公开(公告)号：CN119450387A

公开(公告)日：2025-02-14

申请号：CN202311576021.3

申请日：2023-11-23

Applicant: 中国星网网络应用有限公司

Inventor： 朱博 ,  董朝阳 ,  蒋鹏 ,  白如玉 ,  朱澎 ,  吴太锋

IPC: H04W4/38 ,  H04W40/32 ,  G08B17/00 ,  G08B17/12 ,  G08B25/01

Abstract: 本发明公开了一种区域监控方法、装置及系统，包括：通过目标无线传感器获取监控区域的各气象因子；其中，目标无线传感器是根据每个无线传感器的剩余能量以及每个无线传感器与边缘计算服务器之间的距离对多个无线传感器进行聚类分簇后，从多个无线传感器中确定的；目标无线传感器用于接收对应簇中其他无线传感器发送的气象因子，以此提升网络传输数据的稳定性，延长端侧的网络的生命周期。根据各气象因子计算监控区域的风险值；根据风险值对监控区域进行监控，以此实现在边缘侧对监控区域进行监控，进而提高端侧区域监控的效率和实时性。

公开(公告)号：CN118364388A

公开(公告)日：2024-07-19

申请号：CN202410466031.X

申请日：2024-04-18

Applicant: 重庆大学 ,  中国星网网络应用有限公司

Inventor： 鄢萌 ,  刘想 ,  张小洪 ,  柳建斌 ,  蒋鹏 ,  殷涛 ,  候世康 ,  胡海波

IPC: G06F18/2431 ,  G06F18/214

Abstract: 本发明涉及一种面向卫星监测数据智能异常感知的时序预测方法，通过可逆实例归一化来处理卫星时间序列数据中普遍存在的分布偏移问题，从而提高时间序列预测的性能。采用将Autoformer和FEDformer中使用的分解方案与TSMixer全MLP架构线性层相结合的DTSMixer模型对历史时间序列进行回归，直接预测未来的时间序列。由于RevIN‑DTSMixer方法是一个简单的全MLP架构线性模型，因此其运行效率和参数数量都远远优于基于Transformer的预测方法。在真实数据集上的实验结果表明，RevIN‑DTSMixer方法能显著提高时序数据预测的准确性，具有简单，高效且精确的优势。

公开(公告)号：CN115696587A

公开(公告)日：2023-02-03

申请号：CN202211325617.1

申请日：2022-10-27

Applicant: 中国星网网络应用有限公司

Inventor： 蒋鹏 ,  张强 ,  周一飞 ,  赵欢 ,  谭理庆

IPC: H04W72/0446 ,  H04W72/044 ,  H04W16/22

Abstract: 本申请涉及卫星通信领域，具体涉及一种资源分配方法、装置、设备及介质，用于实现卫星互联网无线通信资源的高效利用。该方法应用于通信系统的核心网网元中，通信系统还包括终端、卫星和云计算中心，该方法包括：通过多个第一终端的请求获取多个第一终端的状态信息；状态信息包括多个第一终端接收的任务队列、多个第一终端可选择的发射信道；将状态信息输入已训练的资源分配模型，获得资源分配策略；已训练的资源分配模型是以最小化通信系统的总能耗为优化目标对资源分配模型进行训练得到的；通过卫星将包含资源分配策略的信令发送给多个第一终端，以使多个第一终端按照各自对应的发射信道和发射功率向云计算中心发送各自接收的任务队列。

公开(公告)号：CN119439218A

公开(公告)日：2025-02-14

申请号：CN202311688953.7

申请日：2023-12-08

Applicant: 中国星网网络应用有限公司

Inventor： 谭理庆 ,  宋昊 ,  王茸 ,  李涛 ,  蒋鹏 ,  白如玉 ,  陈旭光

IPC: G01S19/47 ,  G01S19/48 ,  G01S19/28

Abstract: 本申请实施例提供了一种无人机定位方法及系统。用于提升无人机定位的定位精度。所述方法包括：获取第一位置信息和第二位置信息，所述第一位置信息为所述无人机基于第一定位数据进行位置解算获得的，所述第二位置信息为卫星星座基于第二定位数据进行位置解算获得的；基于所述第一位置信息和所述第二位置信息确定所述无人机的目标位置。

公开(公告)号：CN118364388B

公开(公告)日：2025-04-11

申请号：CN202410466031.X

申请日：2024-04-18

Applicant: 重庆大学 ,  中国星网网络应用有限公司

Inventor： 鄢萌 ,  刘想 ,  张小洪 ,  柳建斌 ,  蒋鹏 ,  殷涛 ,  侯世康 ,  胡海波

IPC: G06F18/2431 ,  G06F18/214

Abstract: 本发明涉及一种面向卫星监测数据智能异常感知的时序预测方法，通过可逆实例归一化来处理卫星时间序列数据中普遍存在的分布偏移问题，从而提高时间序列预测的性能。采用将Autoformer和FEDformer中使用的分解方案与TSMixer全MLP架构线性层相结合的DTSMixer模型对历史时间序列进行回归，直接预测未来的时间序列。由于RevIN‑DTSMixer方法是一个简单的全MLP架构线性模型，因此其运行效率和参数数量都远远优于基于Transformer的预测方法。在真实数据集上的实验结果表明，RevIN‑DTSMixer方法能显著提高时序数据预测的准确性，具有简单，高效且精确的优势。