GNSS信号质量多域评估方法
    1.
    发明公开

    公开(公告)号:CN117784182A

    公开(公告)日:2024-03-29

    申请号:CN202311703264.9

    申请日:2023-12-12

    Abstract: 本发明提出一种GNSS信号质量多域评估方法,充分考虑GNSS信号在时域、频域、调制域、相关域、一致域以及信号参数六个维度的表现,在六个维度下分别建立平面坐标并构建归一化评估指标多边形,之后,采用多边形的几何面积去衡量信号在该评估维度下的评估结果。本发明针对GNSS六个维度的信号质量评估结果,采用并行数据传递方式和简单几何体的面积或体积运算的数据处理方法,将各类评估指标进行分域整合和指标数量收敛,来对卫星导航信号进行多维度的分层次的综合评估,使用户可以及时获得到可靠的高效的导航信号评估结果。

    一种基于信息几何的水下无人航行器集群协同融合定位方法

    公开(公告)号:CN118225099A

    公开(公告)日:2024-06-21

    申请号:CN202410384343.6

    申请日:2024-04-01

    Abstract: 本发明涉及水下无人航行器集群协同导航领域,是一种适用于水下复杂环境下的无人航行器集群多源协同融合定位方法,特别涉及一种基于信息几何的水下无人航行器集群协同融合定位方法。该方法将各个UUV的导航信息转化为信息几何概率模型,降低了各个UUV之间时间异步导致定位突变的影响,还结合因子图理论以及各UUV之间的测距信息,构建了分布式UUV集群协同融合定位架构,能有效抑制无人水下航行器定位信息突变的影响,提高水下无人航行器集群定位精度,实现导航信息的快速更新,可满足水下复杂环境下的大规模无人航行器集群自由融合聚散。

    基于因子图的三维协同定位方法

    公开(公告)号:CN112946571B

    公开(公告)日:2023-09-08

    申请号:CN202110174519.1

    申请日:2021-02-08

    Abstract: 本发明提出一种基于因子图的三维协同定位方法,首先将协同定位网络的拓扑图映射到因子图中,构建待定位节点间的因子图和内部因子图的模型,然后利用和积算法的置信度信息传递准则,推导得到了内部因子图上各个变量节点和函数节点的参数计算表达式,解决了在三维空间下待定位节点间信息传递计算推导困难的问题,提高了算法的实用性与系统的定位精度。本发明计算复杂度小、通信开销小、收敛速度快,可有效解决以无人机为代表的高动态目标定位困难的问题。

    基于双选择衰落信道的低复杂度OSDM块均衡方法

    公开(公告)号:CN109217954B

    公开(公告)日:2021-01-05

    申请号:CN201811184053.8

    申请日:2018-10-11

    Abstract: 本发明涉及一种基于双选择衰落信道的低复杂度OSDM块均衡方法,基于复指数基扩展模型进行信道近似,对应的复合信道矩阵具有循环分块带状结构。所提出的低复杂度OSDM块均衡方法利用上述信道矩阵结构。基于矩阵分解实现了信道矩阵中各分块对角化,并采用变换域块均衡利用此对角结构降低了系统复杂度;进一步设计了一种块状LDLH分解算法,从而避免了块均衡各符号向量估计时的矩阵直接求逆造成的立方复杂度问题。本发明与已有的OSDM接收方法相比,降低了时变多径的多普勒扩展分量对接收性能的影响,避免了均衡复杂度的增加,提高了OSDM传输对双选信道的适应性。

    基于双选择衰落信道的低复杂度OSDM块均衡方法

    公开(公告)号:CN109217954A

    公开(公告)日:2019-01-15

    申请号:CN201811184053.8

    申请日:2018-10-11

    CPC classification number: H04B17/3912 H04B17/382 H04L25/03006

    Abstract: 本发明涉及一种基于双选择衰落信道的低复杂度OSDM块均衡方法,基于复指数基扩展模型进行信道近似,对应的复合信道矩阵具有循环分块带状结构。所提出的低复杂度OSDM块均衡方法利用上述信道矩阵结构。基于矩阵分解实现了信道矩阵中各分块对角化,并采用变换域块均衡利用此对角结构降低了系统复杂度;进一步设计了一种块状LDLH分解算法,从而避免了块均衡各符号向量估计时的矩阵直接求逆造成的立方复杂度问题。本发明与已有的OSDM接收方法相比,降低了时变多径的多普勒扩展分量对接收性能的影响,避免了均衡复杂度的增加,提高了OSDM传输对双选信道的适应性。

    一种基于文本机器学习的舆情走向预测方法

    公开(公告)号:CN108363784A

    公开(公告)日:2018-08-03

    申请号:CN201810143913.7

    申请日:2018-02-12

    Abstract: 本发明提出一种基于文本机器学习的舆情走向预测方法。具体来说,就是对当前互联网上大量的社交媒体消息、新闻内容等信息进行分词、清洗、过滤等处理后,提取某些事件词语,并统计这些事件词语在某段时间出现的频次,根据词语的权重筛选出对应文本中的目标词语以及绘制事件词语频次的变化轨迹,通过目标词语提取网民观点,判断舆论传播路径等,进而利用这些观点数据来训练机器学习模型。最终利用训练好的模型来预测未来一段时间的舆情走向。

Patent Agency Ranking