-
公开(公告)号：CN105281823A
公开(公告)日：2016-01-27
申请号：CN201510560537.8
申请日：2015-09-06
Applicant: 哈尔滨工业大学
CPC classification number: H04B7/1851 , H04B7/0857 , H04B7/0891 , H04B7/18534 , H04L1/0668
Abstract: 星地混合网络双向中继通信系统MIMO-COPNC网络传输方法，属于双向中继通信领域。为了解决传统双向中继通信网络的传输协议误码率高且在非对称信道传输时误码率性能恶化严重的问题。所述方法包括：星源节点和地面移动源节点同时发送信息，信息通过无线信道中传输，中继节点收到以电磁波形式叠加的信息，并对其进行处理和联合正交物理层网络编码，得到综合信息，然后再通过无线信道将综合信息进行广播，相应节点接收信息，并进行译码，星源节点和地面移动源节点分别获得对方节点发送的信息，实现信息的双向传输。本发明适用于中继节点多天线的双向中继通信系统的传输。
-
公开(公告)号：CN105187144A
公开(公告)日：2015-12-23
申请号：CN201510705836.6
申请日：2015-10-27
Applicant: 哈尔滨工业大学
IPC: H04B17/382
Abstract: 空天地一体化网络中能够剔除恶意移动终端的协作式频谱感知方法，涉及信息与通信技术领域，本发明是为了解决空天地一体化网络中地面部分可能存在的恶意移动终端的恶意攻击问题。本发明是利用信任度的概念，首先将所研究的网络区域划分为若干个单元格，然后在每个单元格中比较每个移动认知用户的本地检测结果与该单元格中多数用户检测结果差距的大小并以此为据更新各个认知用户的信任度值，并利用预设门限判定该用户是否为恶意用户，而后将恶意用户的所有检测结果均剔除掉。最后，仅仅利用各个认知用户的本地检测结果为每个检测结果计算并分配恰当的权值，使整个系统的检测概率增加，虚警概率保持不变。本发明适用于空天地一体化网络中的频谱感知。
-
公开(公告)号：CN103198447A
公开(公告)日：2013-07-10
申请号：CN201310120689.7
申请日：2013-04-09
Applicant: 哈尔滨工业大学
CPC classification number: Y02A90/14
Abstract: 一种基于卫星云图的风矢场实时度量方法，属于图像处理和运动估计领域。解决了现有模型计算复杂，实时性不强，搜索算法效率不高等问题。将探测到的地球温度数据转换为灰度数据，将灰度数据转换为经纬度数据，然后将经纬度数据转换为图像坐标，卫星云图数据以图像形式显示；对比三个连续时间的卫星云图，块匹配以后，根据实时性需求选择不同的搜索方法，确定风矢场经纬度和方向；综合数据预处理和搜索结果，进一步得到每个风矢的灰度，温度及其所在等压面；最终通过观察风矢场在卫星云图上的位置，大小和方向及其所在等压面可以观测大气环流和中长期天气预报。本发明避免了卫星云图大数据量图像处理时计算复杂、实时性强，提高了系统的执行效率。
-
公开(公告)号：CN117956479A
公开(公告)日：2024-04-30
申请号：CN202410157802.7
申请日：2024-02-04
IPC: H04W16/14 , H04W72/0453 , H04W72/044 , H04W84/06
Abstract: 一种基于联合功率和频率分配的星地一体化网络频谱共享方法，它属于星地一体化网络频谱共享领域。本发明解决了星地频谱共享时共信道干扰严重，以及现有频谱共享方法的计算复杂度高的问题。本发明方法具体为：步骤一、构建星地一体化网络频谱共享模型；步骤二、基于构建的星地一体化网络频谱共享模型，构建星地一体化网络资源优化分配问题；步骤三、将步骤二中构建的问题解耦为功率分配子问题和频率资源调度子问题；在干扰协调单元上，根据功率分配子问题计算功率分配结果并返回给基站；基站根据返回的功率分配结果和频率资源调度子问题，来计算分配给每个地面用户的资源块数量，得到资源块分配结果。本发明方法可以应用于星地一体化网络频谱共享。
-
公开(公告)号：CN109241981B
公开(公告)日：2022-07-12
申请号：CN201811021166.6
申请日：2018-09-03
Applicant: 哈尔滨工业大学
IPC: G06V10/44 , G06K9/62 , G06V10/77 , G06V10/774 , G06V10/764
Abstract: 为了提高目标跟踪的准确性，本发明提供一种基于稀疏编码的特征检测方法，属于计算机视觉领域的目标跟踪技术领域。本发明包括：S1、利用基于局部阈值的FAST角点检测算法来提取局部特征点，并计算特征点的局部梯度方向，以特征点为中心采样图像块，作为训练样本；S2、根据特征点的局部梯度方向对字典元素进行分组训练获得过完备字典；S3、利用得到的字典对测试样本进行稀疏表示，然后对图像块分块，构建稀疏特征，根据该稀疏特征的检测器实现目标跟踪。本发明利用稀疏编码学习目标的稀疏特征，提高目标跟踪的准确性和鲁棒性。根据图像块的局部梯度方向分别训练不同分组的字典元素，以反映图像块的局部方向信息，提高目标跟踪的准确性。
-
Patent Agency Ranking
公开(公告)号：CN112422493A
公开(公告)日：2021-02-26
申请号：CN202010733640.9
申请日：2020-07-27
Applicant: 哈尔滨工业大学
Abstract: SDN网络架构下基于多层感知神经网络MLDNN的DDoS攻击检测方法，涉及信息与通信技术领域，是为了在DDoS攻击检测过程中，降低由于LSTM模型对数据的敏感性所带来的网络初始阶段流量的误判率的问题。本发明提出一种在SDN网络架构下结合多层感知神经网络MLDNN和LSTM模型的DDoS攻击检测方法，不仅可以对时间序列做出分类判断，达到通过一段时间的流量特征进行检测判断，以减少由于单一机器学习分类器对个别异常流量造成的误警问题，还可以降低由于LSTM模型对数据的敏感性所带来的网络初始阶段流量的误判率，并减少检测耗时，减轻系统负担。
-
公开(公告)号：CN109361445B
公开(公告)日：2020-11-13
申请号：CN201811148892.4
申请日：2018-09-29
Applicant: 哈尔滨工业大学
Abstract: 为了解决现有NOMA网络中轮询操作导致时间资源浪费，增加时延，及通信中断的问题，本发明提供一种利用全双工中继的双向非正交多址接入方法，属于信息与通信技术领域。本发明包括：两个需要信息交流的用户D1和D2同时向中继发送各自信号，分别为：x1和x2；中继同时接收x1、x2的叠加信号、环路干扰信号和噪声信号；中继依次检测信号x1和x2，根据检测到信号x1和x2，向用户D1和D2同时发送叠加的非正交多址接入信号；用户D1和D2各自接收叠加的非正交多址接入信号；用户D1检测信号x2：在检测信号x2时，D1需要先检测信号x1，检测完成后在接收信号中剔除掉信号x1，再检测信号x2；用户D2直接检测信号x1。
-
公开(公告)号：CN104994517B
公开(公告)日：2019-04-09
申请号：CN201510316579.7
申请日：2015-06-10
Applicant: 哈尔滨工业大学
IPC: H04W16/22 , H04B17/391
Abstract: 一种高空平台MIMO通信系统三维信道建模方法，本发明涉及高空平台MIMO通信系统三维信道建模方法。本发明的目的是为了解决二维MIMO信道模型不能准确的描述高空平台MIMO通信系统信道以及无线信道之间的空间相关性高，导致信道容量低的问题。通过以下技术方案实现的：步骤一、制备链路p‑l和链路q‑m的输入时延扩展函数；步骤二、对步骤一中制备的输入时延扩展函数进行傅里叶变换，得到链路p‑l的时变传输函数和链路q‑m的时变传输函数；步骤三、在步骤二中得到的链路p‑l的时变传输函数和链路q‑m的时变传输函数的基础上，求出链路p‑l的时变传输函数和链路q‑m的时变传输数之间的空时频相关函数；步骤四、计算信道容量。本发明应用于通信领域。
-
公开(公告)号：CN105281779B
公开(公告)日：2018-12-14
申请号：CN201510741861.X
申请日：2015-11-04
Applicant: 哈尔滨工业大学
IPC: H03M7/30
Abstract: 多观测值向量稀疏度自适应压缩采样匹配追踪方法，涉及信息与通信技术领域。是为解决从Xampling框架下经过调制宽带转换器采样，通过连续‑有限模块转化后的未知稀疏度的多观测值向量中恢复出原始多频带信号的问题提出的。本发明首先对信号的稀疏度进行自适应估计。然后通过反复迭代用给定的步长因子对稀疏度进行更新，使之逐渐逼近信号实际稀疏度，同时通过回溯思想和最小均方准则修正支撑集，直到残差小于设定阈值时，停止迭代。最后利用求出的完整支撑集通过伪逆运算重构出原始的多频带信号。本发明可实现基于压缩感知的模拟多频带信号重构。
-
公开(公告)号：CN105391453B
公开(公告)日：2018-10-02
申请号：CN201510741828.7
申请日：2015-11-04
Applicant: 哈尔滨工业大学
Abstract: 基于Xampling框架构造观测矩阵的信号压缩感知方法，涉及信息及通信技术领域。它是为了解决目前压缩感知中随机观测矩阵不易在硬件中实现的问题、确定性观测矩阵重构概率低导致的信号压缩感知能力低问题。其方法：首先产生一个随机向量a；然后将随机向量a循环移位产生一个新向量ai；再将向量ai与随机向量a对应元素相乘，得到观测矩阵的第i行ri；最后循环N次进行上面的步骤，构造出M×N维的观测矩阵R，进而对信号进行压缩感知。本发明适用于信号压缩感知。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.027 seconds)
