-
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：CN118570546A
公开(公告)日：2024-08-30
申请号：CN202410728403.1
申请日：2024-06-06
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/26 , G06V10/774 , G06V10/82
Abstract: 视网膜动静脉分类方法、装置、计算程序产品及存储介质，图像处理及图像分割技术领域，尤其涉及视网膜动静脉的分类；解决了现有动静脉分类技术所存在的特征提取不准确、特征选择困难、计算复杂度高、泛化能力弱以及容易过度拟合的问题；所述方法包括以下步骤：模型训练步骤：采用训练集对空间多尺度注意机制网络模型进行训练，获得训练完成的空间多尺度注意机制网络模型；参数调整步骤：采用验证集对训练完成的空间多尺度注意机制网络模型输出的分类结果进行验证，通过调整参数筛选出最佳模型。所述的视网膜动静脉分类方法、装置、计算程序产品及存储介质，适用于视网膜动静脉的分类。
-
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：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：CN112578414A
公开(公告)日：2021-03-30
申请号：CN202011336466.0
申请日：2020-11-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种禁忌搜索人工蜂群算法下的北斗导航选星方法，方法步骤为：通过获取得到的地面观测点位置信息与北斗导航卫星实时位置信息，计算地面观测点处各北斗导航卫星高度角、方位角；以地面观测点处遮蔽角对各北斗导航卫星进行筛选得到可视卫星集合；利用禁忌搜索人工蜂群算法，以卫星组合方案的几何精度因子GDOP为目标函数，在解空间内对卫星组合方案寻优求解，得到具有最小GDOP的卫星组合方案。本发明将基于禁忌搜索人工蜂群算法应用于北斗导航选星过程，充分发挥人工蜂群算法预先设置参数少，寻优能力强的特点，寻优速度快等优点，有效提高北斗导航应用中选星过程效率，具有较大的价值和实用性。
-
公开(公告)号：CN110071884A
公开(公告)日：2019-07-30
申请号：CN201910287106.7
申请日：2019-04-11
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种基于改进熵云特征的通信信号调制识别方法，包括：对待识别信号进行快速傅里叶变换，提取香农熵、指数熵和范数熵，构成三维特征向量；利用云模型理论计算待识别信号每一个熵特征的数字特征，利用综合云公式得到最终熵云特征；利用特征产生数据集，并进行归一化处理，随机产生每类调制信号的训练样本和测试样本，得到训练样本集合、测试样本集合以及类标签集合；训练极限学习机分类器，将得到的测试样本集合输入训练后的分类器，得到最终通信信号平均识别率。本发明同时适用于模拟信号和数字信号特征提取且计算量小，得到的信号特征也相对稳定；利用了云模型理论，信号特征更为稳定，具有更好的类间分离度；信号特征抗噪声性能好。
-
公开(公告)号：CN105429687A
公开(公告)日：2016-03-23
申请号：CN201510756655.6
申请日：2015-11-09
Applicant: 哈尔滨工程大学
IPC: H04B7/04
CPC classification number: H04B7/0426 , H04B7/0486
Abstract: 本发明公开了一种最小化干扰功率与维度的干扰对齐方法。包括以下步骤，步骤一：随机生成干扰抑制矩阵，设定迭代次数iter；步骤二：以干扰映射矩阵的核范数为目标函数，令期望信号矩阵为Hermitian正定矩阵，且以最小特征值大于等于100为约束条件，求取预编码矩阵；步骤三：将接收的干扰信号作为整体，求出干扰协方差矩阵；步骤四：令干扰协方差矩阵最小的特征值对应的特征向量为干扰抑制矩阵的列向量；步骤五：判断是否完成所有的迭代次数，如果是，正交化预编码矩阵和干扰抑制矩阵；否则返回步骤二。本发明能够提高接收信号质量，提升系统容量和频谱利用率。
-
公开(公告)号：CN117908577B
公开(公告)日：2024-11-19
申请号：CN202311766597.6
申请日：2023-12-21
Applicant: 哈尔滨工程大学
IPC: G05D1/695 , G05D109/20
Abstract: 一种基于合作博弈的多智能体启发式任务分配方法和系统，涉及无人集群技术领域。解决现有无人机携带资源和任务之间的耦合关系考虑较少，限制了特定场景下的任务分配效率的问题。所述方法包括：根据无人机位置信息确立邻近无人机集合；无人机依靠传感器获取外界信息，判断是否出现新任务；判断探测到新任务，发现任务的无人机被标记为长机，并将担任发起人的角色进行广播；无人机根据任务分配算法确定最终的任务分配方案；根据各自所得的任务序列依次执行相关任务，并对环境的持续探测以及对资源进行动态更新；如果任务完成则联盟解散，无人机保持当前的飞行状态在区域内执行任务；如果任务未完成继续执行上一步骤。适用于无人机资源分配领域。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.054 seconds)
