-
公开(公告)号:CN117634555A
公开(公告)日:2024-03-01
申请号:CN202311362525.5
申请日:2023-10-19
Applicant: 哈尔滨工业大学
IPC: G06N3/0455 , G06N3/042 , G06N3/048 , G06F18/2415 , G06N3/08
Abstract: 基于运动约束Transformer的数值传感器可信性自评估方法和系统,涉及数值传感器可信性自评估领域。解决现有导航传感器具有较强的动态性和较大的误差自相关性,传统研究方法在处理较长的导航数据序列时面临梯度消失或爆炸,导致数值传感器可信性自评估结果不准确的问题。方法包括:构建具有多层注意力机制的Transformer结构并对时间序列中任意两个位置之间的依赖关系建立数值传感器数据预测模型;根据运动约束和自相关误差校正技术对预测模型进行优化,获取优化模型;根据优化模型获取预测值;根据预测值计算数值传感器数据的异常概率;根据异常概率计算数值传感器的数据自评估可信性结果。本发明应用于自动驾驶汽车领域。
-
公开(公告)号:CN117409305A
公开(公告)日:2024-01-16
申请号:CN202311302220.5
申请日:2023-10-09
Applicant: 哈尔滨工业大学
IPC: G06V20/00 , G06V20/40 , G06V10/774 , G06V10/82 , G06V10/20 , G06V10/44 , G06T7/50 , G06T7/70 , G06N3/0455 , G06N3/0464 , G06N3/088
Abstract: 一种基于共视数据重构的可信度互评估方法和系统,涉及信息融合技术领域。现有传感器数据的可信性评估方法侧重于静态物联网,并围绕数据冗余进行设计并且这些系统无法在融合之前动态评估传感器数据的可信性的问题。所述方法包括:通过传感器获取视频图像数据,并采用无监督学习框架GeoNet处理所述视频数据获取最终流预测的深度图;根据所述深度图进行缩放处理,获取视差图;将所述视差图进行锐化处理,获取图像边缘信息;根据所述获取图像边缘信息进行正向映射,获取合成图像;通过重构摄像机采集视频图像;根据所述合成图像和重构摄像机采集视频图像进行相似度计算,完成相互可信性评估。本发明应用于多源导航领域。
-
公开(公告)号:CN110808178A
公开(公告)日:2020-02-18
申请号:CN201911114911.6
申请日:2019-11-14
Applicant: 哈尔滨工业大学
Abstract: 一种具有高比电容聚苯胺/碳化钛柔性电极及其制备方法,本发明涉及一种具有高比电容聚苯胺/碳化钛柔性电极及其制备方法。本发明是要解决目前二维碳化钛在正极窗口容量较低且容易被氧化问题,方法为:制备纳米尺度聚苯胺分散液;制备少层二维碳化钛分散液;制备聚苯胺/碳化钛复合材料;制备聚苯胺/碳化钛高浓度油墨;制备聚苯胺/碳化钛柔性电极。本发明的制备方法制备工艺简单、成本低、可规模化生产;获得的柔性电极具有高质量比电容、高体积比电容以及好的柔性。本发明属于纳米材料技术领域。
-
公开(公告)号:CN106981072B
公开(公告)日:2019-07-16
申请号:CN201710181660.8
申请日:2017-03-15
Applicant: 哈尔滨工业大学
Abstract: 目标跟踪中基于多示例学习思想的训练样本选择方法,涉及计算机视觉领域的目标跟踪技术。本发明是为了解决目标跟踪中传统监督学习算法面临的“弱标记”样本的缺陷,导致无法保证准确对样本进行标记的问题。本方法:将所有正样本放入一个正样本包中,将对关于包的对数似然函数贡献较小的样本视为较差的样本。采用迭代的方式,每次迭代从正样本包中移除最差的样本,直到正样本包中剩余足够数量的样本。本发明在跟踪准确性方面优于其他评估算法,同时具有较高的帧率,满足实时性要求。
-
公开(公告)号:CN104734725B
公开(公告)日:2017-11-03
申请号:CN201510114699.9
申请日:2015-03-16
Applicant: 哈尔滨工业大学
IPC: H03M7/30
Abstract: 基于FRI的自适应采样恢复方法,涉及信息与通信技术领域。是为了降低采样点数,提高采样效率进而提高信号的恢复精度,本发明提能够根据具体的应用场景智能地选择采样的点数。并能利用最少的点数获得最大的信号恢复精度。在某些应用场景下,如军用的导弹导航信号,对信号的精度要求较高,这时,此算法可以选取较多的点数以获得最大的恢复精度。而在另外一些应用场景中,如民用对讲机,对信号的要求并不高,这时,自适应恢复算法可以选取较少的点数以保证较高的采样效率。于此同时,自适应采样恢复方法拓展了FRI理论所能处理信号的种类,使其不仅能处理离散的狄拉克流,也能处理任意时间连续的信号。本发明适用于信号自适应采样恢复场合。
-
公开(公告)号:CN104660266B
公开(公告)日:2017-09-26
申请号:CN201510114741.7
申请日:2015-03-16
Applicant: 哈尔滨工业大学
IPC: H03M1/54
Abstract: 基于离散混沌序列的伪随机观测矩阵的MWC欠采样方法,涉及信息与通信技术领域,是为了克服由随机观测矩阵的不确定性带来的仿真实验结果不够稳定以及硬件难以实现的缺点,同时为了克服确定性观测矩阵重构效果较差且限制较多的问题。其方法:选择一种混沌映射系统,获取相应映射方程进行逐步迭代,产生模拟实值混沌序列;舍弃前1000个值,并且对模拟实值混沌序列做等间隔为d的下采样,并将采样序列转换成离散数字序列,将获得的个离散序列数据依次排入混沌伪随机观测矩阵中,获得混沌测量矩阵;并进行MWC欠采样。本发明适用于MWC欠采样。
-
公开(公告)号:CN106981072A
公开(公告)日:2017-07-25
申请号:CN201710181660.8
申请日:2017-03-15
Applicant: 哈尔滨工业大学
CPC classification number: G06K9/6278 , G06K9/6256 , G06T2207/10016 , G06T2207/20081 , G06T2207/30232
Abstract: 目标跟踪中基于多示例学习思想的训练样本选择方法,涉及计算机视觉领域的目标跟踪技术。本发明是为了解决目标跟踪中传统监督学习算法面临的“弱标记”样本的缺陷,导致无法保证准确对样本进行标记的问题。本方法:将所有正样本放入一个正样本包中,将对关于包的对数似然函数贡献较小的样本视为较差的样本。采用迭代的方式,每次迭代从正样本包中移除最差的样本,直到正样本包中剩余足够数量的样本。本发明在跟踪准确性方面优于其他评估算法,同时具有较高的帧率,满足实时性要求。
-
公开(公告)号:CN104660266A
公开(公告)日:2015-05-27
申请号:CN201510114741.7
申请日:2015-03-16
Applicant: 哈尔滨工业大学
IPC: H03M1/54
Abstract: 基于离散混沌序列的伪随机观测矩阵的MWC欠采样方法,涉及信息与通信技术领域,是为了克服由随机观测矩阵的不确定性带来的仿真实验结果不够稳定以及硬件难以实现的缺点,同时为了克服确定性观测矩阵重构效果较差且限制较多的问题。其方法:选择一种混沌映射系统,获取相应映射方程进行逐步迭代,产生模拟实值混沌序列;舍弃前1000个值,并且对模拟实值混沌序列做等间隔为d的下采样,并将采样序列转换成离散数字序列,将获得的个离散序列数据依次排入混沌伪随机观测矩阵中,获得混沌测量矩阵;并进行MWC欠采样。本发明适用于MWC欠采样。
-
公开(公告)号:CN104468427A
公开(公告)日:2015-03-25
申请号:CN201410578238.2
申请日:2014-10-25
Applicant: 哈尔滨工业大学
IPC: H04L25/02
Abstract: 基于FRI时频域综合分析的信号高效采样及信号重构方法,涉及信息与通信技术领域,是为了降低信号的奈奎斯特采样频率,以及为了提高信号采样的精度。在频域,用频率谱线来记录信号较高频率成分的信息,并对频率取对数并归一化,实现频域的进一步压缩。在时域,提出了线段拟合的方法,对较低频率的时域信号进行压缩。通过频域与时域对信号进行高效的采样,大幅度降低对信号采样数量的要求。并利用FRI理论在时域和频域分别对信号进行处理与恢复。同时,本文扩展了FRI理论能处理的信号类型,使FRI理论不仅能处理离散的狄拉克流,也能处理较高频率的连续信号。本发明适用于信号采样及重构过程中。
-
公开(公告)号:CN103973628A
公开(公告)日:2014-08-06
申请号:CN201410215807.7
申请日:2014-05-22
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及高速移动环境下高速率数据无线通信传输通信技术领域,具体地说是一种采用正交多载波频分复用融入双差分对抗多普勒频移的技术,其特征在于采用正交多载波频分复用技术(OFDM)提高通信数据的传输速率,采用双差分技术解决高速移动环境下的多普勒频移对无线通信系统性能的影响,相较于传统的OFDM系统,融入双差分技术能够有效对抗大范围快速时变的多普勒频移的影响。本发明采用正交多载波频分复用技术融入双差分技术,当信噪比达到一定条件下,在高速移动环境下实现高速率数据无线通信的同时,能够有效对抗多普勒频移对系统性能的影响,实现了在高速移动环境下无线通信系统的高速率数据传输通信,提高了无线通信系统的性能。
-
-
-
-
-
-
-
-
-