-
公开(公告)号：CN116933646A
公开(公告)日：2023-10-24
申请号：CN202310929286.0
申请日：2023-07-26
Applicant: 吉林大学
Abstract: 本发明涉及一种基于遗传算法的VPX机箱的屏蔽效能预测方法，属于电磁环境效应领域。通过CST电磁仿真软件对平面波辐照下VPX机箱的屏蔽效能进行分析与仿真建模，根据仿真结果利用传输线等效电路模型及遗传算法进行VPX机箱的特征参数矩阵提取，预测机箱内部不同位置的屏蔽效能，对比屏蔽效能仿真结果和算法理论计算结果，验证了算法结果的准确性和可靠性，基于提取的机箱的特征参数矩阵，探究不同频点下离开平面波入射面距离对屏蔽效能的影响，根据算法结果确定不同频点下机箱内部屏蔽效能最优点。有益效果是成功地预测机箱在不同频点处及不同位置的屏蔽效能，为机箱内部走线及敏感器件安装位置的选取提供参考，节省了大量的计算资源。
-
公开(公告)号：CN119556252A
公开(公告)日：2025-03-04
申请号：CN202411707840.1
申请日：2024-11-26
Applicant: 吉林大学
IPC: G01S7/41 , G06F18/241 , G06F18/213 , G06F18/25 , G06F18/10 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/045 , G01S7/02 , G01S7/40
Abstract: 本发明涉及一种基于神经网络和多头注意力机制的雷达PRI调制类型识别方法，属于雷达信号处理领域。对雷达脉冲TOA序列进行一阶差分得到PRI序列的样本数据，并采用中值滤波器对其做滤波处理，以降低缺失或虚假脉冲的影响，构建一种融合多尺度卷积挤压激励神经网络、双向门控循环单元神经网络和多头注意力机制的模型，该模型能够提取数据局部精细化特征和捕捉数据长期时序相关性特征，使用多头注意力机制整合全局信息，对门控循环单元中重要的时间步施加更多的权重，对模型进行训练和测试，结果表明，与其他神经网络方法相比，本发明方法在缺失脉冲和杂散脉冲占比较高的条件下对六种雷达PRI调制信号的识别率更高。
-
公开(公告)号：CN119323762A
公开(公告)日：2025-01-17
申请号：CN202411476351.X
申请日：2024-10-22
Applicant: 吉林大学
IPC: G06V20/52 , G06V10/22 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0475
Abstract: 本发明公开了一种基于SA‑CycleGAN的域自适应人群计数数据集的生成方法，包括如下步骤：基于仿真平台搭建虚拟场景，收集源域下的虚拟人群计数数据集；对虚拟人群计数数据集中的行人图像进行自动标注；利用训练后的域适应网络模型对源域下标注后的虚拟人群计数数据集进行风格迁移，生成具有目标域风格的真实人群计数数据集；域适应网络模型基于SA‑CycleGAN网络结构搭建而成。该方法可以在不同场景下可以实现跨域自适应，能够缓解在其它场景检验时数据集性能大幅度下降的问题。
-
公开(公告)号：CN119322321A
公开(公告)日：2025-01-17
申请号：CN202411440439.6
申请日：2024-10-16
Applicant: 吉林大学
Abstract: 本发明涉及一种MIMO‑OTFS雷达通信一体化系统目标离网格参数估计方法，属于雷达通信一体化领域。包括构建MIMO‑OTFS雷达通信一体化系统接收信号模型；对接收信号矩阵进行变换，将目标参数估计问题表述为稀疏信号恢复问题；采用基于网格的3D‑OMP算法对目标参数进行粗略估计；根据参数粗略估计值建立离网格初始搜索区间；结合三维立体黄金分割思想实现离网格的目标距离、速度和方位角参数精确估计。本发明的优点在于提出离网格的3D‑OGOMP算法，能够解决传统压缩感知类算法存在的网格失配问题，结合三维立体黄金分割搜索，可提高运算效率。将其应用于MIMO‑OTFS雷达通信一体化系统，可实现高精度、低复杂度的目标参数估计，为智能交通应用提供参考。
-
公开(公告)号：CN115296738B
公开(公告)日：2024-04-16
申请号：CN202210900838.0
申请日：2022-07-28
Applicant: 吉林大学
IPC: H04B10/116 , G06V10/28 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06T7/73 , G06T7/66 , G06N3/09 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习的无人机可见光相机通信方法及其系统，包括：发送端使用LED阵列以预先设计的数据帧格式发送数据信息；接收端利用相机捕获LED阵列图像；采用YOLOv5s深度学习算法快速检测出图像中LED阵列位置；结合数据帧格式特点和透视变换算法实现LED的精确定位和状态识别，恢复数据信息；系统包括：发送端、接收端、初步定位模块、精确定位模块、矫正模块和信息获取模块；本发明将深度学习和传统图像处理方法相结合，能够提高无人机可见光相机通信的可靠性，减少系统时延，并且硬件总体造价低，适用于移动设备，易推广。
-
Patent Agency Ranking
公开(公告)号：CN117395750A
公开(公告)日：2024-01-12
申请号：CN202311492470.X
申请日：2023-11-10
Applicant: 吉林大学
Abstract: 本发明公开了一种基于节点分簇的无人机辅助数据收集轨迹优化方法，涉及无线通信技术领域；该方法包括如下步骤：在任务区域内构建无人机辅助物联网系统模型；无人机辅助物联网系统模型包括预设数量个传感器节点；对每个传感器节点进行分簇处理，基于分簇处理后的传感器节点，将无人机辅助物联网系统模型的平均信息年龄，以及无人机剩余能耗作为优化目标，采用DQN算法对无人机的数据采集路径进行规划；该方法基于物联网系统的平均信息年龄和飞机能量消耗，对无人机数据采集的路径进行合理规划，从而提高系统数据收集的效率。
-
公开(公告)号：CN117150038A
公开(公告)日：2023-12-01
申请号：CN202311108573.1
申请日：2023-08-30
Applicant: 吉林大学
IPC: G06F16/36 , G01R31/00 , G06F16/35 , G06F40/216 , G06F40/284 , G06F40/295 , G06N3/0442 , G06N3/047 , G06N3/08 , G06N5/022
Abstract: 本发明涉及一种基于知识图谱的综合电子系统电磁兼容分析方法，属于电磁兼容领域。通过实测及工程师经验文档等得到电磁样本数据，利用基于机器学习的方法对样本数据进行实体识别和实体、属性抽取，得到综合电子系统电磁兼容知识图谱所需的实体、关系、属性，构成综合电子系统电磁兼容的知识图谱，然后将知识图谱的信息导入分层贝叶斯网络中，通过内部模块中各个元器件权重矩阵计算概率，并生成干扰和失效概率预测的知识图谱，从而实现综合电子系统电磁故障诊断与干扰预测。本发明针对综合电子系统机箱内部的电磁兼容问题，智能提取设备电磁兼容的相关数据，能够解决电磁干扰故障诊断和预测难题。
-
公开(公告)号：CN119051696A
公开(公告)日：2024-11-29
申请号：CN202411319650.2
申请日：2024-09-21
Applicant: 吉林大学
IPC: H04B7/0413 , H04B7/06 , H04B7/0456 , H04L25/02 , H04L27/26 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的大规模MIMO‑OTFS波束成形设计方法，属于无线通信技术领域。设计了一种优化的波束成形神经网络OBNN，并以最大化频谱效率为优化目标对MIMO‑OTFS系统波束形成矩阵进行设计，基站将时延多普勒域信号经过OTFS调制后由大规模天线发送，用户在OTFS接收端基于导频符号进行信道估计，将信道估计值和SNR值作为OBNN的输入，通过最小化损失函数进行模型学习，从而获得最优波束形成器权重。本发明优点是利用OTFS调制对多普勒频移的强鲁棒性，适应高移动性通信环境，通过深度学习能够确保损失函数收敛至局部最优，利用预训练权重适应信道估计误差与其他神经网络方法相比，其频谱效率具有显著提升。
-
公开(公告)号：CN113867396B
公开(公告)日：2024-04-26
申请号：CN202111235008.2
申请日：2021-10-22
Applicant: 吉林大学
IPC: G05D1/46
Abstract: 本发明公开了一种网联无人机航线规划与航线平滑方法及装置，方法包括：获取航线起始点与终止点以及对应的经纬度坐标，确定无人机规划航线区域；确定无人机飞行高度，获取该飞行高度无人机飞行通信质量数据；设置飞行环境数据，所述飞行环境数据包括自然环境数据和无人机飞行性能数据；根据通信质量数据和飞行环境数据建立强化学习的奖励函数，通过强化学习，输出规划航线；基于改进的贝塞尔曲线对规划航线转弯段进行平滑处理。本发明通过强化学习选取通信与路径最优的无人机规划航线并根据飞行器性能不断对航线进行修正，以获取最合理最高效的飞行航线，提高了无人机工作效率，极大地推进了网联无人机向自动化、智能化方向发展。
-
公开(公告)号：CN117611963A
公开(公告)日：2024-02-27
申请号：CN202311592202.5
申请日：2023-11-27
Applicant: 吉林大学
Abstract: 本发明公开了基于多尺度扩展残差网络的小目标检测方法，包括：构建包括多个CBS模块、多尺度扩展残差网络、ELAN模块和A‑ELAN单元组的骨干网络；构建包括骨干网络、颈部网络和检测头的小目标检测网络；获取图像样本数据并进行预处理得到增强数据集；将增强数据集输入至骨干网络，依次通过多个CBS模块、多尺度扩展残差网络和ELAN模块后得到第一多尺度特征，第一多尺度特征通过A‑ELAN单元组后得到多个多尺度特征；多个多尺度特征分别输入至颈部网络进行特征融合，得到多个融合特征；多个融合特征输入至检测头进行处理，得到多个目标检测结果。解决了现有的目标识别网络在小目标识别过程中存在的漏检误检等识别精度不高的问题。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.019 seconds)
