-
公开(公告)号：CN115389625B
公开(公告)日：2024-02-13
申请号：CN202210666219.X
申请日：2022-06-14
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G01N29/06
Abstract: 本发明涉及复合材料无损检测领域，特别涉及一种用于检测复合材料面外纤维弯曲的双面超声成像方法。该方法包括步骤：S1.基于脉冲回波法与层共振法，分别从复合材料层合板的上下两侧，对同一位置进行水浸聚焦垂直入射式超声B扫描；S2.利用解析信号技术提取出响应信号的瞬时相位，并生成相位B扫描图像；S3.通过结构张量方法分别对上下两侧的相位B扫描图像进行识别，并提取出每个像素点的角度；S4.计算相位B扫描图像划分的若干块内角度值的方差，并以上下两侧图像相对应位置的方差之反比加权修正，合成为最终的相位B扫描图像。本方法可实现复合材料制造过程中所形成的面外纤维弯曲的可视化成像，并显著提高成像精度。
-
公开(公告)号：CN114268328B
公开(公告)日：2024-10-01
申请号：CN202111462642.X
申请日：2021-12-02
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: H03M13/23 , G06N3/045 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于双向LSTM的卷积码译码方法与卷积码编码和译码方法，属于电子通信技术领域，解决传统编译码时间复杂度、空间复杂度随码长、约束度的增大呈指数上升、长码码本不好选取和编码信息容易被截取和破解，安全性低的问题。本发明的方法包括：构建双向LSTM神经网络译码器，神经网络译码器采用双向LSTM神经网络进行译码；建立接收序列数据集，根据接收序列数据集和双向LSTM神经网络构造训练码本；选取训练信噪比，训练信噪比为接收序列的信噪比；设定仿真参数，并利用训练码本和训练信噪比对双向LSTM神经网络译码器进行训练；利用训练后的双向LSTM神经网络译码器进行译码。本发明适用于端到端的卷积码编码和译码。
-
公开(公告)号：CN113780361B
公开(公告)日：2024-09-13
申请号：CN202110944158.4
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: G06V10/764 , G06V20/64 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于2.5D‑CNN算法的三维探地雷达图像地下管线识别方法，所述方法包括步骤1：对已经得到的探地雷达的三维回波图像进行直达波去除，以及小波去噪；步骤2：将已预处理的探地雷达的三维回波图像进行标注，分别为横向管线、纵向管线、地下空洞和无目标四类，并将其打乱，随机分配至训练集和验证集；步骤3：利用步骤2的训练集和验证集对2.5D‑CNN的神经网络模型进行训练，得到训练好的权重模型；步骤4：利用步骤3获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测。本发明解决了传统方法识别地下管线目标效率低以及准确率低的问题。
-
公开(公告)号：CN115499115B
公开(公告)日：2024-05-24
申请号：CN202211161301.3
申请日：2022-09-23
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: H04L5/00 , H04B7/0413
Abstract: 本发明提出CF‑mMIMO场景下基于正交导频的活跃用户检测方法。所述方法包括：信息采集：在进行上行导频训练阶段之前，CPU采集各个用户和AP之间的大尺度衰落信息；导频分配：CPU根据大尺度衰落信息，利用以误检率最小为目标的导频分配方案对各个用户进行初始导频分配；活跃用户检测：在上行导频训练阶段，各个活跃用户向AP发送导频信息，各个AP将其接收的信息映射到导频池中的各个导频信号上，并得到各个映射符号的能量；通过判断各个映射符号的能量是否大于能量阈值，来判断各个导频符号对应的AP附近的用户是否被激活，并将该是否被激活信息汇报给CPU。本发明提出导频方案与其他导频方案相比可以最小化用户的活跃误检测率。
-
公开(公告)号：CN113780362B
公开(公告)日：2024-04-02
申请号：CN202110945451.2
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: G06V10/764 , G06V10/774 , G06V10/762 , G06V10/44 , G06V10/50
Abstract: 本发明提出一种基于隐马尔可夫模型的探地雷达地下空洞目标自动识别方法，所述方法共6个步骤：对已获取的地下空洞目标的探地雷达回波图像进行预处理得到处理后的横向波纹得到抑制的图像；对生成的图像进行预筛选标注明确空洞目标像素位置；利用已标注的数据进行图像增广处理得到处理后的具有相似分布的图像；利用增广图像数据集，使用三种方法进行特征提取得到特征向量数据集；将获得的特征向量分为训练集和验证集，对隐马尔可夫模型进行训练得到权重模型；将获得的验证集输入得到的权重模型，对地下空洞目标探地雷达回波图像进行目标识别分类。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
Patent Agency Ranking
公开(公告)号：CN115549732A
公开(公告)日：2022-12-30
申请号：CN202211108893.2
申请日：2022-09-13
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: H04B7/0413 , H04B7/0456 , H04B17/373 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于人工智能的大规模MIMO混合预编码方法；首先设计基础学习器；采用传统部分连接结构的混合预编码算法构造CNN网络的数据集，构建损失函数；然后设计高级学习器；构建数据集，利用元学习MAML算法对数据集进行元训练和元微调，完成网络在全新的环境的适应；本发明利用卷积神经网络替代传统算法，降低计算复杂度，获得预编码矩阵的批量预测能力，并巧妙利用模拟预编码器的部分连接结构，减小神经网络的规模，降低预测时间开销，同时利用元学习MAML算法提高了神经网络环境普适性的能力，保证网络在全新的环境中能够快速适应。
-
公开(公告)号：CN115499115A
公开(公告)日：2022-12-20
申请号：CN202211161301.3
申请日：2022-09-23
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: H04L5/00 , H04B7/0413
Abstract: 本发明提出CF‑mMIMO场景下基于正交导频的活跃用户检测方法。所述方法包括：信息采集：在进行上行导频训练阶段之前，CPU采集各个用户和AP之间的大尺度衰落信息；导频分配：CPU根据大尺度衰落信息，利用以误检率最小为目标的导频分配方案对各个用户进行初始导频分配；活跃用户检测：在上行导频训练阶段，各个活跃用户向AP发送导频信息，各个AP将其接收的信息映射到导频池中的各个导频信号上，并得到各个映射符号的能量；通过判断各个映射符号的能量是否大于能量阈值，来判断各个导频符号对应的AP附近的用户是否被激活，并将该是否被激活信息汇报给CPU。本发明提出导频方案与其他导频方案相比可以最小化用户的活跃误检测率。
-
公开(公告)号：CN113780361A
公开(公告)日：2021-12-10
申请号：CN202110944158.4
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
Abstract: 本发明提出一种基于2.5D‑CNN算法的三维探地雷达图像地下管线识别方法，所述方法包括步骤1：对已经得到的探地雷达的三维回波图像进行直达波去除，以及小波去噪；步骤2：将已预处理的探地雷达的三维回波图像进行标注，分别为横向管线、纵向管线、地下空洞和无目标四类，并将其打乱，随机分配至训练集和验证集；步骤3：利用步骤2的训练集和验证集对2.5D‑CNN的神经网络模型进行训练，得到训练好的权重模型；步骤4：利用步骤3获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测。本发明解决了传统方法识别地下管线目标效率低以及准确率低的问题。
-
公开(公告)号：CN113162662A
公开(公告)日：2021-07-23
申请号：CN202011143927.2
申请日：2020-10-23
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部 , 北京赫普特科技有限公司
IPC: H04B7/0413 , H04B7/0426 , H04W52/14 , H04W72/04
Abstract: 一种CF‑mMIMO下的用户分簇及功率分配方法，涉及通信技术领域,是为了解决目前的用户分簇方法的计算量较大导致的不易于实现，以及用户的功率分配方法还需要提供提高服务的公平性的问题。本方法通过最大化所有用户的最小SINR，从而最大化接入网络的用户，最小化用户的掉线率。不需要知道用户的具体位置信息就可以对用户进行分簇，该分簇方法的计算量较低，更易于实现；对于功率控制系数分配，该算法保证了最大化簇内所有用户的最小SINR，保证了用户服务的公平性以及用户的接入。
-
公开(公告)号：CN112600593A
公开(公告)日：2021-04-02
申请号：CN202011473464.6
申请日：2020-12-15
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: H04B7/0408 , H04B7/0426 , H04B7/0456
Abstract: 一种基于NOMA的波束选择方法，能够提高大规模MIMO系统的性能和通信质量，属于频谱功率分配技术领域。本发明包括：S1、建立大规模MIMO系统的信道模型，并转换为波束空间下的信道模型；S2、对信道模型中的用户进行分簇，若两个用户对应信道向量幅值最大的两行位置相同，则把它们当作同一簇的用户，没有配对的用户自成一簇，得到波束空间下的信道矩阵；S3、基于波束空间下的信道矩阵，利用改进的最大信干噪比波束选择算法或改进的最大容量选择算法得到波束选择后信道矩阵；S4、根据波束选择后信道矩阵进行迫零预编码，得到预编码矩阵，对不同簇的用户进行分布式功率分配，在同簇的多个用户之间引入非正交多址接入技术进行分布式的功率分配。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.036 seconds)
