、通信传输模块和显示控制模块;所述北斗GPS双模定位模块用于实现卫星定位功能,所述语音模块用于实现语音输入输出,所述显示控制模块用于对数据信息进行处理和显示,并对整个通信终端进行操作。本发明基于北斗GPS双模定位以及TD-LTE技术,具有定位准确、可靠、快速,通信速率高、延时小、稳定性好,操作简便等特点,适用于自然灾害的抢险救灾、公共安全维护、反恐维稳、应急救援等场合提供快速可靠的通信、导航、指挥、调度等服务。

    一种TD-LTE应急通信下的实时语音通信方法

    公开(公告)号:CN104506287A

    公开(公告)日:2015-04-08

    申请号:CN201410836113.5

    申请日:2014-12-29

    CPC classification number: H04L1/18 H04W28/04 H04W28/06

    Abstract: 本发明请求保护一种TD-LTE应急通信下的实时语音通信方法,属于应急通信技术领域,包括:语音数据采集和语音数据的G.711压缩;对压缩后的数据进行打包处理;利用TD-LTE网络结合实时传输协议(RTP)对封装的数据包进行发送;接收端接收数据包,对其进行解包处理并存储在新的队列中;使用G.711解码方案对RTP包进行解压;语音数据的回放处理。本发明针对性的设计了语音缓存大小和丢包重传处理方法,整个语音传输流程采用ALSA语音处理框架,结合TD-LTE网络的优势,减小了应急通信系统中语音通信的传输丢包和传输时延,满足了应急场景下的实时语音通信要求。

    一种基于公平性增强的联邦学习方法

    公开(公告)号:CN119962635A

    公开(公告)日:2025-05-09

    申请号:CN202510058630.2

    申请日:2025-01-15

    Abstract: 本发明涉及联邦学习领域,特别涉及一种基于公平性增强的联邦学习方法,包括优化样本选择和资源分配以提升模型的公平性;通过Gower相似性度量和层次聚类对数据进行分层处理,确保不同层次数据的代表性;结合参数化损失权重的动态权重调整策略,实时优化数据层的敏感性,动态平衡不同数据层在训练中的贡献,完成权重分配优化;构建基于自编码器的加权聚合模型,利用自编码器对数据进行异常检测,结合公平性指标优化全局模型的更新;本发明能够有效减少本地模型偏差,并在异构数据环境下显著提升联邦学习的公平性和模型精度。

Patent Agency Ranking