一种基于太阳能供电和移动通信传输的大规模ADS-B飞行监视系统

    公开(公告)号:CN112652195A

    公开(公告)日:2021-04-13

    申请号:CN202011458045.5

    申请日:2020-12-10

    IPC分类号: G08G5/00

    摘要: 本发明公开了一种基于太阳能供电和移动通信传输的大规模ADS‑B飞行监视系统。本发明的ADS‑B地面站基于太阳能供电和移动通信传输,本发明设计实施灵活可变ADS‑B地面站工作模式,实时监测电池电量与移动通信信号质量,结合ADS‑B报文数量,以及中心服务器指令要求,实现自适应的ADS‑B报文内容选择、压缩和发送。中心服务器可对远端的ADS‑B地面站进行综合管理和优化,基于地理数字高程模型,计算地理极高点,添加至候选布站点,同时,将已设布站点添加至候选布站点,计算候选布站点的ADS‑B地面站信号覆盖范围,并进一步筛选出合适的候选点,完成新设站布站方案生成,结合已设站方案效果,在效果和成本取得均衡,完成综合优化。

    一种基于复数神经网络的无相位数据成像方法

    公开(公告)号:CN112528869A

    公开(公告)日:2021-03-19

    申请号:CN202011470944.7

    申请日:2020-12-14

    摘要: 本发明公开了一种基于复数神经网络的无相位数据成像方法,属于电磁逆问题的成像技术领域。首先采集真实样本图像,由真实样本图像生成无相位总场数据和理想散射场数据,构成训练集。建立复数域Unet网络,包括分支一和分支二,其中分支一包括虚部生成模块和第一复数网络,分支二为第二复数网络,所述的复数网络包括复数卷积模块、复数批处理化模块和复数激活函数模块。分别对分支一、分支二进行训练,训练结束后将分支一和分支二进行级联,并进一步微调。针对待成像的无相位数据,利用训练好的复数域Unet网络,生成相对应的图像。本发明利用复数域Unet网络中的两个分支来处理电磁逆散射的复数域问题,精度高,响应快。

    一种基于多任务优化的深度神经网络训练方法

    公开(公告)号:CN112506667A

    公开(公告)日:2021-03-16

    申请号:CN202011527041.8

    申请日:2020-12-22

    IPC分类号: G06F9/50 G06N3/08

    摘要: 本发明公开了一种基于多任务优化的深度神经网络训练方法。针对DNN易发生过拟合而严重影响其泛化能力的问题,本发明训练方式包含辅助任务构建和基于多任务优化技术的DNN训练环节。前者利用重采样和数据增广等技术,在原数据集基础上扩展出多个独立的数据集,构建辅助DNN训练任务;后者利用多任务优化技术同时解决所有DNN训练任务,并在训练过程中通过知识迁移将知识从辅助任务迁移至主任务,帮助主任务的训练;最后本发明通过MPI的方式将该方法部署到分布式系统以提高运算效率。本发明方法相比于传统单任务训练算法能得到更好的泛化能力。

    一种定向天线场景下的NOMA下行链路通信方法

    公开(公告)号:CN111246578A

    公开(公告)日:2020-06-05

    申请号:CN202010022841.8

    申请日:2020-01-09

    摘要: 本发明公开了一种定向天线场景下的NOMA下行链路通信方法,属于无线通信技术领域。针对现有NOMA方案无法直接应用于定向天线场景的问题,本发明提出了针对定向天线场景的两用户或多用户下行链路通信方法,本发明中心站点的远端用户天线全部发送远端用户信号,而近端用户天线发送功率在两用户之间进行分配,在近端用户天线中,近端用户及远端用户所对应的功率分配因子分别为μ及1-μ;另外,远端用户天线不再直接对准远端用户本身,而是向近端用户偏一定角度,从而保证近端用户在SIC时对远端用户的等效SNR需求。本发明将NOMA技术方案应用到定向天线场景下的下行链路中,在两用户通信链路夹角较小时,相对于现有的FDMA等正交多址或SDMA接入技术,可以获得通信容量提升。

    一种基于分层处理的无人机图像语义分割识别方法

    公开(公告)号:CN111209808A

    公开(公告)日:2020-05-29

    申请号:CN201911360631.3

    申请日:2019-12-25

    摘要: 本发明公开了一种基于分层处理的无人机图像语义分割识别方法。本发明针对现有语义分割网络直接对输入图像进行端对端的训练,提炼的特征难以识别低像素物体的问题,利用分层学习的思想,将无人机图像识别分为两部分进行:第一部分主要目的是通过网络1快速准确的识别可安全降落的区域,记为ROI(Region of Interest);第二部分为通过网络2识别安全区域内的行人等一切细小可移动变量,将网络1识别出来的ROI区域特征图结果和原始图像通过特征融合模块后作为网络2的输入,来加强安全区域中低像素物体的识别。本发明提出的这种分阶段分层次的训练有助于进行网络参数调整,基于一定先验知识的训练学习有助于提升网络训练结果。

    一种基于缓存机制的流式图划分方法和系统

    公开(公告)号:CN111209106A

    公开(公告)日:2020-05-29

    申请号:CN201911360628.1

    申请日:2019-12-25

    IPC分类号: G06F9/50 G06F9/54 G06F16/901

    摘要: 本发明公开了一种基于缓存机制的流式图划分方法和系统,涉及图计算领域。针对现有流式图划分方法缺乏图数据的局部信息的挖掘,且在划分过程中,容易将多临近边放入不同分区,从而导致较高的平均备份数量,分区间通信代价较高等问题。本发明利用两个计算模块,其中第一计算模块根据当前各个分区的容量、顶点分布对当前进入系统的边进行粗粒度划分,对无法划分的边,放入等待队列由第二计算模块进行处理,第二计算模块处理完毕后唤醒第一计算模块并进行循环交替处理,直至完成划分。本发明不需要将整张图读入内存。本发明的方法能够提高图划分的质量,在保证负载均衡的情况下,明显降低多副本数量和跨分区的通信量。

    一种电动汽车运动-传动-能源系统一体化控制方法

    公开(公告)号:CN111176140A

    公开(公告)日:2020-05-19

    申请号:CN202010001219.9

    申请日:2020-01-02

    IPC分类号: G05B17/02

    摘要: 本发明公开了电动汽车运动-传动-能源系统一体化控制方法,属于新能源汽车的智能控制领域。现有技术缺乏既能考虑车辆一体化动力学模型,又能综合处理系统约束条件、满足车辆实时性决策需求的策略;本发明将现有技术中通常分开独立考虑的两个问题集成,更符合车辆运动过程中机械能、电能等能量转化过程中的能量守恒定律,还原了车辆物理系统作为一个整体的内在耦合性。通过预测控制涉及的一体化控制器,既能实现一定程度的性能优化,又可以对系统约束条件统一考虑。

    一种基于GPU的并行进化算法的可靠性评估方法

    公开(公告)号:CN111161126A

    公开(公告)日:2020-05-15

    申请号:CN201911302686.9

    申请日:2019-12-17

    摘要: 本发明公开了一种基于GPU的并行进化算法的可靠性评估方法。针对现有可靠性分析和验证方法无法对GPU并行进化算法带来的精度误差进行分析和可靠性进行评估的问题。本发明综合考虑CPU与GPU截然不同的编程方式和代码运行模式,首先设计全面的测试问题集以收集算法在不同场景下的数据;其次对基于GPU的并行进化算法的进行可靠性计算建模以量化分析GPU并行化所带来的精度偏差;最后结合测试集和可靠性计算模型,设计完整的可靠性验证流程对基于GPU的并行进化算法进行可靠性评估。