-
公开(公告)号：CN119758395A
公开(公告)日：2025-04-04
申请号：CN202411712963.4
申请日：2024-11-27
Abstract: 基于铱星IRA的机会信号定位误差补偿方法，涉及机会信号定位领域。解决现有技术中低轨卫星机会信号定位方法没有定位参考信息的环境下很难获得准确的初始解等问题。所述方法包括：连接接收机硬件用于接收铱星下行信号；解析所其铱星下行信号；并进行解调获取铱星下行信息；获取铱星相对地球表面的投影经纬度，将多次数据进行计算平均投影位置；基于全局粒子群算法计算粗略位置解；获取传播延迟；采用传播延迟计算卫星位置与速度；利用最大释然估计法确认铱星下行信号中IRA 11频段信号中心频率的多普勒频移；将初始位置，铱星下行信号卫星位置与速度，多普勒频移带入多普勒定位方程中通过最小二乘求解位置解。适用于卫星轨道校正算法的研究领域中。
-
公开(公告)号：CN120003529A
公开(公告)日：2025-05-16
申请号：CN202510055395.3
申请日：2025-01-14
Applicant: 哈尔滨工程大学
IPC: B60W60/00 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/084 , G01C21/20 , G01C21/16 , G01C21/00 , G01C21/34
Abstract: 一种基于CNN‑LSTM‑Attention神经网络的轨迹预测方法及系统，属于机器学习和数据分析技术领域，解决IMU数据本身存在噪声和累积误差，从而导致轨迹预测的精度和可靠性降低的问题。方法包括：收集传感器数据，进行预处理，并划分为训练集和测试集，并对输入特征和目标输出进行标准化处理；构建混合神经网络架构，设定所述混合神经网络架构中各层的结构与参数，定义损失函数与优化器；采用训练集数据对所述混合神经网络架构进行训练，采用反向传播算法优化模型参数；计算预测轨迹与真实轨迹之间的误差指标，根据误差指标评估混合神经网络架构的预测性能；选择预测性能最佳的神经网络进行实时轨迹预测。本发明适用于智能交通系统、无人驾驶、路线规划等应用场景。
-
公开(公告)号：CN115265528B
公开(公告)日：2024-08-27
申请号：CN202210748607.2
申请日：2022-06-29
Applicant: 烟台哈尔滨工程大学研究院
Abstract: 本发明公开了基于未知输入观测器的组合导航系统鲁棒抗扰滤波方法，首先建立了在系统状态和量测信号中同时存在不同未知输入项Mk‑1dk‑1和Nkek的SINS/GNSS组合导航滤波模型，其中Mk‑1∈Rn×p和Nk∈Rm×m表示列满秩的未知输入干扰的系数矩阵，dk‑1∈Rp和ek∈Rm分别是两种未知输入干扰向量；然后，根据新息以及状态历史时刻值建立了未知输入估计器，并由指数加权滑动窗实现判断未知输入存在位置以及解耦成两种未知输入；最后，利用未知输入估计器得到的估计值对系统状态和量测进行修正，本发明提出的滤波方法能够对突变型、斜坡型、交叠型、不同特征随机噪声等类型的未知输入干扰进行准确估计，具有更好的滤波估计效果和更强的鲁棒抗扰性，能够提高组合导航系统针对未知输入干扰的抗扰能力。
-
公开(公告)号：CN116520861B
公开(公告)日：2024-04-12
申请号：CN202310492834.8
申请日：2023-05-04
Applicant: 哈尔滨工程大学
IPC: G05D1/485 , G05D101/10
Abstract: 本发明提出了基于改进Glasius仿生神经网络的静态目标搜索方法与装置，属于Glasius仿生神经网络技术领域，尤其涉及水下自主航行器的路径规划。解决了现有Glasius仿生神经网络，由于神经元刺激信号的时延和衰减的作用，而可能受到局部最优解的影响，导致全局搜索能力较差，目标搜索性能不理想的问题。所述基于改进Glasius仿生神经网络的静态目标搜索方法，采用改进Glasius仿生神经网络，根据所述先验信息、基础先验目标概率图以及初始结合概率图MAP0，进行迭代计算，通过时域滚动优化过程执行静态目标搜索任务。它主要用于水下自主航行器的路径规划。
-
公开(公告)号：CN112577496B
公开(公告)日：2024-03-26
申请号：CN202011333283.3
申请日：2020-11-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于自适应选权的多源融合定位方法，方法步骤为：根据传感器初始数据获取初始节点；由初始节点生成初始位置变量节点和初始误差变量节点；惯性导航因子对位置变量节点进行拓展，误差因子则对误差变量节点进行拓展，并且由误差变量节点对惯性导航因子进行纠正；按照不同权重将卫星导航因子和视觉里程计因子的输出结果与位置变量节点中的定位结果进行数据融合。本发明将自适应选权的因子图模型应用于多源融合导航定位，用较为简便的方式实现了对传感器因子自适应选权的过程，能够通过动态调整权重实现卫星定位信息的故障排除和重新接入，并且在一定程度上减小定位误差。
-
Patent Agency Ranking
公开(公告)号：CN116546498B
公开(公告)日：2024-01-26
申请号：CN202310627635.3
申请日：2023-05-30
Applicant: 哈尔滨工程大学
Abstract: 基于变隶属度函数的水下无线传感器网络信任评估方法，涉及水下无线传感器网络信任管理技术领域，针对现有的信任模型在面对动态网络拓扑时难以针对特定攻击和场景给出差异化的信任评估策略，无法有效保护重要区域中节点的问题。本申请考虑攻击和环境特点，定义三类安全因子，设计出了一种变隶属度函数模糊系统完成综合信任值的计算，信任模型的隶属度函数可以受安全因子调控，针对特定攻击模式和环境场景自适应地改变，而不再是固定不变。模型考虑了节点间的不确定性，为不同节点提供差异化的信任评估，能够提高对来自重要区域攻击行为的敏感程度，缩短恶意攻击检测时间，减少攻击对网络造成的影响，可以获得较高的检测率和较低的误检率。
-
公开(公告)号：CN116628471A
公开(公告)日：2023-08-22
申请号：CN202310476478.0
申请日：2023-04-27
IPC: G06F18/213 , G01S13/88 , G06F18/214 , G06F18/24 , G06N3/0442 , G06N3/08
Abstract: 本申请公开了一种基于自适应海鸟算法的雷达信号开集识别方法，属于信号识别技术领域，通过样本筛选算法筛选出可靠样本构建雷达信号样本库，基于雷达信号样本库构建自适应阈值，提高方法的识别率以及增强其普适性；同时设计自适应海鸟算法对自适应阈值权重寻优，构建探索方向因子，结合螺旋优化搜索与直线优化搜索，扩大搜索范围以及加强搜索能力，加入随迭代次数改变的自适应权重与自适应步长，平衡了全局搜索能力与局部搜索能力，提升了雷达信号开集识别方法的可靠性，进一步设计并训练LSTM网络，对特征进行提取并得到嵌入向量，增强了网络的泛化性和适应性，提升了雷达信号开集识别方法准确性和普适性，有效提高未知信号识别的准确率。
-
公开(公告)号：CN111444805B
公开(公告)日：2023-03-17
申请号：CN202010195282.0
申请日：2020-03-19
Applicant: 哈尔滨工程大学
IPC: G06F18/10 , G06F18/2411
Abstract: 本发明提供了一种基于改进的多尺度小波熵数字信号调制识别方法，在基于统计模式的识别方法框架下利用基于信号多尺度小波熵的特征提取方法得到最终代表信号的特征，然后利用极限学习机分类器进行分类，在信噪比为‑15dB时，平均识别率仍能达到90％以上。对于PSK类信号，得到描述其相位信息的相位函数，再次计算相位函数的多尺度小波熵特征，得到的信号特征更为稳定，相对于传统的特征，能够更好的区分PSK类信号；所提取的信号特征抗噪声性能好，即使在较低信噪比的情况下也能达到理想的识别率。
-
公开(公告)号：CN115265528A
公开(公告)日：2022-11-01
申请号：CN202210748607.2
申请日：2022-06-29
Applicant: 烟台哈尔滨工程大学研究院
Abstract: 本发明公开了基于未知输入观测器的组合导航系统鲁棒抗扰滤波方法，首先建立了在系统状态和量测信号中同时存在不同未知输入项Mk‑1dk‑1和Nkek的SINS/GNSS组合导航滤波模型，其中Mk‑1∈Rn×p和Nk∈Rm×m表示列满秩的未知输入干扰的系数矩阵，dk‑1∈Rp和ek∈Rm分别是两种未知输入干扰向量；然后，根据新息以及状态历史时刻值建立了未知输入估计器，并由指数加权滑动窗实现判断未知输入存在位置以及解耦成两种未知输入；最后，利用未知输入估计器得到的估计值对系统状态和量测进行修正，本发明提出的滤波方法能够对突变型、斜坡型、交叠型、不同特征随机噪声等类型的未知输入干扰进行准确估计，具有更好的滤波估计效果和更强的鲁棒抗扰性，能够提高组合导航系统针对未知输入干扰的抗扰能力。
-
公开(公告)号：CN112762938A
公开(公告)日：2021-05-07
申请号：CN202011552599.1
申请日：2020-12-24
Applicant: 哈尔滨工程大学
Abstract: 本发提供了了一种基于旋转矩阵的因子图协同定位方法：首先构建基于旋转矩阵的协同定位方法因子图模型，在因子图方法流程中加入旋转矩阵因子节点，然后建立基于旋转矩阵的协同定位方法，构造旋转矩阵以及设计旋转角度，并对系统的位置状态信息进行滤波更新，最后通过传递的概率密度函数对系统的位置状态进行滤波融合估计；从而实现在不改变系统中惯性器件的测量精度的情况下，通过实时在因子图内部变换主从艇的坐标值，使得参与因子图计算的主从艇坐标不一致，解决常规的因子图协同定位方法定位误差突然增大的问题，增强协同定位系统的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.042 seconds)
