-
公开(公告)号：CN107977312A
公开(公告)日：2018-05-01
申请号：CN201711168665.3
申请日：2017-11-21
Applicant: 北京临近空间飞行器系统工程研究所 , 中国运载火箭技术研究院
IPC: G06F11/36
Abstract: 一种基于复杂接口时序的软件系统测试验证方法，首先对软件系统进行接口属性分析，根据接口属性分析结果生成软件系统测试验证用例，然后对软件系统测试验证用例进行反馈迭代优化，最后使用得到的软件系统测试验证用例进行接口时序测试验证。本发明结合航天器系统研制工程实际，构建基于复杂接口时序的软件系统测试验证方法，与现有技术相比可有效缩短复杂接口时序测试周期，降低测试成本，提高复杂接口时序测试的覆盖性、鲁棒性，具有重要工程实际意义。
-
公开(公告)号：CN107977312B
公开(公告)日：2020-07-14
申请号：CN201711168665.3
申请日：2017-11-21
Applicant: 北京临近空间飞行器系统工程研究所 , 中国运载火箭技术研究院
IPC: G06F11/36
Abstract: 一种基于复杂接口时序的软件系统测试验证方法，首先对软件系统进行接口属性分析，根据接口属性分析结果生成软件系统测试验证用例，然后对软件系统测试验证用例进行反馈迭代优化，最后使用得到的软件系统测试验证用例进行接口时序测试验证。本发明结合航天器系统研制工程实际，构建基于复杂接口时序的软件系统测试验证方法，与现有技术相比可有效缩短复杂接口时序测试周期，降低测试成本，提高复杂接口时序测试的覆盖性、鲁棒性，具有重要工程实际意义。
-
公开(公告)号：CN116643969A
公开(公告)日：2023-08-25
申请号：CN202310443489.9
申请日：2023-04-21
Applicant: 北京临近空间飞行器系统工程研究所
Inventor： 周伟 , 王毅 , 顾天祺 , 封慧英 , 赵俊翔 , 胡煜 , 赵良 , 尹思媛 , 金娜 , 侯堃 , 彭晓 , 纪祖赑 , 李萌萌 , 蒋永瑞 , 李磊 , 李昊星 , 底亚峰 , 马祎蕾 , 王晓天
Abstract: 一种基于语义生成树模型的遥测原码解析算法，包括：1)读取脚本字符串，检查脚本字符串是否存在错误，若脚本字符串存在错误，反馈错误结果，结束本次解析工作；若检查成功，进入步骤2)；2)对脚本字符串进行词法分析，利用停止位置字符和两停止位置字符之间的字符组成规则，获得存储有token符号的符号队列；3)将符号队列中的token符号从符号队列的队首开始逐个出队，分别进行语法分析，利用链式堆栈构建语义生成树；4)获取目标物理量对应的原码值；5)利用步骤3)获得的语义生成树和步骤4)获得的原码值，获得目标物理量的实测值。本发明可快速响应数据处理类软件需求，高效完成遥测数据原码解析。
-
公开(公告)号：CN117478688A
公开(公告)日：2024-01-30
申请号：CN202311257361.X
申请日：2023-09-26
Applicant: 北京临近空间飞行器系统工程研究所
Inventor： 张运 , 王宇飞 , 肖振 , 陈虎 , 宋宇光 , 陈超 , 王振峰 , 马利 , 薛凯 , 杨飞 , 王泽齐 , 王保录 , 于喜红 , 赵俊翔 , 李萌萌 , 顾天祺 , 马祎蕾
IPC: H04L67/1095 , H04L9/40
Abstract: 一种去中心化节点的数据同步方法及网络系统，解决了去中心化节点的数据同步问题，属于通信技术或网络技术领域。网络系统包括至少一个在线的网络节点N5，每个网络节点均包括数据D、请求端C、响应端S；网络节点N5采用如下方式进行数据同步：网络节点N5的请求端C5发出请求，该请求包括自身的数据D5；网络节点N5的响应端S5收到自身或其他网络节点的请求后，对请求中的数据进行校验后，返回包括校验信息的响应；网络节点N5的请求端C5收到自身或其他网络节点的响应后，同步数据D5。本发明所设计的数据同步方法，实现简单，利用请求‑响应方式，以一种递归的形式，覆盖了单节点和多节点的同步，降低了系统复杂度，提高系统可靠性。
-
公开(公告)号：CN115185527A
公开(公告)日：2022-10-14
申请号：CN202210657320.9
申请日：2022-06-10
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本发明涉及一种嵌入式软件产品执行程序自动生成、加载方法及系统，属于嵌入式软件领域。所述系统包括：自动生成模块，根据嵌入式软件编译器编译生成的输出文件，自动生成可直接运行于嵌入式目标板的执行程序；所述嵌入式目标板的执行程序进行标准化重命名，标准命名格式为：软件名称+软件版本号+软件CRC码；自动校验模块，在加载前，根据对执行程序的标准化名称对待固化嵌入式软件产品进行校验，将执行程序烧写固化至嵌入式目标板中，加载后，根据对执行程序的标准化名称对已固化嵌入式软件产品进行校验，使目标板成功运行嵌入式执行程序。
-
Patent Agency Ranking
公开(公告)号：CN118052271A
公开(公告)日：2024-05-17
申请号：CN202410048119.X
申请日：2024-01-12
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本发明提出一种基于强化学习的智能飞行器群体组建与重构方法，属于人工智能技术领域，包括如下步骤：S1、基于强化学习的蜂群自组织；先进行作战任务分析，再进行杀伤链要素解析，在杀伤链要素解析的基础上，完成基于强化学习的作战单元自组织；采取基于深度强化学习的组织结构自学习方式针对每个特定任务形成特定组织结构，使用专家知识系统形成迁移学习与强化学习结合的方式，用收集的专家数据行为，约束智能体的探索性行为；S2、蜂群杀伤链路径动态优化，完成蜂群杀伤链路径规划任务；S3、自适应对抗演练与高质量博弈决策，通过实验结果验证模型合理性与先进性。本发明解决了现有技术无法求解蜂群最优组合，限制了蜂群最大作战效能发挥的问题。
-
公开(公告)号：CN112232195B
公开(公告)日：2024-02-20
申请号：CN202011102640.5
申请日：2020-10-15
Applicant: 北京临近空间飞行器系统工程研究所
IPC: G06V40/30 , G06F16/31 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种手写汉字识别方法、装置及存储介质，用于提高文档扫描类图像的手写汉字体识别的可靠性和效率。本申请提供的手写汉字识别方法包括：构建网络结构；输入待识别的汉字序列图像；确定所述网络结构中各层网络的权重参数；根据所述权重参数，在所述网络结构中计算所述待识别的汉字序列图像，确定标签序列，其中所述标签序列包括汉字概率信息；根据所述标签序列和汉字词库表，进行汉字反映射，确定识别出的汉字。本申请还提供了一种手写汉字识别装置及存储介质。
-
公开(公告)号：CN116248427A
公开(公告)日：2023-06-09
申请号：CN202210930470.2
申请日：2022-08-04
Applicant: 北京临近空间飞行器系统工程研究所
IPC: H04L12/40 , H04L41/0806
Abstract: 本发明公开了一种基于总线模块通用化多模式通信构件及其通信方法，所述通信构件包括：用户应用模块，用于为用户提供芯片选择、模式选择、应用函数选择功能；多模式初始化模块，用于针对用户的芯片选择和模式选择提供匹配的初始化函数以实现对用户选择的芯片和模式进行初始化流程；驱动层模块，用于为用户应用模块提供多种模块函数的统一接口。本发明提供了基于不同芯片的初始化和配置方式，支持远程终端和消息监听器两种模式，适用性广泛，大大降低工程风险和应用成本。
-
公开(公告)号：CN113962968B
公开(公告)日：2024-06-04
申请号：CN202111250098.2
申请日：2021-10-26
Applicant: 北京临近空间飞行器系统工程研究所
IPC: G06T7/00 , G06T7/11 , G06T5/40 , G06T5/70 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及面向复杂电磁环境下多源混合干扰雷达图像目标检测系统，属于雷达图像目标检测领域；包括数据增强模块、图像去噪模块、基于深度学习的目标检测训练模块和模型评估模块；其中，数据增强模块包括传统数据增强模块和基于生成对抗网络的数据增强模块；通过生成对抗网络，实现雷达多普勒图像数据的数据扩增；通过图像去噪神经网络过滤了复杂混合干扰，相较于背景建模等方法，该方法实用性更强；通过深度检测网络实现了去噪后图像高准确度识别，实现了目标精准定位，此外为考核算法的时间性能和识别能力，本发明还提出了一种评估方法，从而提高实际工程应用中对目标检测算法高准确度的需求，为高精度目标识别应用场景提供了有力的算法支撑。
-
公开(公告)号：CN116310652A
公开(公告)日：2023-06-23
申请号：CN202310321583.7
申请日：2023-03-29
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本公开的基于强化学习的小样本图像处理方法及相关设备，通过将目标样本的基础类别和小样本目标类别进行特征匹配关联，得到特征匹配度得分；根据特征匹配度得分检测目标样本的基础类别中的小样本目标类别，得到小样本目标类别样本；提取小样本目标类别样本的视觉特征和语义特征，在小样本目标类别样本的视觉特征空间施加语义特征，得到小样本目标类别样样本的多模态信息；将小样本目标类别样样本的多模态信息入到小样本强化学习模型中，对小样本目标类别样样本的多模态信息进行总体环境估计得到小样本目标类别样样本，能够在强化学习的新范式下，结合小样本的可见类别到未见类别的知识迁移特征，实现在样本数目稀少的条件下准确预测样本标签的目标。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.04 seconds)
