-
公开(公告)号：CN114578403A
公开(公告)日：2022-06-03
申请号：CN202210200510.8
申请日：2022-03-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种在高动态环境下的频率精细估算方法，包括如下步骤：S1‑1、获取接收端信号；S1‑2、计算接收端信号的峰值；S1‑3、通过公式粗略估算MF参数；S2‑1、获取观测到的峰值并转化为表达式；S2‑2、通过峰值表达式设定联合概率密度函数；S2‑3、通过联合概率密度函数得到目标函数，并计算目标函数的最优值；S2‑4、把最优值代入接收端信号的峰值的表达式中，通过奇异点分割优化，改写目标函数，并得到差分函数和峰值误差函数；S2‑5、计算出反馈误差，并通过迭代，得到精确估算参数MF。可以通过高动态参数来计算出MF，从而可以为高动态环境下实现精确定位，并且可以实现高检测频率实现参数概率参数估计和高频率估计参数精度实现高动态环境下频率参数捕获。
-
公开(公告)号：CN112946784A
公开(公告)日：2021-06-11
申请号：CN202110332168.2
申请日：2021-03-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的SuperDARN雷达对流图短期预报方法，包括以下步骤：步骤1：获取SuperDARN雷达观测数据和OMNI卫星观测数据并进行预处理；步骤2：将OMNI卫星观测数据和SuperDARN雷达观测数据匹配并对齐构成完备数据集；步骤3：使用皮尔逊相关系数法进行特征选择并对其标准化；步骤4：输入到Python中Tensorflow模块搭建好的深度学习模型中进行训练，参数调试，得到预报模型；步骤5：将预报模型应用到测试数据中。本发明基于深度学习和大数据相关理论技术的发展，采用神经网络相关方法，利用SuperDARN雷达获得的海量具有丰富信息的数据，将数据之间的关系用具有强大拟合能力的神经网络表达出来，实现高纬电离层对流图像的短期预报，满足空间天气预报的需求。
-
公开(公告)号：CN118169680A
公开(公告)日：2024-06-11
申请号：CN202410298573.0
申请日：2024-03-15
Applicant: 杭州电子科技大学
Abstract: 本发明属于空间物理技术领域，为了解决实际探测中雷达无法获取所有的回波数据，不能构建全域的对流图的问题，提出了一种SuperDARN雷达极区电离层全域对流图补全方法。先将预处理后的OMNI卫星观测数据和SuperDARN雷达实际观测的对流速度数据按预设时间间隔对齐构成完整的数据集；通过皮尔逊相关系数法和灰色关联度算法，选取六种空间物理参数和经纬度特征，输入到深度学习模型中进行训练，得到补全模型，并应用补全模型进行Super DARN雷达极区电离层速度全域对流图补全。
-
公开(公告)号：CN114355411A
公开(公告)日：2022-04-15
申请号：CN202111585075.7
申请日：2021-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明描述了一种基于北斗或GPS导航系统卫星载噪比观测值的洪水探测方法，属于导航卫星反演技术领域。发明提出一种基于北斗/GPS导航卫星系统载噪比观测值的洪水探测方法：第一步：在模型建立层面。第二步：基于载噪比观测值的直接探测法。第三步：基于载噪比相位差与土壤湿度关联模型的间接探测法。第四步：对洪水探测结果分析处理。采用本发明所述方法，既避免了传统地面观测站因站点分布少，密度不均匀，时空分辨率低等问题而导致的洪水探测精度低和探测范围小的缺陷，同时避免了基于遥感卫星雷达站方法建设成本高和建设周期长，且需专用接收机设备进行探测的缺陷。
-
公开(公告)号：CN114355407A
公开(公告)日：2022-04-15
申请号：CN202111630534.9
申请日：2021-12-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于高度角强约束的北斗载波相位多径校正方法，包括如下步骤：步骤1、多径抽取，步骤2、多径建模，采用基于分轨道分频率分卫星的自更新和自强化的多径建模；步骤3、多径校正搜索，采用基于高度角引导的快速时域搜索算法。采用上述技术方案，可以有效提高北斗载波相位的多径误差校正精度和效率，基于高度角约束的自适应阈值和分层小波变换对后拟合单差观测值进行滤波处理，有效地降低了观测值的误差水平，提高了多径模型的抽取精度和效率；基于分轨道分频率分卫星的高度角模型对多径误差进行建模，同时采用自强化和自更新对模型进行实时强化和更新，提高了模型精度的稳定性和应用的时效性，为后续多径校正提供扎实的基础。
-
Patent Agency Ranking
公开(公告)号：CN113589289A
公开(公告)日：2021-11-02
申请号：CN202110783539.9
申请日：2021-07-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了提取SuperDARN雷达电离层对流图像不对称性的方法及系统，本发明方法包括以下步骤：步骤1：获取SuperDARN雷达观测数据和OMNI卫星观测数据并进行预处理；步骤2：将OMNI卫星观测数据和SuperDARN雷达观测数据匹配并对齐构成数据集；步骤3：使用曲面拟合法拟合出最优曲面并通过插值方式绘制对流图像；步骤4：通过最大电势点和最小电势点的位置，计算斜率和对应的倾斜角，对对流图像进行翻转；步骤5：使用曲面拟合法绘制翻转后的对流图像；步骤6：通过相关参数对原始图像和翻转图像进行评估；步骤7：采用不对称性指标对对流图像的不对称性进行评价。本发明能客观地说明对流图像的两个半球间的不对称性。
-
公开(公告)号：CN112259086A
公开(公告)日：2021-01-22
申请号：CN202011102941.8
申请日：2020-10-15
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于语谱图合成的语音转换方法，包括：S1.将源语音和目标语音的语谱图分解为内容语谱图和说话人语谱图，并将内容语谱图和说话人语谱图分别输入超深度卷积神经网络中进行处理，分别得到语义内容信息和说话人身份信息；S2.将得到的语义内容信息和说话人身份信息映射到特征空间，分别得到语义内容信息和说话人身份信息的特征矩阵直方图；S3.将得到的语义内容信息和说话人身份信息的特征矩阵直方图输入直方图匹配HdaIN层中进行匹配，得到目标特征矩阵；S4.基于生成框架将得到的目标特征矩阵转换为目标语谱图；S5.将转换得到的目标语谱图通过生成对抗网络转换为语音波形输出。
-
公开(公告)号：CN109239744B
公开(公告)日：2020-10-09
申请号：CN201811221034.8
申请日：2018-10-19
Applicant: 杭州电子科技大学
IPC: G01S19/30
Abstract: 本发明主要公开了一种基于复信号相位的快速抗比特反转快速捕获方法，通过对接收信号进行下变频处理，并对本地相关信号和接收信号进行分块，将得到矩的阵进行码相位搜索处理，得到待检测变量，再通过相干积分检测，得到码相位搜索处理的相干积分值，对接收信号进行码相位处理得到码相位处理待检测变量，得出的估算的比特数据反转位置，再进行相干积分检测，最后得到待求参数码相位，最终获得估计的捕获参数码相位和频率，从而实现了GNSS信号的快速捕获。本发明方法可以快速精确估计码相位，从而实现比特符号反转情况下捕获参数估计。
-
公开(公告)号：CN119807794A
公开(公告)日：2025-04-11
申请号：CN202411923972.8
申请日：2024-12-25
Applicant: 杭州电子科技大学
IPC: G06F18/23213 , G01S13/95 , G01S7/41 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/048 , G06N3/084 , G06F18/2131 , G06F18/24
Abstract: 本发明公开了一种基于SuperDARN雷达网的地海态识别方法，包括如下步骤：步骤1、获取SuperDARN雷达探测的IQ信号数据并预处理；步骤2、应用预处理后的IQ信号数据得到ACF数据，从ACF数据中提取特征数据，并构建数据集；步骤3、构建并训练聚类模型，所述聚类模型为自编码器和K‑means聚类相结合，所述自编码器包括编码器和解码器；步骤4、将测试集作为输入对预训练的聚类模型进行评估；步骤5、应用完成评估后的聚类模型进行地海态识别。该方法弥补现有技术中基于SuperDARN回波数据区分地面回波和海面回波方法的不足。
-
公开(公告)号：CN118037709A
公开(公告)日：2024-05-14
申请号：CN202410324134.2
申请日：2024-03-21
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/54 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及产品缺陷检测领域，具体公开了一种基于深度学习产品加工表面分析系统；本发明通过设置数据采集模块、数据集构建模块、缺陷纹理提取模块、深度特征提取模块和缺陷定位及类别检测模块，数据采集模块和数据集构建模块能够有效采集产品表面缺陷图像样本，并按照缺陷种类对缺陷样本图像进行分类，之后采用LBP编码算法对缺陷样本图像进行处理，能够有效突出缺陷图片上的纹理特征，之后深度特征提取模块采用卷积算法实现样本图像的多级别深度特征提取，最后由缺陷定位及类别检测模块识别图像缺陷特征，以此实现产品表面缺陷特征的有效提取与缺陷类别判断。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.022 seconds)
