-
公开(公告)号：CN119788146A
公开(公告)日：2025-04-08
申请号：CN202411695531.7
申请日：2024-11-25
Applicant: 北京临近空间飞行器系统工程研究所
Inventor： 陈俊勇 , 魏珂 , 王毅 , 陈超 , 梁瑞卿 , 陈燕扬 , 张运 , 赵翔宇 , 王宇飞 , 陈虎 , 彭晓 , 丁雪 , 王泽齐 , 胡天辰 , 袁延荣 , 武春飞 , 潘明健 , 李瑾 , 髙檗 , 李浩 , 纪祖赑
Abstract: 本发明公开了一种面向多任务复杂环境的无线通讯决策系统，该无线通讯决策系统运行无线通信系统架构中。无线通讯决策系统包括系统初始化模块、多源数据接收模块、精确控制算法模块、动态中继卫星切换模块、高效遥测数据分包模块以及状态监测与链路传输模块等六大核心模块。无线通讯决策系统主要功能是监测航天器运行状态并接收飞行数据，并将数据综合分包通过卫星或地基方式进行遥测传输。在飞行过程中，无线通讯决策系统根据监测到的航天器状态实时制定卫星通信链路控制策略，用来选择通信卫星或控制卫星通信设备进行通信。无线通讯决策系统在无线通信系统架构中处于天线角度控制的关键路径，实时性高，依赖性强。
-
公开(公告)号：CN115908934A
公开(公告)日：2023-04-04
申请号：CN202211544163.7
申请日：2022-12-03
Applicant: 北京临近空间飞行器系统工程研究所
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本公开的基于仿海马体记忆机制的图像处理方法，通过基于深度自编码器对接收的样本图像信息进行特征提取得到样本图像的特征图；利用与任务背景相关的图像和样本图像的特征图建立背景知识图谱；利用生成模型和鉴别模型对样本图像的特征图进行对抗式训练得到与样本图像的特征图独立同分布的扩增特征图；基于背景知识图谱获取当前场景下与待识别目标场景相关的目标数据，利用仿海马体记忆机制对目标数据和扩增特征图进行时域信息推理得到时域信息推理结果T，对时域信息推理结果T进行识别得到时域信息识别结果M，对时域信息推理结果T和时域信息识别结果M进行IOT计算，得到基于仿海马体记忆机制的识别结果HM；将扩增特征图输入元学习深度神经网络进行训练，输出元学习的小样本学习识别结果Meta；利用聚类算法对识别结果HM和小样本学习识别结果Meta进行聚类，得到图像处理结果。能够显著提升了小样本约束条件下图像识别能力，提升扩增图像数据的质量。
-
公开(公告)号：CN112311953A
公开(公告)日：2021-02-02
申请号：CN202011037982.3
申请日：2020-09-28
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本发明提供了一种可逆式图像信息隐藏方法、装置、电子设备以及介质，该方法包括预处理过程、信息嵌入图像过程、以及信息提取和图像还原过程三个步骤。本发明通过将图像进行奇异值矩阵变换，在不影响图像视觉质量和传输代价的前提下，将个人信息嵌入到需要传输的图像中，在需要的时候可以通过提取算法从宿主图像中将嵌入信息提取出来，从而实现对图像源头的记录，进而保证了图像传输的安全性和可追溯性。
-
公开(公告)号：CN112307991A
公开(公告)日：2021-02-02
申请号：CN202011214381.5
申请日：2020-11-04
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本申请公开了一种图像识别方法、装置及存储介质，用于降低漏检率，提升目标检测的准确度。本申请公开的图像识别方法包括：读取待处理图像，对所述待处理图像进行预处理，得到第一图像；加载深度神经网络的权重系数；将所述第一图像输入所述深度神经网络，进行识别目标的预测，得到预测结果；根据所述预测结果，在待处理图像中绘制识别目标。本申请还提供了一种图像识别装置及存储介质。
-
公开(公告)号：CN114119480A
公开(公告)日：2022-03-01
申请号：CN202111250055.4
申请日：2021-10-26
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本发明涉及一种基于深度学习的裂纹缺陷检测系统，属于产品裂纹缺陷检测领域；包括图像标注模块、图像预处理模块、数据增强模块、深度神经网络模块和算法预测模块；本发明通过合理设计神经网络架构，实现目标区域矩形坐标、目标类别、目标像素区域多任务识别，依托像素级分割识别算法的优势，有效地提升目标检测算法对目标区域识别的准确度，给出了目标像素级的分类信息，降低了部分复杂外形目标区域识别错误率，高效可靠地实现目标精准定位，从而提高实际工程应用中对目标检测算法高准确度的需求，为高精度目标识别应用场景提供了有力的算法支撑。
-
Patent Agency Ranking
公开(公告)号：CN112231442A
公开(公告)日：2021-01-15
申请号：CN202011100936.3
申请日：2020-10-15
Applicant: 北京临近空间飞行器系统工程研究所
IPC: G06F16/33 , G06F16/35 , G06F40/30 , G06F40/289
Abstract: 本申请公开了一种敏感词过滤方法及装置，用于提高航天领域敏感词过滤的效率。本申请提供的敏感词过滤方法包括：对文本进行预处理；对所述预处理后的文本进行特征提取，形成文本特征数据；根据敏感词动态字典库，对所述文本特征数据进行敏感词过滤；生成过滤后的文档数据。本申请还提供了一种敏感词过滤装置。
-
公开(公告)号：CN116384917A
公开(公告)日：2023-07-04
申请号：CN202310311936.5
申请日：2023-03-27
Applicant: 北京临近空间飞行器系统工程研究所
Inventor： 封慧英 , 赵良 , 王毅 , 陈超 , 赵俊翔 , 魏珂 , 纪祖赑 , 梁宇 , 丁雪 , 宋宇光 , 李萌萌 , 梁瑞卿 , 赵翔宇 , 拓万琛 , 李铮 , 严婷婷 , 孙京阳 , 丛薇
Abstract: 本发明涉及一种基于组件的自动化流程数据处理系统，包括多总线协议配置平台和数据自动化综合处理平台；多总线协议配置平台统一各总线数据帧格式，确定标准数据结构，利用建模语言脚本依据参数处理要求对数据帧格式、总线消息、遥测参数、参数处理公式进行数学计算解析配置，实现对多总线协议参数的统一配置管理；数据自动化综合处理平台，将数据处理涉及的各个功能进行流程化建模，并将其封装为相应的组件；通过流水线方式串联用户选择的功能组件，实现遥测参数的高效解析。本发明基于组件的自动化流程数据处理平台为软件问题提供了解决方法，有效缩短了开发周期，提高了软件稳定性和可靠性。
-
公开(公告)号：CN113762359B
公开(公告)日：2024-02-13
申请号：CN202110950679.0
申请日：2021-08-18
Applicant: 北京临近空间飞行器系统工程研究所
IPC: G06V10/764 , G06V10/80 , G06V10/762 , G06V10/774 , G06N20/00
Abstract: 本发明一种面向RD时频数据的深度学习模型评测系统及方法，其过程包括验证集扩充、多IOU阈值F1计算、多IOU阈值mAP计算、FLOPs计算、评测指标集成计算。评测方法主体为验证集扩充方法及基于集成策略的模型评测方法，通过图像融合与检验机制对验证集进行扩充，解决面向RD时频数据短缺问题，可以在不引入明显噪声信息、不泄露目标标签信息、不改变数据分布情况下得到更大规模的验证集，使得验证集更好地表征整体数据的特征，更好地评测模型的泛化性能；用多IOU阈值的F1得分、多IOU阈值的mAP、FLOPs的加权得分表示深度学习模型的整体能力，可以更准确地表征模型在单点最优、全局平
-
公开(公告)号：CN116248427A
公开(公告)日：2023-06-09
申请号：CN202210930470.2
申请日：2022-08-04
Applicant: 北京临近空间飞行器系统工程研究所
IPC: H04L12/40 , H04L41/0806
Abstract: 本发明公开了一种基于总线模块通用化多模式通信构件及其通信方法，所述通信构件包括：用户应用模块，用于为用户提供芯片选择、模式选择、应用函数选择功能；多模式初始化模块，用于针对用户的芯片选择和模式选择提供匹配的初始化函数以实现对用户选择的芯片和模式进行初始化流程；驱动层模块，用于为用户应用模块提供多种模块函数的统一接口。本发明提供了基于不同芯片的初始化和配置方式，支持远程终端和消息监听器两种模式，适用性广泛，大大降低工程风险和应用成本。
-
公开(公告)号：CN113762359A
公开(公告)日：2021-12-07
申请号：CN202110950679.0
申请日：2021-08-18
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本发明一种面向RD时频数据的深度学习模型评测系统及方法，其过程包括验证集扩充、多IOU阈值F1计算、多IOU阈值mAP计算、FLOPs计算、评测指标集成计算。评测方法主体为验证集扩充方法及基于集成策略的模型评测方法，通过图像融合与检验机制对验证集进行扩充，解决面向RD时频数据短缺问题，可以在不引入明显噪声信息、不泄露目标标签信息、不改变数据分布情况下得到更大规模的验证集，使得验证集更好地表征整体数据的特征，更好地评测模型的泛化性能；用多IOU阈值的F1得分、多IOU阈值的mAP、FLOPs的加权得分表示深度学习模型的整体能力，可以更准确地表征模型在单点最优、全局平均最优、时间性能方面的能力，从而为面向RD时频数据的深度学习模型评测提供有力技术支撑。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.04 seconds)
