-
公开(公告)号：CN119935084A
公开(公告)日：2025-05-06
申请号：CN202510082487.0
申请日：2025-01-20
Applicant: 无锡北微传感科技有限公司
Abstract: 本申请公开了一种基于加速度计在振动场景下的倾角解算方法及测量设备，属于倾角测量技术领域；其中，采集原始加速度数据；对原始加速度数据进行滑动平均滤波处理得到滑动平均滤波后的加速度数据；获取滑动平均滤波数据差值；判断滑动平均滤波数据差值是否处于设定的运动区间阈值，判断区别出被测物运动状态或静止状态；根据被测物处于运动状态或者静止状态下，采取不同的加速度数据进行倾角解算。本申请通过对加速度计信号的特征判断来区别出被测物的运动状态和静止状态，并根据不同的状态下采用不同的角度解算策略，达到运动状态下角度快速响应，静止状态下角度稳定不受振动影响的效果。
-
公开(公告)号：CN118228681B
公开(公告)日：2024-12-20
申请号：CN202410223838.0
申请日：2024-02-28
Applicant: 无锡北微传感科技有限公司
IPC: G06F30/398 , G06F30/337
Abstract: 本发明公开了一种数字系统电源分配网络阻抗的优化方法及系统，涉及电源分配网络技术领域。该数字系统电源分配网络阻抗的优化方法，基于数字系统电源的寄生参数匹配PDN去耦方案集；利用PDN去耦方案集对数字系统电源的贴装PCB和微系统基板进行去耦，确定PDN去耦效果最好的PDN去耦方案为基准PDN去耦方案；基于基准PDN去耦方案匹配得到优化方案集；利用匹配得到优化方案集对基准PDN去耦方案进行优化，获取最优PDN去耦方案。通过匹配得到的PDN去耦方案集和优化方案集，考虑了数字系统电源的寄生参数、贴装PCB和微系统基板的去耦需求，解决了微系统内部空间有限与去耦电容需求量大的矛盾。
-
公开(公告)号：CN117544957A
公开(公告)日：2024-02-09
申请号：CN202311477005.9
申请日：2023-11-08
Applicant: 无锡北微传感科技有限公司
IPC: H04W12/122 , H04W40/32 , H04W84/18
Abstract: 本发明涉及安全分析的技术领域，公开了一种无线传感网络安全分析方法，所述方法包括：将传感器节点划分为中心节点和叶子节点；构建无线传感网络叶子节点安全度评估模型并对叶子节点进行安全度评估；构建无线传感网络中心节点安全度评估模型并对中心节点进行安全度评估；分别确定叶子节点和中心节点的自适应信任阈值；将安全度评估结果低于信任阈值的传感器节点从无线传感网络中筛除。本发明根据传感器节点的通信频率、通信行为以及所感知数据的可靠程度对传感器节点的安全度进行评估，分别确定叶子节点和中心节点的自适应信任阈值，将安全度评估结果低于信任阈值的传感器节点从无线传感网络中筛除，实现无线传感网络的安全分析。
-
公开(公告)号：CN113670315B
公开(公告)日：2024-03-15
申请号：CN202110982644.5
申请日：2021-08-25
Applicant: 无锡北微传感科技有限公司
Abstract: 本发明提供一种基于变分迭代卡尔曼滤波的李群重尾干扰噪声动态飞行器姿态估计方法。包括以下步骤：步骤一、建立系统在李群特殊正交群上的姿态动力学模型；步骤二、将系统李群动态模型映射到欧氏几何空间；步骤三、基于观测数据定义重尾噪声中个参数的先验分布函数；步骤四、对重尾噪声的概率密度函数进行变分贝叶斯近似；步骤五、定点迭代求解系统状态与概率密度函数的分布参数；步骤六、将步骤五中的各个参数带入步骤四中进行计算，得到噪声的后验概率密度函数近似值。该方法很好地解决了系统在重尾噪声干扰下的李群姿态估计问题。
-
公开(公告)号：CN115783303A
公开(公告)日：2023-03-14
申请号：CN202211522259.3
申请日：2022-11-30
Applicant: 无锡北微传感科技有限公司
IPC: B64F5/60
Abstract: 本发明公开了一种飞行器多舵面高精度动态测量实时监测系统，该系统包括：测试单元和上位机；测试单元包括传感器组件、电源模块、AD数模转换模块、RS485通信模块、无线通信模块、单片机(MCU)和电源。将惯性传感器贴装于飞行器的各个被测舵面上，通过无线或者有线的方式，实现传感器与主控界面的通信。不用采用任何外部设备，仅仅转动被测舵面到三个任意静止的角度，然后进行误差运算。本发明操作简单，偏转任意角度即可得到安装误差，可以界面显示，测量精度高，重复性好。
-
Patent Agency Ranking
公开(公告)号：CN118194802B
公开(公告)日：2024-11-08
申请号：CN202410297156.4
申请日：2024-03-15
Applicant: 无锡北微传感科技有限公司
IPC: G06F30/373
Abstract: 本发明涉及电源完整性仿真技术领域，具体公开基于微系统的电源完整性仿真方法和系统，该方法包括：获取基于微系统的电源数据集，根据微系统的电源数据集得到基于微系统的电源模型特征值，获取基于微系统的电源模型特征比对偏差值，比对得到基于微系统的电源网络PDN阻抗仿真参数阈值，结合电源网络PDN阻抗仿真数据集得到电源网络PDN阻抗仿真评估值，比对得到电源网络完整性特征值，使工程师能够精确分析电源系统的性能，有助于避免潜在的电源问题，仿真数据可用于优化PDN设计，确保系统在各种负载和工作条件下都能提供稳定的电源，这有助于降低系统中电源噪声、电压下降等问题的发生。
-
公开(公告)号：CN118151884A
公开(公告)日：2024-06-07
申请号：CN202410278874.7
申请日：2024-03-11
Applicant: 无锡北微传感科技有限公司
Abstract: 本发明公开了一种芯片焊盘跌落抗击优化方法，涉及电路板跌落测试领域。该芯片焊盘跌落抗击优化方法，通过获取历史芯片焊盘测试数据，并进行预处理；对预处理之后的历史芯片焊盘测试数据进行分析，获得芯片焊盘的损害焊点位置数据；基于芯片焊盘损害焊点位置数据剔除芯片焊盘上的损害焊点，并基于随机算法对芯片焊盘上剩余焊点进行初次排列，获得多组焊点位置不同的初次排列芯片焊盘；读取多组焊点位置不同的初次排列芯片焊盘，本发明通过利用历史测试数据和随机算法，通过多次排列和计算，找到最优的焊点位置参数，提高了芯片焊盘的跌落抗击能力，有望减少损害焊点的发生，增强产品的可靠性和耐用性。
-
公开(公告)号：CN117527570B
公开(公告)日：2024-05-17
申请号：CN202311735253.9
申请日：2023-12-18
Applicant: 无锡北微传感科技有限公司
Abstract: 本发明属于通信技术领域，公开了基于边缘强化学习的传感器集群位置优化方法，方法包括：每个异构传感器负责收集传感数据；每个预定区域设置一个边缘计算节点，区域中的异构传感器将收集到的传感数据传输到边缘计算节点进行边缘计算；各个区域的边缘计算节点将边缘计算后的数据发送到中心服务器，中心服务器对数据进行强化学习，学习如何优化传感器的位置和关系以达到最优的系统性能；根据最优策略，中心服务器向边缘计算节点发送指令，指导各个传感器调整位置和状态；传感器位置调整后，中心服务器再次进行强化学习直到获得最优部署位置。本发明通过边缘计算，在数据源近处进行计算，节省网络带宽，提高数据处理速度，提高网络效率。
-
公开(公告)号：CN116881846B
公开(公告)日：2024-04-05
申请号：CN202310869792.5
申请日：2023-07-17
Applicant: 无锡北微传感科技有限公司
IPC: G06F18/25 , G06N3/04 , G06N3/08 , G06F18/2411 , G01D21/02
Abstract: 本发明属于铁塔监控技术领域，公开了一种基于多传感器信息融合的多模态通信铁塔监测方法，步骤包括：采集风速、塔身振动响应、塔身倾斜位移、桁架架构形变、塔基沉降参数；从采集的参数中提取时域和频域特征；从所有特征选择最敏感特征或参数的几个特征，放入敏感特征组，其余特征放入非敏感特征组；构造样本集，将样本集中的特征分为敏感特征和非敏感特征分别输入深度神经网络模型中进行训练，得到敏感特征的识别模型和非敏感特征的识别模型；将两个识别模型进行融合，得到最终的故障识别结果，并输出故障识别结果的置信度。本发明对各种类型铁塔进行多模态分析，实现通信铁塔从设计到运营的全周期、多模态监测。
-
公开(公告)号：CN119939103A
公开(公告)日：2025-05-06
申请号：CN202411867757.0
申请日：2024-12-18
Applicant: 无锡北微传感科技有限公司
Abstract: 本发明公开了基于后轮转向车辆多传感器信息融合方法及系统，涉及传感器信息处理技术领域。该基于后轮转向车辆多传感器信息融合方法，包括以下步骤：数据获取；影响状况评估；车辆状态调整；信息融合。本发明通过获取的多传感器数据得到惯性情况干扰系数、位置状态干扰系数和里程状态干扰系数并判断是否进行车辆状态调整，最后获取进行车辆状态调整后的惯性情况干扰系数、位置状态干扰系数和里程状态干扰系数，并进行信息融合获取车辆三维速度模型，达到了提高基于后轮转向车辆多传感器信息融合准确性的效果，解决了现有技术中存在基于后轮转向车辆多传感器信息融合准确性不高的问题。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.03 seconds)
