-
公开(公告)号：CN109992847B
公开(公告)日：2022-08-05
申请号：CN201910194398.X
申请日：2019-03-14
Applicant: 桂林电子科技大学 , 桂林笑微酒店管理有限公司
IPC: G06F30/20
Abstract: 本发明公开了一种混合机器学习模型的滑坡位移预测方法，对滑坡监测点进行滑坡影响因素挖掘和滑坡位移数据采集和预处理并作为模型的训练数据；将获得的滑坡影响因素和滑坡位移数据看作时间序列进行小波去燥处理；基于时间序列原理，采用霍德里克‑普雷斯科特滤波器(HP)将去燥后的滑坡影响因素和位移数据分解成趋势项和周期项。针对趋势项和周期项分别采用二阶指数平滑(DBS)的方法和动态多群粒子群(DMS‑PSO)优化极限学习机(ELM)模型进行位移预测。最后将预测的周期项位移和趋势项位移相加得到总的滑坡预测位移。通过该周期项位移预测模型可以更好的求解全局最优解，使预测精度和可靠性更高。
-
公开(公告)号：CN109992847A
公开(公告)日：2019-07-09
申请号：CN201910194398.X
申请日：2019-03-14
Applicant: 桂林电子科技大学 , 桂林笑微酒店管理有限公司
IPC: G06F17/50
Abstract: 本发明公开了一种混合机器学习模型的滑坡位移预测方法，对滑坡监测点进行滑坡影响因素挖掘和滑坡位移数据采集和预处理并作为模型的训练数据；将获得的滑坡影响因素和滑坡位移数据看作时间序列进行小波去燥处理；基于时间序列原理，采用霍德里克‑普雷斯科特滤波器(HP)将去燥后的滑坡影响因素和位移数据分解成趋势项和周期项。针对趋势项和周期项分别采用二阶指数平滑(DBS)的方法和动态多群粒子群(DMS‑PSO)优化极限学习机(ELM)模型进行位移预测。最后将预测的周期项位移和趋势项位移相加得到总的滑坡预测位移。通过该周期项位移预测模型可以更好的求解全局最优解，使预测精度和可靠性更高。
-
公开(公告)号：CN113848573B
公开(公告)日：2025-04-08
申请号：CN202111010076.9
申请日：2021-08-31
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于伪卫星技术的室内外无缝定位方法与系统，通过将伪卫星发射端改为一个收发系统，可以在室内定位的同时接收外部卫星信号，使得室内定位和室外定位相结合，系统还新增了一个参考发射端，通过求得与室内目标的距离和夹角，从而辅助测算出室外位置。本发明可以实现灵活的室内外定位切换，由于伪卫星电文和天上卫星高度相似，不影响接收机的正常捕获，无论定位目标在室内还是室外都能正常接收信号，因此不需要额外设计专用接收机且不用切换室内外模式，系统技术实现简单，且算法实现容易，可控性强。
-
公开(公告)号：CN115932850B
公开(公告)日：2025-03-21
申请号：CN202211573336.8
申请日：2022-12-08
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于频率分集阵列的逆合成孔径成像方法，截取FDA对某一目标扫描周期内的有效时段，重复发射该有效时段，并将形成的重复信号作为ISAR的发射波束。该方法通过将指向其他无用方向的时段利用起来，针对需要被探测的方向持续性的发射能聚焦的波束，从而达到稳定跟踪的效果。并且以该方法产生的波束也解决了FDA存在的距离角度耦合问题，同时持续的FDA波束可获得距离向分辨能力，并通过目标与雷达之间的相对运动获得方位像分辨能力，这使雷达成像系统具备了二维成像的能力，最终利用成像算法对目标进行二维成像。
-
公开(公告)号：CN114387459B
公开(公告)日：2025-03-11
申请号：CN202210095816.1
申请日：2022-01-26
Applicant: 桂林电子科技大学
IPC: G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了动态双模板更新的单目标跟踪方法及存储介质，所述方法，包括步骤10、读取视频序列；步骤20、读取视频序列的第一帧图像及其标注数据，进行初始化模板得到模板图像；步骤30、读取下一帧图像，处理为搜索区域图像；步骤40、将所述模板图像和所述搜索区域图像同时送入预设强特征提取网络，分别获得模板特征图和搜索区域特征图；步骤50、对所述模板特征图和搜索区域特征图进行相似度匹配计算，输出相似度得分响应图，得到初步跟踪预测结果。本发明动态双模板更新的单目标跟踪方法，为一种结合强特征提取网络和动态双模板更新策略的目标跟踪方法，当所跟踪的目标所在的视频序列较为复杂时，仍然有较高精确率和鲁棒性跟踪。
-
Patent Agency Ranking
公开(公告)号：CN119414880A
公开(公告)日：2025-02-11
申请号：CN202411482480.X
申请日：2024-10-23
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及人工智能技术领域，具体涉及一种融合A星的多智能体蜂拥避障方法，通过构建具有速度约束的多智能体运动模型，计算各智能体位置和速度信息；接着构建智能体之间的交互项；同时构建智能体i与其最近的障碍物边界点k之间的交互项；根据智能体i的运动情况，构建目标点及虚拟目标点对智能体的导航反馈项；划分智能体的感应区域为安全区、预警区、危险区和碰撞区，计算智能体之间，智能体i和目标点，以及智能体i与其最近的障碍物边界点k之间的距离，并通过模糊控制器动态调整交互项中增益参数；综合所有交互项，确定智能体的控制输入。本发明减少了多智能体间的通信需求，消除了对障碍物形状的依赖，提高了实时避障的能力。
-
公开(公告)号：CN119291733A
公开(公告)日：2025-01-10
申请号：CN202411417702.X
申请日：2024-10-11
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及卫星定位导航增强技术领域，具体涉及一种基于BP神经网络融合多源数据的全球电离层反演方法，通过地基GNSS观测数据反演出STEC，接着采用投影函数将其投影至电离层穿刺点的垂直方向得到VTEC，利用BP神经网络及克里金插值法将地基观测数据融合到IRI‑2016电离层模型来解决GNSS跟踪站在全球分布不均匀的问题，从而提高电离层的反演精度，采用球谐函数来表述VTEC空间分布，再由海洋测高卫星观测数据，以及DORIS观测数据和COSMIC掩星数据来改善地基GNSS观测数据在海洋地区的缺失问题，建立全球电离层观测方程，构建法方程，最后通过赫尔默特方差估计精确定权计算生成全球电离层格网数据VTEC，以提高全球电离层观测精度。
-
公开(公告)号：CN119064963A
公开(公告)日：2024-12-03
申请号：CN202410985902.9
申请日：2024-07-22
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明提出了一种GNSS‑RTK多模型级联抗差方法，利用自适应噪声完备集合经验模态分解(CEEMDAN)级联改进的智能优化小波包分解阈值降噪技术对多路径误差以及随机误差进行滤波处理，包括一：导入观测的GNSS‑RTK监测结果数据x(t)；二：确立CEEMDAN参数条件，对监测结果进行CEEMDAN分解，得到一系列IMF分量；三：计算各IMF分量与x(t)的互相关系数ρ，根据划分准则条件对IMF进行划分。对小于阈值部分的低频分量直接剔除；剩下部分根据互相关极值判定条件，对噪声主导部分进行小波包降噪，信号主导部分直接参与重构不做处理；四：将噪声主导的IMF成分进行小波包分解获取小波包系数，通过小波包分解系数能量分布对分解后的系数进行预处理并确立要降噪的层级；五：根据分解后的系数，确立各个小波包的阈值，通过海洋捕食者智能优化算法对改进的带参小波阈值函数的参数进行寻优，确立最佳阈值函数参数，并对小波包系数进行阈值化处理。将降噪后的小波包系数进行逆运算，获取降噪后的IMF分量；六：将信号主导的IMF分量和经过小波包去噪的噪声主导的IMF分量进行重构，得到降噪后的监测信号。
-
公开(公告)号：CN119022910A
公开(公告)日：2024-11-26
申请号：CN202410999240.0
申请日：2024-07-24
Applicant: 桂林电子科技大学 , 桂林长海发展有限责任公司
IPC: G01C21/00 , G06F18/15 , G06F18/213 , G06F123/02
Abstract: 本发明涉及同时定位与建图技术领域，具体涉及一种重尾噪声下鲁棒概率假设密度SLAM方法，将SLAM问题分解为机器人位姿估计和地图估计两个耦合的子问题，其中机器人位姿建模为粒子，环境地图建模为概率假设密度，然后利用EKF算法对所有表示机器人位姿的粒子进行重要性采样；基于每个粒子进行地图预测，将新生概率假设密度添加到后验概率假设密度中；再将量测噪声建模为学生t分布，利用基于学生t分布的边缘近似似然函数，推导出完整的地图更新表达式；最后利用SC策略更新机器人位姿粒子的权重，并进行状态提取和粒子重采样。本发明有效提高了重尾噪声场景下SLAM问题的估计精度。
-
公开(公告)号：CN113810842B
公开(公告)日：2024-10-29
申请号：CN202111088441.8
申请日：2021-09-16
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明公开一种基于用户位置与距离优化的排序聚类定位方法，根据用户前后位置、距离与步长建立了一个类匹配偏差检测模型，达到了对用户位置异常与匹配偏差精确判断的目的，将排序后RSSI向量中的相邻元素作差与设定阈值相比较，确定了待定位点排序特征向量变化位置，进行交换校正，得到了优化后的类匹配结果，最后根据定位时前m时间段内所确定的用户位置与匹配类中指纹点的距离远近，剔除了WKNN定位算法中的异常指纹点，实现了更为精确的WLAN位置指纹室内定位。通过在相似且相近指纹点筛选过程中借助用户位置与距离剔除异常指纹点，实现了对定位算法的优化。
-
-
-
-
-
-
-
-
-
Search Results
501
records
(took 0.048 seconds)
