-
公开(公告)号：CN114841195B
公开(公告)日：2024-07-09
申请号：CN202210334596.3
申请日：2022-03-30
Applicant: 北京理工大学
IPC: G06F18/2131 , G06F18/10 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/0475 , G06N3/08 , G01S19/37 , G01S19/21 , G06N3/094
Abstract: 本公开提出一种航电空间信号建模方法和系统，其中，方法包括：采集航电空间信号，航电空间信号是包括机载源信号的混合信号，对航电空间信号进行时频分析得到初始时频图；将初始时频图输入至训练好的生成模型进行定向增强得到重构时频图，将重构时频图输入至训练好的语义分割网络模型得到滤波图像；利用滤波图像对重构时频图进行滤波处理获得目标时频图，对目标时频图进行反时频分析得到分离出的机载源信号，以实现航电空间信号的建模。根据本公开的方法解决现有技术中处理航电空间信号的分离精度不高的问题。
-
公开(公告)号：CN118243248A
公开(公告)日：2024-06-25
申请号：CN202410199393.7
申请日：2024-02-22
Applicant: 北京理工大学
Abstract: 本发明公开了一种超高热流密度环境下的水冷温度传感器设计方法，冷却水进口压强和流量对热电偶指示温度和滞止罩平均壁温影响不大，测点部分伸入滞止罩孔内测温结果要优于测点位于滞止罩中心的方案，水冷结构与滞止罩之间距离增大可使测温结果更准确，但会使滞止罩壁温以及支撑体温度上升，有可能导致测温耙烧坏，因此，必须综合考虑以上两点，选择合适的水冷结构与滞止罩之间距离，滞止罩进排气面积比的增加，热电偶指示温度增大，速度误差与辐射误差之和随之减小，滞止罩进排气面积在合理范围内增加可使测温结果更准确，表面发射率对辐射误差有较大的影响，但对响应时间没有影响。
-
公开(公告)号：CN117876837A
公开(公告)日：2024-04-12
申请号：CN202410270553.2
申请日：2024-03-11
Applicant: 北京理工大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/09 , G06V10/44
Abstract: 本申请提出了一种基于深度展开网络的近红外单像素成像方法及系统，该方法包括：基于单像素成像原理，构建有监督的近红外单像素成像训练数据集；构建基于Transformer模型和广义交替投影算法框架的深度展开成像网络，并通过训练数据集对深度展开成像网络进行训练；根据近红外单像素成像原理搭建成像光路，通过成像光路中的近红外单像素探测器，采集当前待成像的目标场景对应的一维欠采样近红外单像素测量值；将一维欠采样近红外单像素测量值输入训练完成的深度展开成像网络，获取根据测量值重建的目标场景图像。该方法基于深度展开网络，能够在欠采样的基础上实现高质量、高效率和高鲁棒性的近红外单像素成像。
-
公开(公告)号：CN117349319A
公开(公告)日：2024-01-05
申请号：CN202311336150.5
申请日：2023-10-16
Applicant: 北京理工大学
IPC: G06F16/2453 , G06F16/242 , G06F16/2455 , G06N3/0499 , G06N3/092
Abstract: 本发明涉及一种基于深度强化学习的数据库查询优化方法，属于计算机数据库与人工智能技术领域。本方法采用基于深度强化学习技术，通过自主学习和优化，能够针对大规模数据的查询请求，寻找最优查询执行计划，提高数据库查询性能和效率。通过将查询优化问题转化为强化学习任务，智能体根据查询语句和数据库环境的状态，选择最佳的查询执行计划。通过深度神经网络的非线性建模，智能体能够学习复杂的查询优化策略，并根据环境反馈不断改进自己的决策策略。这使得查询优化更具自适应性和智能化，适应不同的查询场景和数据规模，实现了自适应性和智能化的查询优化。本方法具备广阔的应用前景和重要的研究价值。
-
公开(公告)号：CN111598962B
公开(公告)日：2023-03-21
申请号：CN202010332727.5
申请日：2020-04-24
Applicant: 北京理工大学
IPC: G06T11/00
Abstract: 本申请提出一种基于矩阵草图分析的单像素成像方法和装置，其中，方法包括：对目标场景进行随机坐标采样，获取多排行坐标和列坐标；对多排行坐标和列坐标对应的部分目标场景进行光编码，并通过预先搭建的单像素成像系统对编码光进行采集，获取一维测量值；根据一维测量值，利用单像素成像重建算法生成多排行坐标和列坐标对应的草图；使用矩阵草图分析方法对草图进行重建得到完整目标场景图像。由此，适用于大规模高分辨率单像素成像，有效减少采样率及计算时间，具有较高的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN114129912B
公开(公告)日：2023-01-17
申请号：CN202111416206.9
申请日：2021-11-25
Applicant: 北京理工大学
IPC: G01T1/02
Abstract: 本发明涉及一种放疗剂量验证的方法，属于放疗过程中的剂量验证技术领域。本发明的方法首先由EPID上的灰度响应值提取出EPID上的原射线灰度响应值并转换为EPID上的原射线通量，然后反推计算出模体内每一点的原射线通量值，再利用模体内的散射核确定模体内的散射线通量值，最后，利用模体内的剂量转换因子得到对应位置的剂量值；现有技术中剂量转换是在EPID上通过拟合的方式实现的，由于放疗过程中患者体内某位置的实际剂量吸收是和穿透该位置的X(γ)射线通量相关的，与EPID上的通量没有直接的联系，与现有技术相比，本发明的剂量转换因子更符合实际物理过程，重建出的剂量精度更高。
-
公开(公告)号：CN111795949B
公开(公告)日：2022-05-31
申请号：CN202010534696.1
申请日：2020-06-12
Applicant: 北京理工大学
Abstract: 本申请提出一种抗散射成像方法与装置，包括以下步骤：获取散斑图；计算散斑图的自相关信息，对自相关信息进行傅里叶变换后取模值获取原始目标傅里叶域幅值信息；对散斑图进行分块处理得到N张子散斑图，并利用N张子散斑图计算双谱得到双谱相位；其中，N为正整数；根据双谱相位计算原始目标傅里叶域相位的初始估计值，并利用高斯牛顿优化方法对初始估计值进行迭代优化得到高精度傅里叶域相位；根据原始目标傅里叶域幅值信息和高精度傅里叶域相位重建原始目标图像。由此，从单张散斑图即可重建原始目标信息，且幅值和相位恢复过程相互独立，相位恢复精度高，抗噪性强。
-
公开(公告)号：CN113691288B
公开(公告)日：2022-04-19
申请号：CN202110966553.2
申请日：2021-08-23
Applicant: 北京理工大学
IPC: H04B7/0413 , H04B7/0417 , H04B7/0456 , G06N3/08 , G06N3/04
Abstract: 本发明公开一种基于深度学习的联合导频、反馈、多用户混合编码方法，解决传统信道估计反馈方法中导频与反馈开销过大以及传统混合预编码方法性能损失的问题。包括：将下行导频传输过程建模为单层不带偏置的线性激活函数全连接神经网络，即导频传输网络；在用户端构建导频反馈网络，将接收导频信号压缩为比特矢量，并将其反馈给基站；在基站端构建混合预编码网络，用于根据所有用户反馈的比特矢量设计混合预编码器；将所述导频传输网络、导频反馈网络、混合预编码网络组合形成一个端到端的神经网络，并以系统和速率为指标对其进行数据驱动的端到端训练；将训练好的端到端深度学习神经网络应用于导频传输、信道反馈和混合预编码。
-
公开(公告)号：CN114202612A
公开(公告)日：2022-03-18
申请号：CN202111406555.2
申请日：2021-11-24
Applicant: 北京理工大学
Abstract: 本发明公开了一种计算光照成像方法和装置，其中，该方法包括：搭建光源阵列照明成像光路；使用光源阵列，依次对散射介质进行照明，透过散射介质后的光照散斑照射在目标样本，以对目标信息进行调制；基于对目标信息进行的调制，采集散斑调制后的目标图像，并根据采集到的不同的目标散斑图像，使用重建算法恢复目标信息。本发明无需机械扫描实现目标光场调制，具有简便的系统架构和较快的成像速度，解决了目前超分辨成像方法中存在的成像时间较长，光路的搭建成本和复杂性较高等问题。
-
公开(公告)号：CN113691288A
公开(公告)日：2021-11-23
申请号：CN202110966553.2
申请日：2021-08-23
Applicant: 北京理工大学
IPC: H04B7/0413 , H04B7/0417 , H04B7/0456 , G06N3/08 , G06N3/04
Abstract: 本发明公开一种基于深度学习的联合导频、反馈、多用户混合编码方法，解决传统信道估计反馈方法中导频与反馈开销过大以及传统混合预编码方法性能损失的问题。包括：将下行导频传输过程建模为单层不带偏置的线性激活函数全连接神经网络，即导频传输网络；在用户端构建导频反馈网络，将接收导频信号压缩为比特矢量，并将其反馈给基站；在基站端构建混合预编码网络，用于根据所有用户反馈的比特矢量设计混合预编码器；将所述导频传输网络、导频反馈网络、混合预编码网络组合形成一个端到端的神经网络，并以系统和速率为指标对其进行数据驱动的端到端训练；将训练好的端到端深度学习神经网络应用于导频传输、信道反馈和混合预编码。
-
-
-
-
-
-
-
-
-
Search Results
200
records
(took 0.036 seconds)
