-
公开(公告)号：CN111865432B
公开(公告)日：2022-04-05
申请号：CN202010533220.6
申请日：2020-06-12
Applicant: 浙江工业大学
IPC: H04B10/61 , H04B10/516
Abstract: 一种CO‑FBMC/OQAM系统中的盲相位噪声补偿方法，在接收端先采用M‑BPS算法对数据进行CPE噪声的补偿，补偿完之后进行预判决；随后挑选CPE补偿完后合适范围内的数据，记录所在位置，把其硬判决后的数据作为发射端数据估计值符号留作后面步骤使用；随后，构造DCT基函数，对相位噪声进行近似估计，最后利用LS估计求得DCT系数，在时域对相位噪声进行更为精确的补偿。经过仿真发现，本发明具有较好的系统性能，有效提高了系统对激光器产生的相位噪声的容忍度。
-
公开(公告)号：CN111865432A
公开(公告)日：2020-10-30
申请号：CN202010533220.6
申请日：2020-06-12
Applicant: 浙江工业大学
IPC: H04B10/61 , H04B10/516
Abstract: 一种CO-FBMC/OQAM系统中的盲相位噪声补偿方法，在接收端先采用M-BPS算法对数据进行CPE噪声的补偿，补偿完之后进行预判决；随后挑选CPE补偿完后合适范围内的数据，记录所在位置，把其硬判决后的数据作为发射端数据估计值符号留作后面步骤使用；随后，构造DCT基函数，对相位噪声进行近似估计，最后利用LS估计求得DCT系数，在时域对相位噪声进行更为精确的补偿。经过仿真发现，本发明具有较好的系统性能，有效提高了系统对激光器产生的相位噪声的容忍度。
-
公开(公告)号：CN111721336A
公开(公告)日：2020-09-29
申请号：CN202010156324.X
申请日：2020-03-09
Applicant: 浙江工业大学
Abstract: 一种基于监督学习的自干涉型微环谐振腔传感分类识别方法，包括以下步骤：(1)训练数据采集；(2)BP神经网络传感数据检测模型训练；(3)测试数据采集；(4)BP神经网络传感数据检测模型测试：将在步骤3中取得的测试数据，即一定波长范围内传输消光值，输入到训练完成的神经网络中，输出待测目标的两个标签值。本发明通过神经网络输出可实现N类基本物质形成的2N-1种不同组合组分的识别分类，得到待测目标物质的识别分类结果。
-
公开(公告)号：CN107171735B
公开(公告)日：2019-07-30
申请号：CN201710342746.4
申请日：2017-05-16
Applicant: 浙江工业大学
IPC: H04B10/61 , H04B10/2513
Abstract: 一种时频域卡尔曼滤波的大线宽CO‑OFDM相位噪声补偿方法，该方法首先将接收端训练符号数据在频域利用进行卡尔曼滤波后进行信道均衡，其次将每个OFDM符号分割为若干个亚符号，在每个亚符号内的导频序列处，进行时域扩展卡尔曼滤波得到其相位噪声粗略估计值。在相邻亚符号最后一个导频序列处的相位噪声粗略估计值之间进行线性插值，得到每个时域采样点的相位噪声粗略估值并补偿，再用Avg‑BL方法相位噪声补偿后进行预判决。最后将预判决后频域数据变换到时域结合初始时域数据，在每个采样点处进行扩展卡尔曼滤波，求出相位噪声精细估计值并补偿。本发明相位噪声均衡效果较好、补偿效果较好、计算复杂度较小。
-
公开(公告)号：CN109474349A
公开(公告)日：2019-03-15
申请号：CN201811167315.X
申请日：2018-10-08
Applicant: 浙江工业大学
IPC: H04B10/516 , H04L1/00 , H04B10/2575
Abstract: 一种D-RoF系统中基于矢量量化的数据压缩方法，发送端首先对信号归一化与取模并加入压缩变换函数信号的分布特性，其次利用合理的分组方式构建多维矢量信号并消除多维矢量信号之间的关联性，随后对多维矢量信号进行矢量量化并生成码字和码本，最后对所有码字的编号进行编码；接收端则先对经过光电检测的电信号进行判决，恢复成二进制数字信号，接着利用码本通过解码处理获取对应的码字，并将所有码字构建成一组多维矢量信号，随后根据发送端的分组方式，逆向地将这组多维矢量信号恢复成一维均匀分布信号，最后加入扩展变换函数使该信号经过反变换后呈高斯分布。该方法具有较好的系统性能，且计算复杂度较低，便于硬件实现。
-
Patent Agency Ranking
公开(公告)号：CN105675545B
公开(公告)日：2019-03-12
申请号：CN201610026981.6
申请日：2016-01-15
Applicant: 浙江工业大学
IPC: G01N21/45
Abstract: 一种基于自干涉型微谐振腔光传感器的高灵敏度强度探测方法，出射频谱拥有与单波导耦合到微环谐振腔类似的频谱，该传输谱是传输谷值具有周期性分布的频谱；将被测物质覆盖在光探测臂波导的上表面，光从输入波导的一端入射，与微环谐振腔发生耦合，则一部分耦合进入微环谐振腔；另一部分从输入波导的另一端出射并经过光探测臂进入输出波导，这部分中一部分光由于输出波导与微谐振腔之间的耦合作用，再次耦合进入微谐振腔，而这部分中一部分光与微环谐振腔中耦合出的一部分光相干涉后从输出波导另一端出射；通过测试谐振波长处传输强度的变化即可实现高灵敏度传感。本发明在保持极高灵敏度的前提下避免要求很高精度的频率定位、降低测试系统成本。
-
公开(公告)号：CN107171735A
公开(公告)日：2017-09-15
申请号：CN201710342746.4
申请日：2017-05-16
Applicant: 浙江工业大学
IPC: H04B10/61 , H04B10/2513
CPC classification number: H04B10/6165 , H04B10/2513
Abstract: 一种时频域卡尔曼滤波的大线宽CO‑OFDM相位噪声补偿方法，该方法首先将接收端训练符号数据在频域利用进行卡尔曼滤波后进行信道均衡，其次将每个OFDM符号分割为若干个亚符号，在每个亚符号内的导频序列处，进行时域扩展卡尔曼滤波得到其相位噪声粗略估计值。在相邻亚符号最后一个导频序列处的相位噪声粗略估计值之间进行线性插值，得到每个时域采样点的相位噪声粗略估值并补偿，再用Avg‑BL方法相位噪声补偿后进行预判决。最后将预判决后频域数据变换到时域结合初始时域数据，在每个采样点处进行扩展卡尔曼滤波，求出相位噪声精细估计值并补偿。本发明相位噪声均衡效果较好、补偿效果较好、计算复杂度较小。
-
公开(公告)号：CN104615722A
公开(公告)日：2015-05-13
申请号：CN201510063814.4
申请日：2015-02-06
Applicant: 浙江工业大学
IPC: G06F17/30
CPC classification number: G06F17/30705
Abstract: 本发明公开了一种基于密度搜索与快速划分的混合数据聚类方法，其特征在于，包括如下步骤：确定混合属性数据集中混合数据的占优类型；根据混合数据的占优类型计算混合数据集中任意两个混合数据之间的距离；根据任意两个混合数据之间的距离，基于密度搜索算法在预设的聚类半径取值范围内对聚类半径进行优化，并以最优的聚类半径对应的对应聚类结果作为最终聚类结果。本发明对混合数据进行占优分析方法确定混合数据的专有类型，针对不同的混合数据采用不同距离计算方法，能有效发挥属性占优的数据维度信息在整体数据信息的重要性并准确计算数据的距离；且采用基于密度搜索与快速划分的数据聚类算法，速度快、准确率高。
-
公开(公告)号：CN103823187A
公开(公告)日：2014-05-28
申请号：CN201410029470.0
申请日：2014-01-22
Applicant: 浙江工业大学
IPC: G01R31/36
Abstract: 无线传感器网络节点的剩余电量的监测方法，包括：建立锂电池RC等效模型，得到离散化后的状态方程；估算当前的状态变量值；更新估计方差，根据方差计算卡尔曼增益；更新状态变量电池剩余电量SOC和电池开路电压；将寄存器中的电压与步骤五中得到的电池开路电压进行对比。使用该方法的装置，包括：用于采样电池的电压、电流和温度的数据收集模块、用于存储数据的Flash存储模块、用于为装置及传感器供电的电压转换模块、电池充电模块、用于接收并处理数据收集模块的电池相关数据的嵌入式微处理器；所述的数据收集模块通过I2C总线与嵌入式微处理器相连接。
-
公开(公告)号：CN218481908U
公开(公告)日：2023-02-14
申请号：CN202222487755.1
申请日：2022-09-20
Applicant: 浙江工业大学
IPC: G09B23/18
Abstract: 本实用新型公开了一种基于树莓派的智能小车遥控系统，包括主体电路、面包板、指示灯部分、数码管、摄像头、舵机部分和测速部分，速部分包括编码器和连接接口，编码器套设在小车的电机转轴上。利用面包板将小车中的指示灯和数码管与主体电路中的树莓派进行连接，从而便于对智能小车中的指示灯和数码管的原理和接线进行教学；利用数据线将摄像头和舵机部分与树莓派进行连接，从而了解功能模块与树莓派之间的连接关系；同时利用连接接口将电机、编码器等部分与树莓派连接，从而了解树莓派对电机控制过程；较为简单和直观的硬件单路结合程序能够使得学生对智能小车的硬件产生更深了解，教学效果更佳。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.026 seconds)
