一种高动态多普勒及其加速度的多周期联合估计方法

    公开(公告)号:CN115913835A

    公开(公告)日:2023-04-04

    申请号:CN202211325979.0

    申请日:2022-10-27

    Abstract: 本发明公开了一种高动态多普勒及其加速度的多周期联合估计方法,包括:接收ML个码元信号,并对每个码元信号进行快速傅里叶变换;将经过快速傅里叶变换的所述ML个码元信号依次划分到M个累积周期并进行非相干累积,得到M个累积结果;从每个累积结果中,选择ntotal个较大元素,将M‑1个较大元素集合联合构造一个小搜素范围,并根据最大元素的索引,得到每个累积周期内的多普勒估计结果;对M个多普勒估计结果进行最小二乘拟合,得到多普勒加速度估计结果。本发明提出方法利用多个累积周期来来联合构造一个小的搜索范围并滤除更多的噪声,并在此搜索范围内得到多普勒及其加速度,从而提高多普勒的估计性能。

    一种最近邻增强对比学习预训练的文本匹配方法

    公开(公告)号:CN116842134A

    公开(公告)日:2023-10-03

    申请号:CN202310804893.4

    申请日:2023-07-03

    Abstract: 本发明公开了一种最近邻增强对比学习预训练的文本匹配方法,包括:对比学习预训练源文本集、目标文本集,分别得到新的源文本向量和目标文本向量;利用最近邻算法检索源文本向量、目标文本向量的相似实例,分别得到源相似实例集和目标相似实例集;计算源相似实例集的相似权重集和目标相似实例集的相似权重集;基于源相似实例集的相似权重集合并源文本向量和源相似实例集,得到源文本加权向量;基于目标相似实例集的相似权重集合并目标文本向量和目标相似实例集,得到目标文本加权向量;利用文本匹配模型训练源文本加权向量和目标文本加权向量,得到匹配结果。挖掘了源文本和目标文本的相似实例信息,更好地构建文本向量层,提高了匹配准确率。

    基于误差校正模型的风电场精准等值建模方法

    公开(公告)号:CN115456086A

    公开(公告)日:2022-12-09

    申请号:CN202211135043.1

    申请日:2022-09-19

    Abstract: 本发明公开了基于误差校正模型的风电场精准等值建模方法,首先搭建根据实际风电场系统搭建相应的风电场详细模型,并分析风电机组运行特性,基于改进式K‑means算法搭建风电场聚类等值模型;其次,设置风电场并网系统不同的典型场景,分别读取详细模型和聚类等值模型被观测电气量的数据;然后,将聚类等值模型的输出数据作为误差校正模型的输入量,并计算出两个物理等值模型数据的误差值,将其作为误差校正模型的目标输出量;最后,所获得的输入量和目标输出量通过深度学习方法训练全连接神经网络,以生成相应的误差校正模型,已达到误差校正模型的输出值可有效补偿聚类等值模型与详细模型之间所存在误差的目的。

Patent Agency Ranking