-
公开(公告)号：CN119355769A
公开(公告)日：2025-01-24
申请号：CN202411489131.0
申请日：2024-10-24
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明属于卫星导航信号处理技术领域，具体涉及一种改进卡尔曼滤波联合小波变换的周跳探测方法，首先使用单频GNSS接收机获取全球导航卫星系统的载波相位观测数据，并对观测数据进行一阶差分预处理；随后采用移动平均滤波法改进卡尔曼滤波器，并计算差分数据的残差和标准差用于判断并剔除粗差，使用改进后的卡尔曼滤波器对差分数据进行平滑处理；然后利用bior3.1小波变换对平滑后的差分数据进行三层分解和重建，提取并计算小波变换的详细系数和，通过小波系数不同频率成分的变化差异，进行周跳的探测；最后通过将检测到的周跳替换为周跳前后值的平均值来进行周跳修复，使数据变得更平滑，减少误差对结果的影响。
-
公开(公告)号：CN119001772A
公开(公告)日：2024-11-22
申请号：CN202411288375.2
申请日：2024-09-13
Applicant: 桂林电子科技大学
Abstract: 本发明提供了一种基于灰色Verhulst动态模型的周跳探测修复方法，涉及卫星导航周跳信号处理技术领域。包括：输入原始观测数据序列，并将此序列中的每一个值都减去此序列的最小值，以保证得到非负序列，并将此序列作为灰色Verhulst模型的原始数据序列；设定灰色Verhulst动态模型的滑动窗口，对原始数据序列进行灰色Verhulst建模，计算每个历元的预测值以及原始观测数据序列的标准差；在滑动结束后获得的所有预测值序列组成矩阵，将对角矩阵每列的非0元素求均值即可得到模型最终的预测值序列；将预测值加上序列的最小值得到此历元的还原预测值，将还原预测序列与原始观测数据序列进行比较，若其差大于原始观测数据序列的M标准差，则判断发生周跳，用还原预测值进行修复。
-
公开(公告)号：CN118968300A
公开(公告)日：2024-11-15
申请号：CN202411038750.8
申请日：2024-07-31
Applicant: 桂林电子科技大学 , 广西产研院时空信息技术研究所有限公司
IPC: G06V20/10 , G06V20/13 , G06V20/17 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明属于八角林长势监测技术领域，具体涉及一种面向八角林区域精准提取与长势定点查询的方法，包括以下步骤：S1、根据多限制条件选取定标试验场区，实测试验场方向反射率数据，构建星地均核BRDF模型，完成卫星数据前期处理工作；S2、采用逐像素分割和对象表征查询对遥感影像进行特征提取与归并，根据图像三维空间属性，以面向对象方式，提取八角林覆盖区域；S3、自定义八角林全生育期，构建八角林分期的星地标准双层判别指数数据库，结合实时卫星数据与实时实测无人机高光谱，得到八角林问题区域。本发明采用高光谱遥感探测八角林区域范围与长势信息，针对八角林问题区域实现定点查询与实时响应，可以助推八角产业实现高质量发展。
-
公开(公告)号：CN118585878A
公开(公告)日：2024-09-03
申请号：CN202410587837.4
申请日：2024-05-13
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F18/241 , G06F18/2131 , G06F18/214 , G06N3/0442 , G06N3/086 , G01T1/29
Abstract: 本发明涉及电离层总电子含量预测技术领域，具体涉及一种基于ICEEMDAN与SSA‑LSTM组合模型的电离层TEC预测方法，首先，采用ICEEMDAN和样本熵方法对获取的电离层TEC原始数据进行“分解‑重构”生成高频、中频和低频分量；其次，将各分量分别划分为训练集和测试集并对其归一化处理，利用麻雀搜索算法优化LSTM模型超参数，训练基于LSTM网络的电离层TEC预测模型；最后，对各分量预测结果进行反归一化和整合，输出电离层TEC预测结果并评估模型性能。本发明利用ICEEMDAN和SSA‑LSTM组合模型方法充分考虑到电离层TEC数据自身具有非线性、非平稳性的特点，给模型训练提供了高质量的输入，提升了电离层TEC预测精度。
-
公开(公告)号：CN117880017A
公开(公告)日：2024-04-12
申请号：CN202410048415.X
申请日：2024-01-12
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: H04L25/02
Abstract: 本发明涉及组合码序列盲估计技术领域，具体涉及一种α噪声下短码BOC信号组合码序列盲估计方法，利用基于分数低阶的RANSAC联合Huber‑M估计理论，在α稳定噪声信道通信环境下首先按照两倍组合码周期为间隔，数据重叠一倍组合码周期大小对接收BOC信号进行连续分段，然后通过构造接收信号基于分数低阶的RANSAC联合Huber‑M估计方法对矩阵作进一步的降噪处理，接着再对矩阵进行奇异值分解处理并提取最大左奇异向量次大左奇异向量进行线性组合，通过使用多种失步点估计法对信号组合码序列的失步点进行估计，从而完成对BOC信号组合码序列的盲估计。经过仿真验证，本发明提出的方法较传统单纯的SVD算法在α稳定噪声信道下组合码估计正确率更高。
-
Patent Agency Ranking
公开(公告)号：CN117849831A
公开(公告)日：2024-04-09
申请号：CN202410054044.6
申请日：2024-01-15
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G01S19/29
Abstract: 本发明涉及卫星导航信号处理技术领域，具体涉及一种适用于BOC(kn,n)信号与CBOC信号的无模糊度捕获方法，基于拆分重构思想，通过对本地信号进行拆分，再与接收信号进行相关处理，从而实现相关函数的拆分，然后根据各路子相关函数存在的移位、对称的特性，设计重构规则，最终消除信号副峰，达到无模糊度捕获的目的。本发明提出的方法能够完全消除副峰的干扰，准确捕获信号的码相位与多普勒频率，并保留信号窄相关主峰的特性，提升了捕获精度。
-
公开(公告)号：CN117375634A
公开(公告)日：2024-01-09
申请号：CN202311378720.7
申请日：2023-10-23
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明提出一种基于节点可靠度子集划分准则的多进制LDPC译码方法，包括：步骤1：对信道信息值的初始化；步骤2：译码迭代过程，若当前迭代次数达到最大迭代次数或者译码校验成功，退出迭代过程，否则进入步骤3；步骤3：对校验节点进行信息更新，且在第三次迭代后触发划分机制；步骤4：计算置换节点向校验节点置换信息值，并对置换节点传递给校验节点外信息进行消息截断；步骤5：计算置换节点向变量节点逆置换的信息值；步骤6：对变量节点全信息的计算和判决；步骤7:对判决结果校验，若满足 则译码结束，否则进入步骤8；步骤8：返回步骤2的译码迭代过程，同时将上轮迭代的信息传递给需要更新的校验节点，用于校验节点合理的分配。
-
公开(公告)号：CN117235452A
公开(公告)日：2023-12-15
申请号：CN202311163481.3
申请日：2023-09-11
Applicant: 桂林电子科技大学
Abstract: 本发明涉及扩展目标跟踪技术领域，具体涉及一种基于树轨迹模型的多衍生多扩展目标联合跟踪方法，通过将原始目标及其衍生目标的所有状态序列及其系谱建模为树轨迹变量，作为随机有限集泊松多伯努利混合滤波框架的输入项，并建立扩展目标树轨迹泊松多伯努利混合滤波模型；其次，将树轨迹全局数据关联假设转化为全局分支假设，在全局分支假设下推导出扩展目标树轨迹泊松多伯努利混合次优滤波后验分布，并进行参数化转换；然后对参数化的次优滤波后验分布进行预测，并在预测后通过KL散度提取出衍生目标的轨迹信息，最后对预测所得轨迹进行量测更新。本发明改善了杂波环境下基于随机矩阵建模的多衍生多扩展目标联合跟踪问题。
-
公开(公告)号：CN116736881A
公开(公告)日：2023-09-12
申请号：CN202310428694.8
申请日：2023-04-20
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及人工智能技术领域，具体涉及一种基于蜜蜂采蜜机制的无人机蜂群自主智能控制方法，基于蜜蜂采蜜机制，设定了三种决策方式，通过设计基于航向随机偏置、航向保持、航向反向偏置的自主智能决策方法，解决侦察者无人机高速高密度航行自主避撞与搜寻航向自主智能决策的问题；设计一种基于适应度的多目标决策方法，解决跟随者无人机在目标信息非完全确定下的多目标决策问题；设计一种基于趋向目标模式和边线沿走模式的Bug算法，解决执行者无人机航向反相避障与趋向目标呈现的反复震荡问题。本发明解决了现有无人机蜂群体系架构、自主智能决策和信息交互机制的不足，同时提高了无人机蜂群快速响应能力。
-
公开(公告)号：CN116682105A
公开(公告)日：2023-09-01
申请号：CN202310590332.9
申请日：2023-05-24
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明提供一种毫米波雷达和视觉特征注意力融合的目标检测方法，包括步骤：获取毫米波雷达点云数据和视觉图像信息；点云数据预处理后与视觉图像在数据层进行融合；对图像进行初步的检测，提取图像特征；雷达点云与图像信息进行目标关联，提取雷达特征；将图像特征和雷达特征输入到特征注意力融合网络进行融合；利用3Dbox解码器解码出目标的检测结果并输出。本发明利用毫米波雷达散射截面强度来自适应调整点云投影到图像上的空间信息大小，解决现有雷达点云投影到图像上的尺寸固定的问题；提出一种雷达和图像的特征注意力融合网络，解决毫米波雷达和视觉图像在特征融合时权重分配不均的问题，具有提高目标检测准确性和鲁棒性的优点。
-
-
-
-
-
-
-
-
-
Search Results
271
records
(took 0.033 seconds)
