公开(公告)号：CN102928850B

公开(公告)日：2014-04-09

申请号：CN201210476764.9

申请日：2012-11-22

Applicant: 桂林电子科技大学

Inventor： 蔡成林 ,  席超 ,  李思敏 ,  韦照川 ,  李天松 ,  王利杰 ,  李志斌

IPC: G01S19/07

Abstract: 本发明公开了一种广域电离层误差改正新方法，根据电离层监测站的分布，选择一个地理位置居中的监测站作为中心站，与两个向外辐射的边缘站构成三角几何图形，作为一个三角分区。把监测站覆盖区域划分为若干三角分区组成的区域，建立覆盖整个网络服务区域的三角分区电离层模型。根据用户电离层穿刺点所落在的三角分区解算得到的三个顶点（监测站）处的垂向电离层延迟，通过距离幂指数权重法，求出穿刺点处的电离层数据（VTEC）。再通过倾斜因子转化为站-星斜向电离层含量（TEC）。该方法能根据中国地形分布难以建立格网模型的特点，解决我国区域电离层精确改正的问题。

公开(公告)号：CN110503104B

公开(公告)日：2021-04-27

申请号：CN201910810616.8

申请日：2019-08-29

Applicant: 桂林电子科技大学

Inventor： 万千 ,  彭国庆 ,  李志斌 ,  赵孝进 ,  谷雨航 ,  林初染 ,  宋爱午

IPC: G06K9/34 ,  G06K9/62 ,  G06Q10/04 ,  G06Q50/26

Abstract: 本发明公开了一种基于卷积神经网络的短时剩余车位数量预测方法，包括建立短时剩余停车位数量预测模型和下一时段的剩余停车位数量预测两部分，首先，建立样本数据集，利用图像训练卷积神经网络，获得短时剩余停车位数量预测模型；其次，将预测场景下的当前时段二维时间序列图导入模型，即可预测下一时间段停车位剩余数量变化趋势。此外，将趋势图进行数图转化，即可以获得下一时间段剩余停车位数量。相比于其他深度、前馈神经网络，卷积神经网络需要训练的参数更少，且其特殊的空间结构能够利用输入的文本数字化数据转化为可视化的二维图像形式进行特征提取、学习与预测。通过对比分析，模型鲁棒性更好，预测结果精确度更高。

公开(公告)号：CN103941266B

公开(公告)日：2016-06-01

申请号：CN201410132939.3

申请日：2014-03-30

Applicant: 桂林电子科技大学

Inventor： 蔡成林 ,  邓克群 ,  李思敏 ,  邓仕超 ,  韦照川 ,  李志斌

IPC: G01S19/20

Abstract: 本发明公开了一种基于互差的卫星完好性监测方法及系统，所述方法包括：卫星位置、钟差及卫星与接收机几何距离的解算；大气层延迟量、硬件通道延迟量的计算；伪距偏差量的计算；互差基准量的构造；检测量的建立；卫星完好性的判断。本发明能够及时、准确地检测出故障卫星，使得用户定位结果始终维持在4至8米的范围内，有效地降低了用户的定位误差，保证了用户的定位精度。

公开(公告)号：CN102928850A

公开(公告)日：2013-02-13

申请号：CN201210476764.9

申请日：2012-11-22

Applicant: 桂林电子科技大学

Inventor： 蔡成林 ,  席超 ,  李思敏 ,  韦照川 ,  李天松 ,  王利杰 ,  李志斌

IPC: G01S19/07

Abstract: 本发明公开了一种广域电离层误差改正新方法，根据电离层监测站的分布，选择一个地理位置居中的监测站作为中心站，与两个向外辐射的边缘站构成三角几何图形，作为一个三角分区。把监测站覆盖区域划分为若干三角分区组成的区域，建立覆盖整个网络服务区域的三角分区电离层模型。根据用户电离层穿刺点所落在的三角分区解算得到的三个顶点（监测站）处的垂向电离层延迟，通过距离幂指数权重法，求出穿刺点处的电离层数据（VTEC）。再通过倾斜因子转化为站-星斜向电离层含量（TEC）。该方法能根据中国地形分布难以建立格网模型的特点，解决我国区域电离层精确改正的问题。

公开(公告)号：CN110555990B

公开(公告)日：2021-04-13

申请号：CN201910809828.4

申请日：2019-08-29

Applicant: 桂林电子科技大学

Inventor： 万千 ,  彭国庆 ,  李志斌 ,  郑钰 ,  刘华磊 ,  马剑 ,  谢振友 ,  冯汝怡

IPC: G08G1/01 ,  G06Q10/04 ,  G06N3/04 ,  G06F30/27

Abstract: 本发明公开了一种基于LSTM神经网络的有效停车时空资源预测方法，首先，根据不同日子特性条件下的历史数据，采用LSTM神经网络建立停车时长预测模型，对未来某一时段内进场车辆的停车时长进行预估，得到预估消耗的停车资源；其次，建立下一时段内有效停车时空资源预测模型，通过综合当前统计时段内，进出场车辆与不出场车辆的时空利用数据信息，结合前一时段有效停车时空资源量，计算出下一时段的有效停车时空资源量。本发明方法提出两个模型以从时空资源的角度去呈现和计算停车场资源，模型鲁棒性好，预测结果精确度较高，对未来停车场实现高度共享和智慧化的停车预约服务与停车资源调度分配奠定了理论基础。

公开(公告)号：CN103149571A

公开(公告)日：2013-06-12

申请号：CN201310052234.6

申请日：2013-02-18

Applicant: 桂林电子科技大学

Inventor： 蔡成林 ,  喻思琪 ,  李思敏 ,  邓克群 ,  韦照川 ,  王利杰 ,  李志斌 ,  席超

IPC: G01S19/07

Abstract: 本发明公开了一种基于GNSS信号辅助的时频差综合修正方法，具体步骤如下：（1）利用低轨卫星星载导航接收机与GEO卫星的位置坐标算出2颗低轨卫星在当前历元的轨道坐标与运动速度，以及2颗低轨卫星分别至GEO卫星的距离及2颗低轨卫星间的距离。（2）根据GEO卫星坐标以及算出的2颗低轨卫星当前历元轨道坐标与速度参数，计算出低轨卫星的到达时差修正量和到达频差修正量，并据此修正量对低轨卫星导航接收机得到的辐射源的修正前到达时差和到达频差进行修正，得到修正后的到达时差和到达频差。采用本方法能够对辐射源到达时频差的固定偏差进行很好的修正，从而显著提高空天无源定位系统的辐射源定位精度。