α稳定分布噪声下的LPI雷达信号脉内调制识别方法

    公开(公告)号:CN117332253A

    公开(公告)日:2024-01-02

    申请号:CN202311239517.1

    申请日:2023-09-25

    Inventor: 余志斌 胡浩翔

    Abstract: 本发明公开了一种α稳定分布噪声下的LPI雷达信号脉内调制识别方法,涉及LPI雷达信号脉内调制识别技术领域,包括以下步骤:S1:数据预处理,将α稳定分布噪声干扰下的LPI雷达信号样本输入到非线性压缩变换函数中,输出抑制后的LPI雷达信号数据;S2:对LPI雷达信号做基于非线性压缩变换的时频分析,得到时频图谱;S3:初始化网络模型参数,将训练集数据送入CA‑ResNeSt网络模型进行训练并提取特征;S4:将测试集输入到CA‑ResNeSt网络模型中得到分类结果。本发明构建的CA‑ResNeSt网络结构模型作为时频图谱特征提取主干的网络模型,增强特征提取能力,提高对LPI雷达信号的识别能力。

    沙尘条件下同频声波共振除尘无人机接力控制系统及方法

    公开(公告)号:CN116668496A

    公开(公告)日:2023-08-29

    申请号:CN202310515544.0

    申请日:2023-05-08

    Abstract: 本发明公开了一种沙尘条件下同频声波共振除尘无人机接力控制系统及方法,包括机载端子系统和多个地面遥控子系统;所述机载端子系统包括机载控制模块以及与其连接的机载通信模块、通道选择模块、通信质量检测模块、信号采集模块和抗沙尘模块;所述地面遥控子系统包括地面控制模块以及与其连接的地面通信模块和通信质量反馈模块;所述机载端子系统与所述地面遥控子系统通过所述机载通信模块和所述地面通信模块通信连接,本发明通过抗风沙措施,提高了无人机巡检过程中的稳定性和安全性,提高了巡检的效率与质量。

    一种海底作业配电装置
    3.
    发明授权

    公开(公告)号:CN112366531B

    公开(公告)日:2022-07-12

    申请号:CN202011189066.1

    申请日:2020-10-30

    Abstract: 本发明公开了一种海底作业配电装置,其包括外壳,外壳内一侧设置有操作装置和动力装置,外壳上布设有若干监测装置;所述操作装置包括与电缆连接的活动夹,活动夹通过电动推杆与固定座连接,活动夹上侧与盖板连接,外壳上与活动夹相对的位置处设置有电缆配合的电源接口;所述动力装置包括设置在活动夹所在侧面的若干螺旋桨,所述螺旋桨分别与设置于外壳内的水下电机传动连接;所述监测装置包括均布于外壳上的压力传感器和设置于外壳内的控制器和电源模块。本发明能够解决现有技术中海底作业需要能量补充、效率较低的问题,效率高、安全性好、稳定性强。

    一种基于深度学习的电磁探测网络组网方式识别方法

    公开(公告)号:CN112861790A

    公开(公告)日:2021-05-28

    申请号:CN202110260290.3

    申请日:2021-03-10

    Abstract: 本发明公开了一种基于深度学习的电磁探测网络组网方式识别方法,包括以下步骤:步骤1:获取电磁探测网络组网特征信息,形成特征集;步骤2:对步骤1得到的特征集数据进行预处理;步骤3:将步骤2得到的数据划分为训练集和测试集,采用训练集对深度学习模型进行训练,得到训练后的模型;步骤4:将待输入的数据输入步骤3训练后的模型进行电磁探测网络组网的识别;步骤3中的深度学习模型为CNN‑LSTM模型,包括依次连接的输入层、CNN层、LSTM层、全连接层和输出层;本发明采用了深度学习技术能有效克服大数据处理、特征提取和计算精度等方面的不足,实现对电磁探测网络组网方式的智能、实时地分析、推理和判断。

    一种基于LSTM神经网络的目标意图反演方法

    公开(公告)号:CN112036556A

    公开(公告)日:2020-12-04

    申请号:CN202011230202.7

    申请日:2020-11-06

    Abstract: 本发明公开了一种基于LSTM神经网络的目标意图反演方法。该方法包括构建目标意图活动场景;获取活动场景数据信息,从中提取多时刻特征信息,组成特征信息数据集;构造意图识别知识图谱;构造行为特征-意图关系数据集;训练基于LSTM神经网络的意图识别模型;使用训练好的意图识别模型进行目标意图反演。本发明为了解决现有技术中只考虑各因素与关注事件的静态关系,不能体现时间上的连续变化特性,且对实际战场中集群目标难以有效处理的问题,通过收集敌方集群的实时信息,并根据时间序列和目标行为特征建立知识图谱,训练LSTM神经网络来预测敌方战术意图,具有对连续动作构成的敌方战术意图和敌方编队集群目标战术意图识别率较高的优点。

    一种电网巡检绝缘子检测分类方法

    公开(公告)号:CN111680759A

    公开(公告)日:2020-09-18

    申请号:CN202010547029.7

    申请日:2020-06-16

    Inventor: 余志斌 廖琦沁

    Abstract: 本发明公开了一种电网巡检绝缘子检测分类方法,通过目标先验模型确定正样本和负样本,并通过特征共享使目标先验模型的参数在多层级间流动,极大的提升了绝缘子的检测精度的同时缩短了其搜索进程;利用目标先验机制挖掘匹配无关负样本,从而引导检测绝缘子的进程在源数据中更好的鉴别,提高生成正样本的稳定性,达成借助先验知识对绝缘子的有效识别。

    用于非侵入式负荷监测的V-I图样本数据集筛选方法

    公开(公告)号:CN109946543B

    公开(公告)日:2020-04-21

    申请号:CN201910240536.3

    申请日:2019-03-28

    Abstract: 本发明公开了一种用于非侵入式负荷监测的V‑I图样本数据集筛选方法,以非侵入式家电负荷监测为背景时,解决了实际测量的家用电器稳定运行数据存在噪声干扰导致大量V‑I轨迹图样本数据不可用的问题;本发明方法在构建深度学习网络的数据集之前,通过对采集的V‑I特征图样本数据集进行优化,提高数据集在表征关键信息的特征的含有率,提高了家用电器的识别精度和识别效率。

    基于知识图谱的变压器设备缺陷分析方法

    公开(公告)号:CN110243834B

    公开(公告)日:2020-03-31

    申请号:CN201910622973.1

    申请日:2019-07-11

    Abstract: 本发明公开了一种基于知识图谱的变压器设备缺陷分析方法,其包括接收变压器的缺陷现象,构成部件表征矩阵;获取与构成部件相关的所有特征状态并构建形成关联矩阵;提取与特征状态相关的缺陷现象,并构建形成细化关联矩阵;提取与缺陷现象对应的所有量级特征,并构建量级特征矩阵;采用softmax算法和初始中间变量,计算权重因子,并采用所有的权重因子构成权重矩阵;根据权重矩阵和量级特征矩阵,计算故障原因向量,并将迭代次数累加一次;当迭代次数小于迭代阈值时,更新初始中间变量,之后返回权重因子计算步骤;当迭代次数大于等于迭代阈值时,采用最后一次计算的故障原因向量计算量级特征矩阵对应故障原因的概率向量。

Patent Agency Ranking