-
公开(公告)号：CN112584060A
公开(公告)日：2021-03-30
申请号：CN202011478934.8
申请日：2020-12-15
Applicant: 北京京航计算通讯研究所
IPC: H04N5/262 , H04N5/268 , H04N7/18 , H04N13/275 , H04N13/327 , H04N13/363 , G06T3/40 , G06T5/00 , G06T17/05 , G06T19/20 , H04L29/06
Abstract: 本发明属于虚实融合视频监控相关技术领域，具体涉及一种视频融合系统，其包括：三维建模模块、效果调整模块、视频流处理模块、视频畸形矫正模块、视频投射模块；本发明的视频融合技术，通过对监控视频数据流提取视频帧并将其投射到虚拟场景里，实现视频数据与虚拟场景数据的全时空立体融合，改变了地图应用只能静态展示的传统模式，将部署在不同地理位置的多路实时监控视频与监控区域的三维模型进行配准融合，生成大范围三维全景动态监控画面，实现监控区域整体安全态势的实时全局掌控。
-
公开(公告)号：CN112561148A
公开(公告)日：2021-03-26
申请号：CN202011432796.X
申请日：2020-12-09
Applicant: 北京京航计算通讯研究所
IPC: G06Q10/04 , G06F16/2458 , G06N3/04 , G08G3/00
Abstract: 本发明涉及一种基于一维卷积神经网络和LSTM的船舶轨迹预测方法，包括以下步骤：数据预处理步骤：对通过船舶AIS采集的包括船位、航速和航向信息在内的轨迹数据进行预处理得到轨迹切分数据；特征提取步骤：采用一维卷积神经网络对轨迹切分数据进行特征提取优化，并将提取到的高级特征与所述轨迹切分数据结合来构造轨迹预测训练的输入数据；轨迹预测模型训练步骤：将所述输入数据导入到LSTM神经网络模型学习轨迹数据中隐含的船舶运动规律；轨迹预测步骤：利用所述船舶运动规律对船舶下一时刻的位置进行预测。本发明较其他现有预测方法具有更好的预测精度，均方误差更低，并且预测更迅捷。
-
公开(公告)号：CN112487475A
公开(公告)日：2021-03-12
申请号：CN202011374168.0
申请日：2020-11-30
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种涉密载体风险分析方法及系统，属于风险分析技术领域，解决了现有技术中缺乏对涉密载体的风险预警、管控，导致信息安全隐患大的问题。该方法包括：基于获取的样本涉密载体属性信息数据集，利用权值分类结合决策树建立风险预测模型；利用所述风险预测模型对待检测涉密载体进行检测获得风险值及风险属性频率值；将所述风险值及风险属性频率值进行图形化展示。该方法通过对待检测涉密载体进行风险预测，能够有效辅助涉密载体的管控，提供涉密信息的安全性。
-
公开(公告)号：CN112462739A
公开(公告)日：2021-03-09
申请号：CN202011301998.0
申请日：2020-11-19
Applicant: 北京京航计算通讯研究所
IPC: G05B23/02
Abstract: 本发明涉及一种双通道耦合飞行控制程序的故障检测系统，包括：飞控测试用例模块用于建立包括增加风干扰因素的多个飞控测试用例；飞行控制模块用于分别运行纵向通道控制律和侧向通道控制律输出飞控执行结果，在飞行的机动区间内纵向飞行控制通道和侧向飞行控制通道的控制律相耦合；飞控测试用例插入模块用于选择飞控测试用例模块中的飞控测试用例插入飞行控制模块；控制结果比对模块用于比对飞行控制模块实际输出的飞控执行结果与期望的飞控执行结果，判断在执行飞控测试用例时是否出现故障。本发明基于系统工作原理和流程分析进行建模分析和测试场景设计，关注对异常处理的容错和避错设计，有利于检查系统和软件的可靠性和充分性。
-
公开(公告)号：CN112446358A
公开(公告)日：2021-03-05
申请号：CN202011478980.8
申请日：2020-12-15
Applicant: 北京京航计算通讯研究所
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于视频图像识别技术的目标检测方法，包括如下步骤：视频输入、目标监测、目标跟踪、目标输出；本发明在区域监测中通过背景建模将重点关注监测区域与画面背景进行分离，降低背景因素干扰，并通过目标区域抑制方法，进一步有效过滤无效目标，同时通过目标跟踪方法持续准确定位有效目标，排除虚警目标。与现有技术相比，本发明提出的技术方案在无需其他硬件设备技术支持下，通过对监视摄像机视频图像进行分析，将场景中背景和目标分离进而分析并追踪在摄像机场景内出现的有效目标，具备对风、雨、雪、落叶、飞鸟、飘动的旗帜等多种背景的过滤能力，从而有效提高视频图像识别技术的实用性。
-
Patent Agency Ranking
公开(公告)号：CN109391931B
公开(公告)日：2021-03-05
申请号：CN201811295716.3
申请日：2018-11-01
Applicant: 北京京航计算通讯研究所
Abstract: 本发明属于应急通信技术领域，具体涉及一种应用于应急处置的高可靠性数据传输系统。该系统包括：原始数据收集模块；含有异常值的压缩数据收集模块；含有异常值的压缩数据重构模块；与现有技术相比较，本发明具备如下有益效果：(1)能量消耗少：由于应急处置环境中的数据具有动态性，复杂性等特点，每次采样都需要同时采集个传感器的值。本发明提出的数据收集方法，每次只需要采集个数值，因此会减少网络中的数据传输量，减少网络中的能量消耗。(2)数据重构精度高：应急无线传输节点应用场景复杂，通常包含有不可预测的环境噪声。本发明采用一种应用于应急处置的高可靠性数据传输方法，使用压缩感知原理进行数据收集，能实现数据的精确重构。
-
公开(公告)号：CN112417721A
公开(公告)日：2021-02-26
申请号：CN202011253439.7
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种基于二维有限元法扩散模型的水污染溯源方法及系统，属于水污染监测技术领域，解决了现有水污染溯源方法对检测要求高、效率低、成本高的问题。该方法包括：获取待监测河流的河流基本信息、水流水质信息及排污口信息，并建立待监测河流的三维模型；在三维模型中，进行污染物扩散仿真，获得每一排污口的污染物浓度梯度，进而确定监测点的位置，并获得监测点处每一排污口对应的污染物浓度仿真值；在待监测河流中采集对应的污染物浓度值；当污染物浓度值大于预设值时，将污染物浓度值与每一排污口对应的污染物浓度仿真值进行相关分析，获得相关系数，进而确定污染源排污口。该方法能够操作简单，且能够快速的水污染进行溯源。
-
公开(公告)号：CN112416855A
公开(公告)日：2021-02-26
申请号：CN202011311200.0
申请日：2020-11-20
Applicant: 北京京航计算通讯研究所
IPC: G06F15/78
Abstract: 本发明涉及一种基于树状片上网络的数据采集处理片上系统，属于片上网络技术领域，解决了现有的片上系统无法实现数据处理且采集数据的传输效率较低的问题。系统包括同步采集区，用于采集与片上系统连接的外部ADC模块输出的采集数据，并将采集数据输出至缓存管理区；缓存管理区至少一个缓存单元；数据处理区，用于根据第一计算处理队列对第二计算处理队列输出的数据进行相应处理；以及，根据第一输出队列将第二输出队列输出的数据输出至数据输出区；数据输出区，用于将数据处理区输出的数据输出至外部设备。实现了采集数据的处理、缓存和高效传输，利用计算处理队列和输出队列实现了各通道数据的处理及输出的灵活配置，具有较高的实用价值。
-
公开(公告)号：CN112416337A
公开(公告)日：2021-02-26
申请号：CN202011255814.1
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种面向航天嵌入式系统的软件架构开发系统，包括：信息提取模块，用于提取和分类航天型号软件需求文档中的软件关键信息；建模验证模块，用于对软件关键信息进行形式化建模、验证与封装，得到软件的可复用组件；软件组件库，用于存储所述可复用组件；框架生成模块，用于构建软件代码框架，所述代码框架由从软件组件库中调用的可复用组件构成；软件代码编辑模块，用于在所述软件代码框架下，根据软件的业务逻辑、控制逻辑和算法逻辑编辑软件代码，生成可执行软件本发明可以丰富软件开发自动化技术、提高软件开发效率、缩短协议开发周期，提高代码的安全性和健壮性。
-
公开(公告)号：CN112395968A
公开(公告)日：2021-02-23
申请号：CN202011253582.6
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种基于神经网络的机械旋转部件故障诊断方法及装置，属于故障诊断技术领域，解决了现有的机械旋转部件故障诊断方法获得的诊断结果精度较差问题。方法包括：获取机械旋转部件的历史振动信号，并为历史振动信号添加标签；构建高维卷积神经网络模型，并基于历史振动信号对高维卷积神经网络模型进行训练，得到高维卷积神经网络模型的最优网络结构；将待诊断的振动信号输入高维卷积神经网络模型的最优网络结构，得到诊断结果。实现了机械旋转部件故障的诊断，提高了诊断精度。
-
-
-
-
-
-
-
-
-
Search Results
551
records
(took 0.057 seconds)
