-
公开(公告)号：CN116822321A
公开(公告)日：2023-09-29
申请号：CN202310184800.2
申请日：2023-03-01
Applicant: 太原理工大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明涉及电离层预测技术领域，公开了一种电离层的总电子含量预测方法、设备及存储介质，通过获取电离层和太阳活动其各自带有的属性数据，并对其进行预处理，将预处理后的数据分为训练数据集和测试数据集，通过训练数据集对新建基于完全连接的神经网络结构的总电子含量预测模型进行训练，同时通过Adam优化器和针对不同太阳活动的数据对总电子含量预测模型进行优化，获得最优总电子含量预测模型，实现对电离层的总电子含量预测。本发明基于电离层和太阳活动各自带有的基本属性，通过建立的总电子含量预测模型实现准确预测电离层中总电子含量，同时可以显示出高太阳活动和低太阳活动的不同情况，为预警天气变化提供了一种可实施的方法。
-
公开(公告)号：CN116662932A
公开(公告)日：2023-08-29
申请号：CN202310678647.9
申请日：2023-06-09
Applicant: 太原理工大学
IPC: G06F18/25 , G06F18/214 , G06F18/21 , G06N3/0499 , G06N3/084 , G06N3/086
Abstract: 本发明涉及地面土壤水分的高精度监测方法，具体为基于NSGA‑BP神经网络模型的土壤水分监测方法，构建了一个多数据融合的土壤水分模型，使用的地表环境数据包括经纬度信息、NDVI、降雨量、空气温度、土地覆盖类型、坡度、坡面、高程和阴影。由于上述地表环境数据与土壤水分的关系是复杂的非线性方式，使用传统的线性统计回归算法很难融合多种数据类型并绘制土壤水分图。与传统算法相比，机器学习技术在处理复杂的非线性问题方面表现出色。特别是，由遗传算法优化的遗传算法反向传播神经网络模型具有高度的稳定性和良好的拟合性。本发明方法不需要实地监测就能得到高精度的土壤水分数据，较大程度的降低了获取高精度土壤水分数据的成本。
-
公开(公告)号：CN116614171A
公开(公告)日：2023-08-18
申请号：CN202310595380.7
申请日：2023-05-25
Applicant: 太原理工大学
IPC: H04B7/185
Abstract: 本发明公开了一种基于曼哈顿模型的星间数据调度技术方法，涉及星地通信数据调度领域。本发明分为数据预处理、星地下载调度和ISL数据调度三个部分。首先针对星地通信时间不均匀问题按照阈值进行划分，提高每个时间窗的利用率，缩减了问题的规模，设计了基于曼哈顿模型的ISL星间数据调度算法，根据前序星地调度的结果，充分利用卫星状态迁移设计调度算法，网络拓扑选取曼哈顿模型，将卫星分为多个状态，根据卫星从初始时刻开始的状态变化，在每个时间片内确定星间数据调度顺序，通过引入度小优先原则、时间窗分配策略避免了卫星之间数据调度的冲突，从减少星间通信次数的角度对调度过程进行优化，实现了提高每个时间窗内最大化星地下载数据量的有效性。
-
公开(公告)号：CN116469553A
公开(公告)日：2023-07-21
申请号：CN202310184845.X
申请日：2023-03-01
Applicant: 太原理工大学
IPC: G16H50/30 , G16H50/20 , G16H30/20 , G16H15/00 , G16H10/60 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/045 , A61B6/00
Abstract: 本发明涉及数据处理技术领域，具体涉及一种基于LSTM模型与ResNet50模型的多模态心衰预测辅助方法,包括对患者电子健康记录的数据与胸片进行预处理；使用ResNet50将胸片进行处理并生成放射性报告；使用LSTM模型对电子健康记录中的数据进行处理，提取数据并且生成报告；利用文本‑图像嵌入网络将胸片中与电子健康记录中的提取出的信息进行融合，并且进行预测判断得出最后的诊断结果；本发明通过结合使用深度学习对胸片的生成报告和与时间轴有关的文本信息来融合预测判断，对预测的准确度会有很大的提升，帮助医师辅助诊断患者是否患有心衰疾病。
-
公开(公告)号：CN116451068A
公开(公告)日：2023-07-18
申请号：CN202310184824.8
申请日：2023-03-01
Applicant: 太原理工大学
IPC: G06F18/214 , G06F18/15 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及数据处理技术领域，具体涉及一种多模态数据融合的心力衰竭诊断辅助方法，对采集到的心电图、胸片和文本信息进行特征提取生成向量；将生成的向量与分别嵌入三组的相对位置编码进行相加；将处理好的数据输入到tranformerencoder网络进行训练，在验证集上达到预设准确率后保存当前模型参数；分类器分类后对心力衰竭分类、严重程度分级以及对患者出院后的再入院和死亡率进行预测；本发明通过对心衰电子病历当中的心电图、胸片和文本三种不同模态数据进行融合，将多模态间互补的信息融合能够进一步提升对患者的诊断以及预测预警能力，从而可以辅助医生更准确的指导患者改善健康状态，从而降低患者的家庭负担。
-
Patent Agency Ranking
公开(公告)号：CN116406014A
公开(公告)日：2023-07-07
申请号：CN202310184853.4
申请日：2023-03-01
Applicant: 太原理工大学
IPC: H04W72/0457 , H04W72/50
Abstract: 本发明涉及无线网络技术领域，具体涉及一种基于动态解调门限的速率自适应选择方法；通过以统计和SNR相结合的综合性算法，采用统计成功率的方式，在不同的环境下自动调整调制速率和各个速率对应的最小解调SNR门限值，同时采用无线Mesh设备路由协议广播报文作为设备间接收SNR交互的载体，降低因SNR交互引入的信道容量开销，使得设备在各种工作环境下都能根据SNR和发送成功率的大小选择匹配当前信道环境的最佳调制速率；能够解决已有方法存在的速率选择不合理、速率切换不及时、速率切换频繁抖动等关键问题。
-
公开(公告)号：CN110988933B
公开(公告)日：2023-03-28
申请号：CN201911057469.8
申请日：2019-10-31
Applicant: 太原理工大学
IPC: G01S19/28
Abstract: 本发明公开了一种基于模拟退火和梯度下降的选星方法，先利用模拟退火算法进行全局搜索，找出最优解的范围，再利用梯度下降法找到最优解范围内的极小值，从而确定选择的卫星子集，具体包括：接收到所有可见卫星信号，选择仰角最大和最小的可见星，产生新解，选择由当前新解经过简单地变换即可产生新解的方法，然后计算新解所对应的精度因子；由新解的评价函数减去旧解的评价函数得到温度增量，通过接受准则判断是否接受新解；将模拟退火算法搜索到的最优局部空间作为梯度下降的输入样本，由梯度下降进行局部准确搜索，从而输出最优解；该方法消耗时间短，解决了定位精度和快速定位之间的矛盾。
-
公开(公告)号：CN110971551B
公开(公告)日：2022-11-08
申请号：CN201911184234.5
申请日：2019-11-27
Applicant: 太原理工大学
Abstract: 本发明一种基于无源感知技术的跨协议通信平台，属于物联网信息系统技术领域，包括射频前段、接收器、发送器、微控器及传感设备；接收器是对接收到的信号进行解码，具体包括依次连接的检测器、峰值发现器、设置阈值电路以及比较器，发送器用来发送不同协议的通信信号，实现跨平台的通信，通过控制微控器输出的数字传输信号以及匹配网络的阻抗来进行调节，输出不同平台通信协议采用的调制方式；本发明通过反向散射技术在一个设备上实现多种调制方式，能够按照需求自适应的与多种设备进行通信，并只通过反向散射调制技术进行信号的产生，为最终提高物联网不同设备之间的相互通信起到积极作用。
-
公开(公告)号：CN109001768B
公开(公告)日：2022-09-13
申请号：CN201810858915.4
申请日：2018-07-31
Applicant: 太原理工大学
IPC: G01S19/22
Abstract: 本发明公开了一种应用于天线中的改进双极化顺序ML多径抑制方法，在双极化天线中运用了MMT和MSML技术。首先将双极化天线的信号分为两类，再结合MSML技术提出DP—MSML算法对接收信号的多经参数进行迭代估计，利用本地的生成的ACF来匹配接收信号的CCF。因为LOS信号是被RHCP所接收的，所以利用增加的LHCP信道中的CCF协助RHCP信道进行MSML迭代算法来抑制短延迟多径。本发明提出的DP—MSML算法能够帮助接收机在高动态以及复杂地貌中对弱信号的短延迟多径进行有效抑制，提高定位精度。
-
公开(公告)号：CN113452473B
公开(公告)日：2022-06-28
申请号：CN202010225298.1
申请日：2020-03-26
Applicant: 太原理工大学
Abstract: 本申请涉及一种在反向散射中预测最佳信道的方法、装置及存储介质，所述方法包括：计算RFID标签的速度以及接收信号强度指示RSSI的方差；构建神经网络并对模型进行训练；以及在所述模型训练完成后，利用所述模型进行预测以获取最优信道以及相应的比特率，其中，所述神经网络的输入包括所述RFID标签的速度、所述RSSI的方差、丢包率以及表述当前信道列表的稀疏矩阵所构成的矩阵。通过采用上述在反向散射中预测最佳信道的方法、装置及存储介质，可以根据动态信道质量来调整数据的传输速率，以确保信道的高吞吐量。
-
-
-
-
-
-
-
-
-
Search Results
306
records
(took 0.028 seconds)
