-
公开(公告)号：CN110474796A
公开(公告)日：2019-11-19
申请号：CN201910662973.4
申请日：2019-07-22
Applicant: 中国人民解放军陆军工程大学
IPC: H04L12/24
Abstract: 本发明公开了一种基于用户体验质量的异构网络选择方法，将备选网络以及影响QoE的属性值构成原始决策矩阵并对其进行规范化；根据熵值法得到各个属性的不确定度；依照数据模糊化流程对备选网络各属性对QoE的影响程度进行评判，求得隶属度；根据不确定度和隶属度确定属性的非隶属度，得到网络QoE判决矩阵；对各备选网络的属性间关系进行QoE模糊测度赋值；对各备选网络的网络QoE判决矩阵应用模糊集成算子进行集成、排序，得到决策结果。本发明客观的模糊化流程将QoE赋值变得简单易行，可移植性强。
-
公开(公告)号：CN111130866A
公开(公告)日：2020-05-08
申请号：CN201911288042.9
申请日：2019-12-15
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种基于频谱监测数据的通信网络拓扑发现方法，包括以下步骤：对采集到的电磁频谱数据进行预处理得到信号的基本物理特征；结合聚类分析和电磁分析，发现通信信号的统计规律，判断通联关系，获得通信网络逻辑拓扑结构；根据通信关系配对情况，将属于同一信号源的通信数据进行归类，再利用遗传算法获得信号源位置并将该位置坐标作为fminsearch函数初始值，重新搜索初始值附近的局部最优解，从而获得更高精度的信号源坐标；结合通信网络逻辑拓扑和通信节点定位情况，获得其物理拓扑结构。本发明面对电磁环境异常复杂情况具有较好的效果和鲁棒性。
-
公开(公告)号：CN110926503A
公开(公告)日：2020-03-27
申请号：CN201911308307.7
申请日：2019-12-18
Applicant: 中国人民解放军陆军工程大学
IPC: G01C25/00
Abstract: 本发明公开了一种抗较强磁场干扰的MEMS陀螺仪校准方法，通过采集无干扰下的MEMS陀螺仪的数据，得到原始直线，采集均匀旋转下的电机的数据，得到MEMS陀螺仪实测干扰曲线，将所述干扰曲线与所述原始直线进行计算，得到并存储修正曲线，采集正常工作下的MEMS陀螺仪数据，利用所述修正曲线完成校准，可抵抗因相对位置的变化造成的磁场变化的干扰，提高MEMS陀螺仪的角度定位精度。
-
公开(公告)号：CN110855517B
公开(公告)日：2023-08-04
申请号：CN201911047121.0
申请日：2019-10-30
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种从频谱监测数据中挖掘电台通信网络拓扑结构的方法，方法包括：从频谱监测数据中提取特征（信号功率、信号监测时间以及信号方向）；基于上述提取的特征标识每一个频谱信号，在柱坐标系中表示频谱监测信号的分布；由于信源产生的频谱信号在功率、监测时间和方向上呈现的聚类性，以及通信过程中通信双方产生的频谱信号的关联性，基于改进的OPTICS算法挖掘频谱监测数据中电台之间的通联关系；通过对电台与通联关系的匹配，推测、构建通信网络结构。本发明方法实现了从频谱监测数据中挖掘电台的通联关系、通信网络结构，并通过对通信网络结构的分析获取电台的通信行为。
-
公开(公告)号：CN113469329B
公开(公告)日：2023-03-24
申请号：CN202110708530.1
申请日：2021-06-24
Applicant: 中国人民解放军陆军工程大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/094
Abstract: 一种无需样本数据的对抗贴片生成方法，涉及深度神经网络技术领域。将生成的攻击贴片放置在被攻击样本附近，误导分类模型将对抗样本识别为其他物体；在缺乏训练数据的情况下，以RGB像素值全0的图片作为背景，通过欺骗深度神经网络各层学习到的特征信息，以生成无目标的对抗贴片；将生成的攻击贴片放置在被攻击样本附近，误导分类模型将对抗样本识别为指定类别；构建背景图片，将对抗贴片进行随机变形，放置到背景图片的随机位置上进行训练，以此利用无目标攻击贴片隐含的信息生成有目标攻击贴片。本发明利用攻击者无需使用任何训练数据，即可生成对抗贴片，攻击基于深度神经网络构建的图像分类模型。
-
Patent Agency Ranking
公开(公告)号：CN111030524B
公开(公告)日：2021-08-31
申请号：CN201911308300.5
申请日：2019-12-18
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种高稳定性的步进电机细分驱动方法及系统，所述高稳定性的步进电机细分驱动系统包括细分模块、畸变模块、修正模块和驱动模块，所述细分模块、所述畸变模块、所述修正模块和所述驱动模块依次电性连接，获取步进电机的额定电流、细分后的运行拍数和主脉冲序数，计算细分电流数据，并生成理想数据曲线，获取设定的转速，并结合所述细分电流数据，得到畸变曲线，并结合理想数据曲线反向计算出修正数据，获取当前的实时转速，从所述存储器中选取通过所述修正数据修正后的细分电流数据对电机进行驱动，增加细分数量，提高运转稳定性，缓解低速运转时的抖动问题。
-
公开(公告)号：CN111030524A
公开(公告)日：2020-04-17
申请号：CN201911308300.5
申请日：2019-12-18
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种高稳定性的步进电机细分驱动方法及系统，所述高稳定性的步进电机细分驱动系统包括细分模块、畸变模块、修正模块和驱动模块，所述细分模块、所述畸变模块、所述修正模块和所述驱动模块依次电性连接，获取步进电机的额定电流、细分后的运行拍数和主脉冲序数，计算细分电流数据，并生成理想数据曲线，获取设定的转速，并结合所述细分电流数据，得到畸变曲线，并结合理想数据曲线反向计算出修正数据，获取当前的实时转速，从所述存储器中选取通过所述修正数据修正后的细分电流数据对电机进行驱动，增加细分数量，提高运转稳定性，缓解低速运转时的抖动问题。
-
公开(公告)号：CN114067176A
公开(公告)日：2022-02-18
申请号：CN202111362689.9
申请日：2021-11-17
Applicant: 中国人民解放军陆军工程大学
IPC: G06V10/774 , G06V10/56 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种无需样本数据的对抗贴片生成方法，涉及深度神经网络图像识别对抗攻击领域。以RGB像素值全0的图片作为构造无目标的对抗贴片pnt的背景；以无目标的对抗贴片pnt作为构造有目标的对抗贴片pt的背景；生成过程中将对抗贴片进行旋转、缩放，以提升对抗贴片物理场景下鲁棒性；生成过程中将对抗贴片置于背景图片的不同位置，以使对抗贴片能够在不同位置上误导深度神经网络模型。针对深度神经网络模型生成对抗贴片，以误导模型发生错误判断。立足于深度神经网络模型的结构特点，在没有训练数据的条件下生成对抗贴片，更容易获得对抗贴片，符合实际攻击场景的特点。生成的对抗贴片可在物理场景中发挥作用。
-
公开(公告)号：CN113469329A
公开(公告)日：2021-10-01
申请号：CN202110708530.1
申请日：2021-06-24
Applicant: 中国人民解放军陆军工程大学
Abstract: 一种无需样本数据的对抗贴片生成方法，涉及深度神经网络技术领域。将生成的攻击贴片放置在被攻击样本附近，误导分类模型将对抗样本识别为其他物体；在缺乏训练数据的情况下，以RGB像素值全0的图片作为背景，通过欺骗深度神经网络各层学习到的特征信息，以生成无目标的对抗贴片；将生成的攻击贴片放置在被攻击样本附近，误导分类模型将对抗样本识别为指定类别；构建背景图片，将对抗贴片进行随机变形，放置到背景图片的随机位置上进行训练，以此利用无目标攻击贴片隐含的信息生成有目标攻击贴片。本发明利用攻击者无需使用任何训练数据，即可生成对抗贴片，攻击基于深度神经网络构建的图像分类模型。
-
公开(公告)号：CN110474796B
公开(公告)日：2022-06-28
申请号：CN201910662973.4
申请日：2019-07-22
Applicant: 中国人民解放军陆军工程大学
IPC: H04L41/14 , H04L41/5003 , H04L41/5041
Abstract: 本发明公开了一种基于用户体验质量的异构网络选择方法，将备选网络以及影响QoE的属性值构成原始决策矩阵并对其进行规范化；根据熵值法得到各个属性的不确定度；依照数据模糊化流程对备选网络各属性对QoE的影响程度进行评判，求得隶属度；根据不确定度和隶属度确定属性的非隶属度，得到网络QoE判决矩阵；对各备选网络的属性间关系进行QoE模糊测度赋值；对各备选网络的网络QoE判决矩阵应用模糊集成算子进行集成、排序，得到决策结果。本发明客观的模糊化流程将QoE赋值变得简单易行，可移植性强。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.032 seconds)
