-
公开(公告)号：CN111580844B
公开(公告)日：2024-02-02
申请号：CN202010390005.5
申请日：2020-05-09
Applicant: 上海航天电子通讯设备研究所
Abstract: 本发明提供了一种支持在轨动态更新的软硬件协同的应用程序维护方法，包括：步骤一，可在轨动态更新的应用程序做三份存储，即所有应用程序都分别存储至主分区、冗余分区1、冗余分区2；步骤二，分别计算三份应用程序目标代码的校验码，并存储；步骤三，定期对应用程序校验码进行维护；步骤四，依据主分区、冗余分区1、冗余分区2的顺序，如果应用程序校验码正确则启动相应分区应用程序；步骤五，如果出现分区的校验码与相应的应用程序不一致，则从3份应用程序取出一份正确应用程序执行。本发明针对现有应用软件可靠性维护措施的不足，结合嵌入式操作系统提供的动态加载特性，实现卫星在轨期间(56)对比文件杨越超等.矿产资源潜力评价数据管理系统更新与维护研究—以中南地区为例《.地质学刊》.2018,第42卷(第3期),第446-451页.
-
公开(公告)号：CN113239830B
公开(公告)日：2023-01-17
申请号：CN202110550958.8
申请日：2021-05-20
Applicant: 北京航空航天大学 , 上海航天电子通讯设备研究所
Abstract: 本发明涉及一种基于全尺度特征融合的遥感图像云检测方法，技术核心是设计一个包含全尺度特征融合模块和云边缘检测模块的卷积神经网络。该方法包含四个步骤：步骤一：制作数据集；步骤二：构造基于全尺度特征融合的卷积神经网络；步骤三：训练卷积神经网络；步骤四：测试卷积神经网络，得到遥感图像云检测结果。本发明设计了新的特征融合方式，和现有技术相比更加充分的利用了特征信息，得到了更合适的特征表示，提升了云检测结果，对复杂场景检测精度更高并且对云边界区域检测更精准，具有广阔应用前景和价值。
-
公开(公告)号：CN110991284A
公开(公告)日：2020-04-10
申请号：CN201911155068.6
申请日：2019-11-22
Applicant: 北京航空航天大学 , 上海航天电子通讯设备研究所
Abstract: 本发明公开一种基于场景预分类的光学遥感图像语句描述生成方法，技术核心是将语句描述生成任务与场景预分类任务进行联合优化，从而提升模型的数据域适应性。该方法包含四个步骤：步骤一：制作数据集；步骤二：搭建网络模型；步骤三：分步训练网络模型；步骤四：遥感图像语句描述生成。本发明克服了现有技术的不足，很好地解决了遥感图像语句描述模型与遥感数据域的适应性问题，自动化程度和语句描述内容准确度均较高，具有广阔的应用前景和巨大的使用价值。
-
公开(公告)号：CN114706525A
公开(公告)日：2022-07-05
申请号：CN202210180093.5
申请日：2022-02-25
Applicant: 上海航天电子通讯设备研究所
IPC: G06F3/06
Abstract: 一种用于深空探测的载荷数据分类缓存调度方法，包括：基于预设参数对SDRAM缓存通道进行通道重构参数化设置以生成预设缓存通道；在通道生成结束后，基于已配置成功的SDRAM缓存通道对载荷数据分类缓存。SDRAM按固定帧格式接收不同类型载荷数据，一帧大小Ri＝1KB，其中i数据的帧次序，i＝1表示第一帧。作为一种实施例，32个不同的缓存通道分别接收与其通道对应的载荷类型，实现将不同类型的载荷数据进行分区缓存；当缓存通道达到可编程满一页条件时，即CP(n)≥256×Ri＝256KB，该通道内的数据下卸至Flash中。该方法基于传统DRAM缓存设计改进，构建通道重构机制，提高型号使用过程中载荷缓存通道的灵活扩展性；对不同类型的载荷按页分类缓存，提高数据管理的精准性和时效性。
-
公开(公告)号：CN113239830A
公开(公告)日：2021-08-10
申请号：CN202110550958.8
申请日：2021-05-20
Applicant: 北京航空航天大学 , 上海航天电子通讯设备研究所
Abstract: 本发明涉及一种基于全尺度特征融合的遥感图像云检测方法，技术核心是设计一个包含全尺度特征融合模块和云边缘检测模块的卷积神经网络。该方法包含四个步骤：步骤一：制作数据集；步骤二：构造基于全尺度特征融合的卷积神经网络；步骤三：训练卷积神经网络；步骤四：测试卷积神经网络，得到遥感图像云检测结果。本发明设计了新的特征融合方式，和现有技术相比更加充分的利用了特征信息，得到了更合适的特征表示，提升了云检测结果，对复杂场景检测精度更高并且对云边界区域检测更精准，具有广阔应用前景和价值。
-
Patent Agency Ranking
公开(公告)号：CN111192240A
公开(公告)日：2020-05-22
申请号：CN201911333708.8
申请日：2019-12-23
Applicant: 北京航空航天大学 , 上海航天电子通讯设备研究所
Abstract: 本发明公开一种基于随机接入记忆的遥感图像目标检测方法，基于SSD网络、最大化后验分布、费希尔信息、拉普拉斯近似等方法，具体步骤如下：一、读入图像数据并进行预处理；二、构造基于融合特征金字塔的卷积神经网络；三、训练卷积神经网络，得到静态模型参数；四、提出随机接入记忆思想；五、遥感图像目标检测，动态更新模型参数。本发明通过提出统一框架下的遥感图像多类目标检测算法适应遥感图像目标的检测，并利用最大后验分布提出随机接入记忆思想来在检测阶段动态调整模型参数，使模型对新的数据有很好适应能力和泛化能力。输入为遥感图像，输出为目标的类别和位置信息，自动化程度高，大幅度提高效率，降低成本。
-
公开(公告)号：CN114363626B
公开(公告)日：2024-06-04
申请号：CN202210002811.X
申请日：2022-01-04
Applicant: 上海航天电子通讯设备研究所
IPC: H04N19/42
Abstract: 本发明公开了一种星载超高速图像压缩系统，其中，图像压缩单元用于接收若干外部载荷相机输出载荷图像，载荷图像包括可见光图像数据和/或红外图像数据，对红外图像数据进行直通处理，以及设于图像压缩单元中的JPEG2000压缩IP核用于对可见光图像数据进行压缩处理。系统供电单元用于接收外部的一次电源转换为二次电源并为图像压缩单元和遥测遥控主控单元提供电力支持。遥测遥控主控单元用于输出OC指令切换系统供电单元的电源输出，接收外部综合电子分系统的遥控指令对图像压缩单元进行参数配置，以及接收图像压缩单元的遥测数据并转发至外部综合电子分系统。可显著提高了整体处理带宽，降低了重量和功耗开销，更为稳定可靠，能够在卫星上广泛推广使用。
-
公开(公告)号：CN110991284B
公开(公告)日：2022-10-18
申请号：CN201911155068.6
申请日：2019-11-22
Applicant: 北京航空航天大学 , 上海航天电子通讯设备研究所
IPC: G06V20/13 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于场景预分类的光学遥感图像语句描述生成方法，技术核心是将语句描述生成任务与场景预分类任务进行联合优化，从而提升模型的数据域适应性。该方法包含四个步骤：步骤一：制作数据集；步骤二：搭建网络模型；步骤三：分步训练网络模型；步骤四：遥感图像语句描述生成。本发明克服了现有技术的不足，很好地解决了遥感图像语句描述模型与遥感数据域的适应性问题，自动化程度和语句描述内容准确度均较高，具有广阔的应用前景和巨大的使用价值。
-
公开(公告)号：CN107977619B
公开(公告)日：2021-02-23
申请号：CN201711215419.9
申请日：2017-11-28
Applicant: 北京航空航天大学 , 上海航天电子通讯设备研究所
Abstract: 本发明涉及一种基于集成学习约束能量最小化的高光谱目标检测方法，它有五大步骤：步骤一：计算机读取数据；步骤二：数据集拓展；步骤三：随机取样得到多个检测器；步骤四：计算计算像元向量与感兴趣目标的夹角；步骤五：将所得分布情况进行软投票。本发明克服了现有技术的不足，很好地解决了高光谱图像目标检测问题，取得了较好的检测结果，因而此方法可以应用在高光谱图像目标检测中，具有广阔的应用前景和价值。
-
公开(公告)号：CN111192240B
公开(公告)日：2023-09-01
申请号：CN201911333708.8
申请日：2019-12-23
Applicant: 北京航空航天大学 , 上海航天电子通讯设备研究所
IPC: G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于随机接入记忆的遥感图像目标检测方法，基于SSD网络、最大化后验分布、费希尔信息、拉普拉斯近似等方法，具体步骤如下：一、读入图像数据并进行预处理；二、构造基于融合特征金字塔的卷积神经网络；三、训练卷积神经网络，得到静态模型参数；四、提出随机接入记忆思想；五、遥感图像目标检测，动态更新模型参数。本发明通过提出统一框架下的遥感图像多类目标检测算法适应遥感图像目标的检测，并利用最大后验分布提出随机接入记忆思想来在检测阶段动态调整模型参数，使模型对新的数据有很好适应能力和泛化能力。输入为遥感图像，输出为目标的类别和位置信息，自动化程度高，大幅度提高效率，降低成本。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.03 seconds)
