-
公开(公告)号：CN117406766A
公开(公告)日：2024-01-16
申请号：CN202311176760.3
申请日：2023-09-13
Applicant: 北京理工大学
IPC: G05D1/46
Abstract: 本发明涉及一种基于深度强化学习的双步轨迹规划方法。所述方法中每个训练轮次，包括：确认各无人机空中节点的目标子区域并为各无人机空中节点明确目标位置；构建MTS模型，基于当前空中节点的初始位置及明确目标位置，训练MTS模型控制避无人机空中节点开障碍物并尽可能快地移动到任务区域上空，完成MTS流程；构建MMS模型，根据当前无人机空中节点MTS结束状态、地面节点网络覆盖及数据传输状态，训练MMS模型控制当前无人机空中节点在目标区域辅助通信，完成MMS流程；对每个无人机空中节点重复MTS模型及MMS模型训练，得到训练好的MTS和MMS模型，结束该训练轮次。所述方法规划收益高、轨迹规划更精确且运行效率高。
-
公开(公告)号：CN115422984A
公开(公告)日：2022-12-02
申请号：CN202211374596.2
申请日：2022-11-04
Applicant: 北京理工大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于时间尺度信号分解及熵特征的信号分类方法，属于特征提取及信号分类技术领域。所述方法为：获取多通道电信号，将多通道电信号中的各通道电信号分别进行预处理，得到多通道有效数据；选取时间窗口对多通道有效数据进行划分，并基于划分后的多通道有效数据提取基本特征；所述基本特征，包括时域特征、频域特征以及熵特征；将提取的基本特征进行组合并保存在特征矩阵中；对特征矩阵进行时间尺度信号分解，得到信号分解后特征矩阵；将特征矩阵进行分类，得到分类结果。所述方法能实现对信号较高的分类准确率。
-
公开(公告)号：CN114881093B
公开(公告)日：2022-11-18
申请号：CN202210782445.4
申请日：2022-07-05
Applicant: 北京理工大学
Abstract: 本发明属于数据表示、分类与信号识别技术领域，尤其涉及基于EMD分解、双谱特征及神经网络对射频信号分类识别方法。所述方法，包括：将欲分类的信号循环加入噪声并取模值得到幅度数据；依据有效数据阶数对幅度数据进行改进的集总平均经验模态分解，得到本征模函数分量及剩余信号；将剩余信号划分得到训练数据集与测试数据集；遍历训练数据集与测试数据集中的样本提取双谱特征得到该样本的双谱特征矩阵，并分别构建训练集和测试集；构造卷积神经网络；将训练集输入卷积神经网络中进行训练，得到训练好的模型；将测试集输入训练好的模型中，得到分类识别结果。所述方法实现了对接收到的射频信号高准确率分类。
-
公开(公告)号：CN115342794A
公开(公告)日：2022-11-15
申请号：CN202210791615.5
申请日：2022-07-07
Applicant: 北京理工大学
IPC: G01C19/5614 , G01C19/5621 , G01C19/5628
Abstract: 本发明公开了基于抖动结构的MEMS陀螺仪及其零偏抑制方法。本发明采用对陀螺仪敏感轴进行周期性抖动调制，通过二次解调最终获取角速度，在第二次解调获取角速度的同时将陀螺仪零偏调制到高频，并通过低通滤波将调制到高频的零偏予以消除。本发明零偏误差为0，不再需要对其零偏进行周期性的标定和补偿，这在实际应用中将会极大地节省用户维护的经济和时间成本。本发明解决了陀螺仪长期存储免标定的问题，极大的扩展MEMS陀螺仪在长航时、长航程纯惯性导航领域内的应用。
-
公开(公告)号：CN113566857B
公开(公告)日：2022-09-16
申请号：CN202110398325.X
申请日：2021-04-14
Applicant: 北京理工大学
Abstract: 本发明涉及基于光纤复合柔性传感器的人体姿态识别方法，属于光纤传感以及姿态识别技术领域。所述姿态识别方法放置传感器于被检测关节处，记录关节位置与传感器反射波长对应关系；宽带光经光纤耦合器进入各柔性传感器支路，再依次进行两次光强衰减、一次反射，进入光纤光谱解调设备，该设备采集各传感器的反射光波长与强度信息；波长和光强信息进行解耦和分离；光的强度平滑、去抖动；依据光强信息，推算出对应关节弯曲角度的方向和大小；绘制人体的骨骼模型得到姿态信息；所述方法使用光纤复合柔性传感器解决了传统电学传感器因材料导致的穿戴不便和易受电磁干扰的问题；解决了光纤分布式传感系统不能用于需要大应变测量人体姿态检测场景的问题。
-
Patent Agency Ranking
公开(公告)号：CN114858151A
公开(公告)日：2022-08-05
申请号：CN202210792146.9
申请日：2022-07-07
Applicant: 北京理工大学
Abstract: 本发明公开了一种MEMS陀螺的抖动微纳结构，包括支撑柱、外圈、折叠梁及电极；支撑柱和外圈同轴设置，折叠粱用于将多个折叠粱沿径向设置于支撑柱和外圈之间并在周向360度范围内均匀分布，在折叠粱的侧面设置正负电极，折叠粱具有左右对称的折叠结构，所述折叠结构增加了正负电极的表面积。本发明的抖动微纳结构采用折叠梁结构增加电极表面积，使得在相同抖动幅度的情况下驱动电压更低；本发明抖动微纳结构的外圈为镂空结构，实现了更大抖动幅值。本发明具有成本低、体积小、结构简单、驱动电压低、抖动频率高的优点，用于惯导系统的陀螺可以缩短启动时间，提高响应速度。
-
公开(公告)号：CN114254713B
公开(公告)日：2022-05-27
申请号：CN202210187798.X
申请日：2022-02-28
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于时频变换与动态模式分解的分类系统及方法，属于数据分类、图像分类及信号识别技术领域。所述系统,包括预处理模块、时频分析模块、动态模式分解模块、能量特征提取模块、各阶矩求解模块以及分类模块；所述方法，包括：将采集的数据进行预处理得到有效信号；将有效信号先进行时频分析再动态模式分解，得到多个特征值与动态模态并排序得到从大到小的能量值、对应特征值与动态模态，组合形成能量特征矩阵；提取能量特征矩阵的前S个元素并丢弃后续数据，更新能量特征矩阵，再求该能量特征矩阵的二范数得到变换后的特征矩阵；基于变换后的特征矩阵作为待分类数据进行阈值分类并输出分类结果。所述方法能实现了较高的分类准确率。
-
公开(公告)号：CN114397361A
公开(公告)日：2022-04-26
申请号：CN202210001769.X
申请日：2022-01-04
Applicant: 北京理工大学
IPC: G01N29/02 , C09D105/04 , C09D177/04 , C09D105/08 , C09D101/28 , C09D7/61 , C09D7/63 , B01J13/22
Abstract: 本发明涉及一种用于湿度传感器的绿色高分子材料的制备方法，属于高分子材料制备及应用技术领域。所述方法，包括：在适宜温度将亲水聚合物溶解到水中并搅拌得到聚合物溶液；将交联剂水溶液加入聚合物溶液中搅拌后加入占聚合物溶液油相和乳化剂并搅拌形成均匀稳定的乳液；在乳液中加入酸性化合物，继续搅拌得到聚合物乳液；将聚合物乳液进行离心得到交联的微球固体；将微球固体在乙醇洗涤沉淀，再用滤纸抽滤和烘干得到微球；将微球分散到沉积液中，将沉积液通过滤头过滤得到滤液；将滤液涂覆于石英晶体微天平表面，制备湿度传感器；所述方法制备过程反应条件温和，原料来源于天然高分子，绿色环保且可回收降解，制备的湿度传感器灵敏度高且响应快。
-
公开(公告)号：CN113936148A
公开(公告)日：2022-01-14
申请号：CN202111084759.9
申请日：2021-09-16
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于随机傅里叶特征变换的图像分类方法，属于图像分类技术领域。所述分类方法，包括：1、对训练图像进行预处理，得到预处理后的图像，预处理包括灰度化、几何变换、图像增强、图像分割及图像去噪；2、对预处理后的图像进行特征提取，得到图像特征，并构建训练集；图像特征包括颜色特征、纹理特征、代数特征及变换特征；3、训练同类图像特征，得到新的权重向量和分离距离；4、对待分类图像进行预处理、特征提取及随机傅里叶变换并分类，得到分类结果。所述方法对小样本及单一样本图像的准确率高；时间和空间复杂度低；避免了神经网络结果选择和局部最小值问题；对高维及非线性分类问题泛化性好。
-
公开(公告)号：CN113916221A
公开(公告)日：2022-01-11
申请号：CN202111057042.5
申请日：2021-09-09
Applicant: 北京理工大学
Abstract: 本发明涉及一种融合视觉里程计和BP网络的自适应行人航迹推算方法，属于机器视觉以及行人导航技术领域。包括：提出了一种融合视觉里程计和BP网络的自适应行人航迹推算方法，该方法将在线学习反向传播神经网络的卡尔曼滤波相结合，以RGB‑D相机的VO测量数据和IMU数据作为样本集训练BP神经网络，在VO失效时充当其替身实现多源数据融合，从而使得VPO提高了不同使用者和使用环境下航迹追踪的鲁棒性和精度。所述方法提高了步伐检测的成功率和补偿估计；在视觉失效时，能较为精确的计算步长；具有成本低、能耗低且实时性好的优势；有效提升了行人导航系统的鲁棒性和对不同装备者的自适应性。
-
-
-
-
-
-
-
-
-
Search Results
159
records
(took 0.025 seconds)
