-
公开(公告)号：CN108777604B
公开(公告)日：2021-03-09
申请号：CN201810486452.3
申请日：2018-05-18
Applicant: 哈尔滨工业大学
IPC: H04L1/00 , H04B1/7163
Abstract: 一种基于高斯混合模型聚类的波分多址超宽带多用户检测方法，本发明涉及波分多址超宽带多用户检测方法。本发明为了解决现有波分多址超宽带多用户检测方法实时性差以及检测性能低的问题。本发明包括：一：获取高斯信道下波分多址超宽带信号，将超宽带信号输入至K个匹配滤波器中进行初步检测，得到匹配滤波结果y；二：将K个用户的匹配滤波结果y进行符号判决和码元映射，将匹配滤波结果y映射为符合高斯混合模型的码元映射结果；三：将码元映射结果进行高斯混合模型聚类，将错误码元纠错后，输出波分多址超宽带多用户检测结果。本发明用于超宽带通讯领域。
-
公开(公告)号：CN110554352A
公开(公告)日：2019-12-10
申请号：CN201910860830.4
申请日：2019-09-11
Applicant: 哈尔滨工业大学
Abstract: 基于VGG16神经网络的航天测控系统干扰源波达方向估计方法,涉及基于VGG16神经网络的测控系统干扰源波达方向估计领域。是为了克服传统DOA估计算法复杂度高、效率低或误差大的缺点，以及在测控系统估计过程中由于人为因素带来的局限严重的问题。发明有效利用VGG16神经网络技术，通过VGG16神经网络的方法对已有数据集进行训练，从而得到VGG16神经网络模型，从而利用VGG16神经网络对干扰源DOA值进行估计。这种计算方法效率高，误差小，是一种更好的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN110535519A
公开(公告)日：2019-12-03
申请号：CN201910862193.4
申请日：2019-09-11
Applicant: 哈尔滨工业大学
IPC: H04B7/08
Abstract: 一种基于空间平滑的稳健自适应波束形成方法，涉及阵列天线自适应波束形成领域，本发明的目的在于克服期望信号和干扰信号相干，阵列接收信号的协方差矩阵将会出现秩亏损现象，使用传统自适应波束形成算法就会导致期望信号相消，从而造成波束形成器性能的急剧下降的问题。本发明基于最差性能最优准则，在保证所有可能的期望信号导向矢量和釆样相关矩阵无衰减的通过波束成形器的基础上，使阵列输出的干扰和噪声功率最小化。本发明克服了期望信号和干扰信号相干，阵列接收信号的协方差矩阵将会出现秩亏损现象，提高波束形成器性能。
-
公开(公告)号：CN110120042A
公开(公告)日：2019-08-13
申请号：CN201910400617.5
申请日：2019-05-13
Applicant: 哈尔滨工业大学
Abstract: 一种基于SLIC超像素和自动阈值分割的农作物图像病虫害区域提取方法，涉及基于图像处理的农作物病虫害检测领域。本发明通过对上传图像信息进行图像预处理，然后根据SLIC超像素分割算法将图像分割为若干超像素区域，从而提取病虫害叶片的边缘信息；以分割为超像素的图片为基础，通过直方图相交法合并超像素区域，从而将农作物叶片从背景干扰中提取出来。最后通过对叶片进行像素点遍历，利用叶片图像中正常区域与病虫害区域图像纹理相差较大的原理，设置自动阈值迭代将病虫害区域与健康区域分割开，具有较高的提取精度和效率。
-
公开(公告)号：CN108777604A
公开(公告)日：2018-11-09
申请号：CN201810486452.3
申请日：2018-05-18
Applicant: 哈尔滨工业大学
IPC: H04L1/00 , H04B1/7163
Abstract: 一种基于高斯混合模型聚类的波分多址超宽带多用户检测方法，本发明涉及波分多址超宽带多用户检测方法。本发明为了解决现有波分多址超宽带多用户检测方法实时性差以及检测性能低的问题。本发明包括：一：获取高斯信道下波分多址超宽带信号，将超宽带信号输入至K个匹配滤波器中进行初步检测，得到匹配滤波结果y；二：将K个用户的匹配滤波结果y进行符号判决和码元映射，将匹配滤波结果y映射为符合高斯混合模型的码元映射结果；三：将码元映射结果进行高斯混合模型聚类，将错误码元纠错后，输出波分多址超宽带多用户检测结果。本发明用于超宽带通讯领域。
-
公开(公告)号：CN110120042B
公开(公告)日：2023-07-14
申请号：CN201910400617.5
申请日：2019-05-13
Applicant: 哈尔滨工业大学
Abstract: 一种基于SLIC超像素和自动阈值分割的农作物图像病虫害区域提取方法，涉及基于图像处理的农作物病虫害检测领域。本发明通过对上传图像信息进行图像预处理，然后根据SLIC超像素分割算法将图像分割为若干超像素区域，从而提取病虫害叶片的边缘信息；以分割为超像素的图片为基础，通过直方图相交法合并超像素区域，从而将农作物叶片从背景干扰中提取出来。最后通过对叶片进行像素点遍历，利用叶片图像中正常区域与病虫害区域图像纹理相差较大的原理，设置自动阈值迭代将病虫害区域与健康区域分割开，具有较高的提取精度和效率。
-
公开(公告)号：CN109167600A
公开(公告)日：2019-01-08
申请号：CN201811189788.X
申请日：2018-10-12
Applicant: 哈尔滨工业大学
Abstract: 基于深度置信网络的抗音调干扰LDPC码的译码方法，本发明涉及LDPC码的译码方法。本发明的目的是为了解决现有神经网络译码模型在受到音调干扰的时候，译码性能准确率低的问题。过程为：1、建立用于LDPC码译码的深度置信网络的网络结构；2、确定深度置信网络的初始参数；3、基于通信信号获得深度置信网络的训练样本和测试样本；4、将训练样本输入到深度置信网络的输入层，经过隐藏层，到达输出层，得到训练好的深度置信网络；5、将测试样本输入4训练好的深度置信网络进行测试，得到最终训练好的深度置信网络；6、利用最终训练好的深度置信网络对受到音调干扰的LDPC码进行译码。本发明属于通信技术领域。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
