-
公开(公告)号：CN111814578A
公开(公告)日：2020-10-23
申请号：CN202010540223.2
申请日：2020-06-15
Applicant: 南京森林警察学院
Abstract: 本发明公开了超低频多普勒信号频率提取方法，首先根据用户的需求确定其需要的目标参数，然后对特定的目标进行的相关多普勒信号数据进行采集和整合，并对采集到的数据进行时间序列和信号值序列分离。选择并构建模型是根据用户的需求和目标进行对神经网络模型的参数选择和构建，并完成模型训练和评估，对得到的模型进行评估得到可靠的模型。最后完成隔直及频域分析，利用傅里叶变换或时频分析方法具体提取所需多普勒频率。本发明用神经网络模型对有限采样的超低频(毫赫兹)多普勒信号进行精准函数生成，实时生成的新的易于进行频域分析的多普勒信号数据数据，从而很好地解决了有限采样超低频信号难以从频域提取其频率的问题。
-
公开(公告)号：CN111722244A
公开(公告)日：2020-09-29
申请号：CN202010532863.9
申请日：2020-06-12
Applicant: 南京森林警察学院
IPC: G01S17/58 , G01S7/4911 , G01S7/4912 , H03L7/093 , H03L7/091
Abstract: 本发明公开了双折射激光自混合多普勒测速方法，该方法基于大频差双折射双频He-Ne激光器的自混合干涉效应，首先利用激光器产生的两个正交偏振激光模式对同一个移动目标探测，同时产生自混合干涉；然后如果想获得两个正交偏振激光模式的自混合干涉信号，需要利用一个沃拉斯特偏振分光棱镜，在系统的探测端将两个模式分开探测，利用两个光电探测器分别进行独立探测，得到多普勒频移混频信号，将混频信号中的差频项可以提取出来，最后利用多普勒频移与速度的线性关系计算出目标实际运动速度。本发明有效扩大了自混合干涉测速技术的可测范围，由于光载微波频率主要取决于激光腔的双折射晶体元件，因此具有很高的稳定性，显著提高了速度测量精度。
-
公开(公告)号：CN113218520B
公开(公告)日：2021-11-09
申请号：CN202110478101.X
申请日：2021-04-30
Applicant: 南京森林警察学院
Abstract: 本发明公开一种激光脉宽的优化神经网络提取方法，属于光学测量技术领域。本发明的技术方案如下：利用非平衡式迈克尔逊干涉光路及半导体双光子吸收效应进行强度自相关测量，得到光电信号；将采集到的带有电噪声的强度自相关信号分离出时间序列t和信号值序列s；利用第三方深度学习工具包(Numpy，Pandas，Matplotlib)构建一个优化的神经网络模型，以时间序列t作为模型训练的输入，I作为模型训练的标签值，强度自相关信号数据是一个二元组(t,u)，分别表示时间序列和信号值序列，S＝(t，I),记作强度自相关信号中的第i对时间和信号值，表示预测信号与真实信号数据之间的偏差(第i次)；对I’进行隔直处理，得到纯交流信号I”，再对其进行半高宽分析。
-
公开(公告)号：CN113188452A
公开(公告)日：2021-07-30
申请号：CN202110478058.7
申请日：2021-04-30
Applicant: 南京森林警察学院
IPC: G01B11/02
Abstract: 本发明公开一种基于激光自混合干涉谱映射条纹倍增的位移测量方法，属于激光测量技术领域。本发明的技术方案如下：利用图1光路产生自混合干涉，探测移动目标，从图1中的光电探测器1可以探测到典型的自混合干涉信号；将产生了自混合干涉的激光束入射到F‑P腔中，获取F‑P腔的透射信号，即可获得基于透射谱映射的条纹倍增信号，控制自混合干涉的反馈强度以匹配F‑P腔；利用条纹信号与F‑P透射谱线相似，具有平整，尖锐的特点，通过简单的阈值设定，提取峰值信号，并对峰值信号赋值；最后通过拟合方法进行对上述信号进行处理，从而得到运动目标的位移信号。
-
公开(公告)号：CN113218520A
公开(公告)日：2021-08-06
申请号：CN202110478101.X
申请日：2021-04-30
Applicant: 南京森林警察学院
Abstract: 本发明公开一种激光脉宽的优化神经网络提取方法，属于光学测量技术领域。本发明的技术方案如下：利用非平衡式迈克尔逊干涉光路及半导体双光子吸收效应进行强度自相关测量，得到光电信号；将采集到的带有电噪声的强度自相关信号分离出时间序列t和信号值序列s；利用第三方深度学习工具包(Numpy，Pandas，Matplotlib)构建一个优化的神经网络模型，以时间序列t作为模型训练的输入，I作为模型训练的标签值，强度自相关信号数据是一个二元组(t,u)，分别表示时间序列和信号值序列，S＝(t，I),记作强度自相关信号中的第i对时间和信号值，表示预测信号与真实信号数据之间的偏差(第i次)；对I’进行隔直处理，得到纯交流信号I”，再对其进行半高宽分析。
-
Patent Agency Ranking
公开(公告)号：CN111814578B
公开(公告)日：2021-03-05
申请号：CN202010540223.2
申请日：2020-06-15
Applicant: 南京森林警察学院
Abstract: 本发明公开了超低频多普勒信号频率提取方法，首先根据用户的需求确定其需要的目标参数，然后对特定的目标进行的相关多普勒信号数据进行采集和整合，并对采集到的数据进行时间序列和信号值序列分离。选择并构建模型是根据用户的需求和目标进行对神经网络模型的参数选择和构建，并完成模型训练和评估，对得到的模型进行评估得到可靠的模型。最后完成隔直及频域分析，利用傅里叶变换或时频分析方法具体提取所需多普勒频率。本发明用神经网络模型对有限采样的超低频(毫赫兹)多普勒信号进行精准函数生成，实时生成的新的易于进行频域分析的多普勒信号数据数据，从而很好地解决了有限采样超低频信号难以从频域提取其频率的问题。
-
公开(公告)号：CN116886337A
公开(公告)日：2023-10-13
申请号：CN202310708098.5
申请日：2023-06-14
Applicant: 南京森林警察学院
IPC: H04L9/40 , H04L41/16 , G06F18/243
Abstract: 本发明公开了一种基于集成学习的未知网络攻击行为漂移检测方法，该方法包括：步骤1，数据采集和预处理。步骤2，基分类器训练和更新。步骤3，基分类器集成和攻击行为检测。本发明通过集成策略组合基分类器，从而达到比单一模型效果更佳的目标，这种复合结构可以很容易地适应数据流中的变化。本发明设计的在线集成模型来适应网络流量的概念漂移，让分类器忘记旧实例，适应新实例，以便自然地跟踪网络流量中的漂移，其中在线学习的步骤和集成学习的组合策略都是构造模型的重要环节。本发明能够很好地提高未知网络攻击流量检测的准确率，并且能够适应概念漂移，保证了未知网络攻击流量检测效果的稳定性。
-
公开(公告)号：CN114444293B
公开(公告)日：2023-06-23
申请号：CN202210070398.0
申请日：2022-01-21
Applicant: 南京森林警察学院
Abstract: 本发明公开了一种基于迁移学习的类干涉信号解相方法，该方法利用迁移学习的思想，利用仿真数据作为模型的训练集，同时提出一种解相神经网络模型结构，最后训练出神经网络，而该神经网络可以直接用于实际测量中的类干涉信号的解相，进而用于实际测量中的位移重构。本发明利用仿真数据形成数据集，避免了构建模型过程中耗时耗力的数据集准备过程，极大节省了模型的开发周期。本发明标记函数生成过程即适用于模型训练，也适用于解相过程中标记信号的生成。本发明生成出的模型可以匹配类干涉信号，只要信号可以表示为cos(φt)的形式的都可以利用此模型进行解相。
-
公开(公告)号：CN114217690A
公开(公告)日：2022-03-22
申请号：CN202111483062.9
申请日：2021-12-07
Applicant: 南京森林警察学院
Abstract: 本发明公开了一种基于虚拟仿真技术的电子数据提取的训练方法，该方法通过虚拟仿真平台对学生进行实训，实训包括案件现场勘察的各种环节。虚拟仿真实训的内容涵盖电子数据现场勘查、网络安全现场执法、网络案件侦查推演、计算机取证技术实验以及法律法规学习考核。实训过程中，可以在虚拟3D场景中利用工具箱中的各种工具对各种涉案电子设备进行处理，同时可以利用虚拟机模拟真实的电脑，对其中电子数据进行取证。做过操作的物证信息皆可在在虚拟场景的菜单栏中进行查看。实训包括：勘查准备、现场保护、现场拍照、电子数据设备搜查、计算机数据提取固定、手机数据提取固定、无线网络提取固定、填写现场勘查文书、电子数据设备封存及综合演练环节。
-
公开(公告)号：CN118433170A
公开(公告)日：2024-08-02
申请号：CN202410324722.6
申请日：2024-03-21
Applicant: 南京森林警察学院
Abstract: 本发明公开了电子数据证据高性能网络传输方法，该方法能够利用无线网络作为采集设备与证据服务器的数据传输通道，在采集设备上先将所有要传输的文件元数据进行封装，一次性交给内核级文件传输模块，在内核级建立存储I/O和网卡I/O的管道进行文件传输。该方法实施过程中，CPU的状态只需要切换一次即可完成所有的文件传输，数据传输全程在内存空间完成，可以将传输瓶颈迁移到网络接口端，极大提高其带宽利用率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.025 seconds)
