多波束天线系统
    2.
    发明公开

    公开(公告)号:CN108206323A

    公开(公告)日:2018-06-26

    申请号:CN201611173986.8

    申请日:2016-12-19

    IPC分类号: H01Q1/36 H01Q3/26

    CPC分类号: H01Q1/36 H01Q3/26

    摘要: 本发明涉及通信技术领域,具体公开了一种多波束天线系统,本系统包括多波束形成网络、用以向多波束形成网络提供波束的射频通道以及用以发送来自多波束形成网络的波束的基本辐射单元;其中所述多波束形成网络具有两个以上的输入端口,并对任一输入端口输入的单个波束进行不同的相位变换后输出;所述多波束形成网络通信连接有波束控制系统,所述多波束形成网络与所述波束控制系统之间设置有多路选择器;所述多路选择器根据所述波束控制系统的信号选通多波束形成网络不同的输入端。本系统有效克服了现有单一波束天线在运动中不能覆盖通信目标的问题,利于提高通信质量。

    高效兼安全型电表数据收集系统

    公开(公告)号:CN108234148A

    公开(公告)日:2018-06-29

    申请号:CN201611155080.3

    申请日:2016-12-14

    IPC分类号: H04L12/22 H04L9/30 H04L9/08

    摘要: 本发明涉及通信技术领域,具体公开了一种高效兼安全型电表数据收集系统,本系统通过数据收集器接收智能读表器发送的加密电表数据后解密并编码,然后选取部分解密编码的电表数据进行二次加密,并将这部分二次加密且具有编码的电表数据以及未进行二次加密的具有编码的电表数据发送给能源管理终端,所述能源管理终端对二次加密且具有编码的电表数据进行解密解码、并对未进行二次加密的具有编码的电表数据进行解码得到用户的电表数据信息,既保证了通信数据的安全性,同时由于ES处仅需解密部分个编码且加密的消息,因此又降低了ES处的解密复杂度。

    一种图像实时语义分割方法
    7.
    发明公开

    公开(公告)号:CN109949313A

    公开(公告)日:2019-06-28

    申请号:CN201910124431.1

    申请日:2019-05-17

    IPC分类号: G06T7/11 G06T3/40 G06N3/04

    摘要: 本发明公开了一种图像实时语义分割方法,包括:选取视频中的一帧图片作为当前原始图像,并对其进行N×N区域划分;将当前子图像同时输入低层次特征提取网络进行低层次特征提取并输出子图像特征图;将子图像特征图输入关键帧提取网络进行训练,判断当前子图像是否被选为下一个关键子图像;如果当前子图像被选为下一个关键子图像,则将当前子图像输入高精度语义分割网络;如果当前子图像不被选为下一个关键子图像,则将当前子图像输入快速语义分割网络;经过处理后得到的N2张语义分割图进行拼接,输入到显示设备上进行显示。本发明充分利用了一段视频中相邻帧图片之间在时间和空间上的冗余性,对语义分割的处理速度进行大幅度提高的效。

    智能电网无线信道分配方法

    公开(公告)号:CN108616989A

    公开(公告)日:2018-10-02

    申请号:CN201611153598.3

    申请日:2016-12-14

    IPC分类号: H04W72/04 H04W72/06 H04W76/19

    CPC分类号: H04W72/04 H04W72/06

    摘要: 本发明涉及通信技术领域,具体公开了一种智能电网无线信道分配方法。本方法通过终端用户依据信道建立与基站之间的连接,当终端用户受到干扰后,终端用户通过控制信道发送反馈信息至基站,接着基站接收到反馈信息后,将对可用信道进行扫频,利用广播帧通知受干扰的终端用户可用信道信息,然后终端用户收到基站发送的广播帧后,根据优先级机制,选择新的信道重新建立与基站的通信。当智能电网中终端用户受外部干扰信道中断后,本方法可减少终端用户和基站之间信令的开销。

    一种基于微卷积神经网络的车辆实时检测方法

    公开(公告)号:CN109522831B

    公开(公告)日:2023-06-02

    申请号:CN201811310577.7

    申请日:2018-11-06

    摘要: 本发明公开了一种基于微卷积神经网络的车辆实时检测方法,所述的检测方法为:(1)对输入图像进行预处理,将其转化为灰度图像,并将该灰度图像的灰度值归一化到[0,1]之间或者[‑1,1]之间,并且重组到统一的大小;(2)将步骤(1)所得到的图像数据,输入到7层微卷积神经网络中,训练该微卷积神经网络,生成不同尺度的预测框进行类别预测和回归目标位置;(3)训练记录每个迭代的训练集上的误差和验证集上测试误差;(4)判断连续5个迭代验证集上损失是否降低,如果降低,返回步骤(2)若果没有降低,终止训练,保存所述的7层微卷积神经网络的参数,并查看特征提取效果。本发明使用7层卷积神经网络结构代替复杂的VGG‑16(用于大规模图像识别的深度卷积神经网络),可以在普通机器上进行训练和测试自己的数据集,不需要拥有超高性能的GPU(图形处理器)等高性能计算设备,也不需要预训练网络,它可以从零开始进行训练和检测。

    一种基于微卷积神经网络的车辆实时检测方法

    公开(公告)号:CN109522831A

    公开(公告)日:2019-03-26

    申请号:CN201811310577.7

    申请日:2018-11-06

    IPC分类号: G06K9/00 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于微卷积神经网络的车辆实时检测方法,所述的检测方法为:(1)对输入图像进行预处理,将其转化为灰度图像,并将该灰度图像的灰度值归一化到[0,1]之间或者[-1,1]之间,并且重组到统一的大小;(2)将步骤(1)所得到的图像数据,输入到7层微卷积神经网络中,训练该微卷积神经网络,生成不同尺度的预测框进行类别预测和回归目标位置;(3)训练记录每个迭代的训练集上的误差和验证集上测试误差;(4)判断连续5个迭代验证集上损失是否降低,如果降低,返回步骤(2)若果没有降低,终止训练,保存所述的7层微卷积神经网络的参数,并查看特征提取效果。本发明使用7层卷积神经网络结构代替复杂的VGG-16(用于大规模图像识别的深度卷积神经网络),可以在普通机器上进行训练和测试自己的数据集,不需要拥有超高性能的GPU(图形处理器)等高性能计算设备,也不需要预训练网络,它可以从零开始进行训练和检测。