-
Patent Agency Ranking
公开(公告)号：CN113726565A
公开(公告)日：2021-11-30
申请号：CN202110976988.5
申请日：2021-08-24
Applicant: 哈尔滨工程大学 , 北京卫星信息工程研究所
IPC: H04L12/24
Abstract: 本发明属于监控信息传输拓扑结构设计技术领域，具体涉及一种条状无移动网络区域中监控信息传输拓扑结构设计方法。本发明通过提炼各个不同应用场景下的共同特点设置边界条件，针对于不同场景完成通信链路的规划。对于目前解决方案适用性不强的问题，本发明综合考虑链路结构和硬件通信设备制定传输方案，融合多个因素能够让传输方案具有良好的适应性，有利于完成特殊场景和动态规划位置的拓扑结构设计。对于目前解决方案传输效果不好的问题，本发明通过数学推导以及仿真验证，得到了较好的传输链路方案。对于遍历所有的通信链路传输方案，本发明实现了逻辑层面的最优解，从硬件拓扑结构层面的提高传输速率，减小系统时延。
-
公开(公告)号：CN108008420A
公开(公告)日：2018-05-08
申请号：CN201711231793.8
申请日：2017-11-30
Applicant: 北京卫星信息工程研究所
Abstract: 本发明提出一种基于北斗短报文的北斗导航电文认证方法，包括：地面控制中心生成密钥及通过密钥将基本导航数据进行加密处理生成信息认证码MAC，加入北斗导航电文预留字节中作为认证信息发送给各MEO卫星，且随北斗导航电文发送给各用户；将密钥加密后加入持续广播的出站广播电文中发送给各GEO卫星，且将其以短报文形式播发给用户；所述用户将接收到北斗导航电文进行存储，对接收到的短报文中密钥进行密钥验证，通过验证的密钥将接收到的北斗导航电文加密生成信息认证码MAC，并将其与接收的信息认证码MAC进行比较，若比较结果为相同则判断为北斗信号为真实信号。本发明更具针对性、灵活性，保证认证密钥安全、减少认证所需数据开销。
-
公开(公告)号：CN113807194B
公开(公告)日：2023-10-10
申请号：CN202110975120.3
申请日：2021-08-24
Applicant: 哈尔滨工程大学 , 北京卫星信息工程研究所
IPC: G06V20/52 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/30 , G06V10/36
Abstract: 本发明属于无移动网络区域电力传输线监控技术领域，具体涉及一种增强性电力传输线故障图像识别方法。本发明包括对训练数据集中所有图像进行自适应去噪对比度增强处理；将训练数据集中的所有图像从彩色图像RGB模式转为CIE‑LAB模式；对CIE‑LAB模式图像做离散二维小波变换，将图像信号分解为高频部分和低频部分；对所有高频部分用Bayes shrink阈值做软门限，并做小波阈值；对所有低频部分进行双边滤波；将训练数据集中所有CIE‑LAB模式图像转为CIE‑RGB模式；采用训练数据集训练卷积神经网络，采用二分类对比交叉熵损失函数进行训练，得到电力传输线故障判断模型。
-
公开(公告)号：CN113726565B
公开(公告)日：2023-08-15
申请号：CN202110976988.5
申请日：2021-08-24
Applicant: 哈尔滨工程大学 , 北京卫星信息工程研究所
Abstract: 本发明属于监控信息传输拓扑结构设计技术领域，具体涉及一种条状无移动网络区域中监控信息传输拓扑结构设计方法。本发明通过提炼各个不同应用场景下的共同特点设置边界条件，针对于不同场景完成通信链路的规划。对于目前解决方案适用性不强的问题，本发明综合考虑链路结构和硬件通信设备制定传输方案，融合多个因素能够让传输方案具有良好的适应性，有利于完成特殊场景和动态规划位置的拓扑结构设计。对于目前解决方案传输效果不好的问题，本发明通过数学推导以及仿真验证，得到了较好的传输链路方案。对于遍历所有的通信链路传输方案，本发明实现了逻辑层面的最优解，从硬件拓扑结构层面的提高传输速率，减小系统时延。
-
公开(公告)号：CN113807194A
公开(公告)日：2021-12-17
申请号：CN202110975120.3
申请日：2021-08-24
Applicant: 哈尔滨工程大学 , 北京卫星信息工程研究所
Abstract: 本发明属于无移动网络区域电力传输线监控技术领域，具体涉及一种增强性电力传输线故障图像识别方法。本发明包括对训练数据集中所有图像进行自适应去噪对比度增强处理；将训练数据集中的所有图像从彩色图像RGB模式转为CIE‑LAB模式；对CIE‑LAB模式图像做离散二维小波变换，将图像信号分解为高频部分和低频部分；对所有高频部分用Bayes shrink阈值做软门限，并做小波阈值；对所有低频部分进行双边滤波；将训练数据集中所有CIE‑LAB模式图像转为CIE‑RGB模式；采用训练数据集训练卷积神经网络，采用二分类对比交叉熵损失函数进行训练，得到电力传输线故障判断模型。
-
-
-
-
Search Results
5
records
(took 0.041 seconds)
