-
公开(公告)号：CN119024391A
公开(公告)日：2024-11-26
申请号：CN202411134619.1
申请日：2024-08-19
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及卫星导航信号处理技术领域，具体涉及一种基于模拟退火蚁狮算法的整周模糊度解算方法，根据浮点解所确定的解空间范围，进行蚂蚁和蚁狮种群位置的初始化，并设定种群大小和迭代次数，并利用轮盘赌算法改进蚁狮算法中蚂蚁随机游走函数，蚂蚁根据随机游走函数找到相应的位置信息，采用最小二乘准则计算所有蚂蚁所在位置的适应度值，蚁狮吃掉蚂蚁，预测蚂蚁下一次迁徙的位置；利用模拟退火算法跳出局部最优的种群位置，寻找最优蚁狮种群位置；若迭代次数达到所设阈值，输出最优解。本发明能有效避免种群陷入局部最优，无法搜索到全局最优解的情形，在多维模糊度解算情况下，仍具有快速的解算能力和较高的解算成功率。
-
公开(公告)号：CN114037843B
公开(公告)日：2024-10-15
申请号：CN202111328591.1
申请日：2021-11-10
Applicant: 南宁桂电电子科技研究院有限公司 , 桂林电子科技大学
IPC: G06V10/44 , G06V10/26 , G06V10/764 , G06V30/19 , G06V10/82 , G06T3/4038 , G06T3/4053 , G06T5/73 , G06T5/60 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于改进生成对抗网络的提高水下图像分辨率方法，首先改进了生成对抗网络，在保留了生成对抗网络能进行对抗训练的前提下，通过改善生成器模块的结构，将残差块改为三层恒等残差块，并引入了密集跳跃连接的结构，增加了低级特征和高级特征之间的联系，使得生成的图像更真实，纹理更清晰，同时考虑到BN层并不适用于做图像超分辨率重建，因此减去了生成器模块中的BN层，将生成器模块的激活函数由Sigmoid改为Relu以防止梯度爆炸问题，减少了整个网络的计算量，提高了网络的实时性。本发明可以针对水下机器人拍摄的水下图像进行超分辨率重建，以达到提高水下图像质量的目的。
-
公开(公告)号：CN118690717A
公开(公告)日：2024-09-24
申请号：CN202410871754.8
申请日：2024-07-01
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F30/396 , G06F30/398 , G06F30/3312 , G06F30/337
Abstract: 本发明提供了一种结合早期时钟树与H‑tree的时钟树综合优化方法，该方法包括：1)提取底层子模块中和本层设计有时序检查关系的时钟延迟信息；2)进行常规时钟树综合，提取违例路径以及违例路径的前后级时序裕量；3)生成早期时钟树综合约束文件；4)进行H‑tree主干的布线；5)结合早期时钟树在H‑tree主干结构的基础上进行标准单元布局；6)生成常规时钟树综合约束文件；7)将需要插入Insertion delay的时钟叶节点以及插入的相应delay值加入到常规时钟树综合约束文件；8)将需要插入insertion delay的时钟叶节点单独接在一个或多个buffer上；9)进行H‑tree子树和有插入延时的叶节点的时钟树综合。本发明有效减少了时钟树的长度以及时钟树的偏差，减小了设计的功耗和时序收敛的难度。
-
公开(公告)号：CN118465720A
公开(公告)日：2024-08-09
申请号：CN202410576375.6
申请日：2024-05-10
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G01S7/41
Abstract: 本发明属于雷达信号处理技术领域，具体涉及一种基于DDMA和CDMA的雷达信号解调与解速度模糊的方法，包括以下步骤：S1、对DDMA雷达的N个发射天线，施加N个正交的CDMA编码；S2、雷达发出DDMA‑CDMA调制波形后，在接收端对N路回波信号执行正交解码；S3、对解调后的发射‑接收天线回波执行距离FFT，得到距离矩阵；S4、对距离矩阵再沿慢时间维执行多普勒FFT，得到距离‑多普勒矩阵；S5、分别在发射和接收天线两个维度上执行FFT，得到6D雷达数据；S6、通过恒虚警率CFAR算法实现目标检测，对检测点执行DoA参数估计，得到目标的距离、速度和角度信息。本发明可以在保持DDMA远距探测优势的同时，有效抑制DDMA引入的残余频偏，从而消除速度模糊，具有较好的市场应用前景。
-
公开(公告)号：CN118427722A
公开(公告)日：2024-08-02
申请号：CN202410403405.3
申请日：2024-04-03
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F18/243 , G06F18/214 , G06N3/006
Abstract: 本发明涉及全球导航卫星系统电离层研究技术领域，具体涉及一种基于深度学习的电离层闪烁预测方法，通过获取相关的电离层背景环境参数，预处理后作为原始数据集特征值；然后依据获取的电离层幅度闪烁指数S4值判断并标记电离层闪烁事件发生与否，并将电离层闪烁发生与否作为标签，构成原始数据集标签；将原始数据集划分为训练集、验证集和测试集，对训练集采用Borderline‑SMOTE重采样得到样本相对平衡的电离层闪烁预测训练数据集；利用粒子群优化算法对XGBoost模型的参数进行寻优，通过验证集确认最优模型参数作为XGBoost模型的配置参数；将训练集输入PSO‑XGBoost模型中进行电离层闪烁预测模型的训练；最后输入测试集至训练好的模型中进行电离层是否发生闪烁的预测。
-
Patent Agency Ranking
公开(公告)号：CN118264365A
公开(公告)日：2024-06-28
申请号：CN202410330857.3
申请日：2024-03-22
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明属于多用户检测技术领域，具体涉及一种基于猎豹优化算法的多用户检测器设计方法，包括以下步骤：S1、初始化算法参数；S2、初始化初代猎豹种群；S3、更新初代种群位置，依据适应度对初代种群进行排序；S4、对初代种群执行变异、交叉、选择操作，保留成功执行交叉操作的二代个体进化方向信息；S5、将更新后的初代种群的适应度与最优化个体进行比较，判断是否存在适应度优于猎豹最优化的个体；若是，则对初代种群所对应的变异体、猎豹位置进行差分，存储成功进化方向信息，并更新猎豹种群的位置；若否，则判断是否达到最大迭代次数。本发明可以解决目前多用户检测技术中存在的寻优精度差以及抵抗噪性等问题，具有较好的市场应用前景。
-
公开(公告)号：CN118013579A
公开(公告)日：2024-05-10
申请号：CN202410175708.4
申请日：2024-02-07
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F21/62 , G06F18/214 , G06F18/2411
Abstract: 本发明涉及一种结合局部噪声削减机制的联邦学习隐私保护方法，包括：步骤1、客户端接收中央服务器发送的全局模型，判断全局模型是否完成训练，若完成训练则训练结束，若未完成训练，则对添加高斯噪声的全局模型进行局部噪声消减处理，获取本地训练初始模型；步骤2、客户端根据本地样本和本地训练初始模型进行更新，获取局部消噪模型；步骤3、将局部消噪模型添加高斯噪声，获取添加高斯噪声后的局部模型；步骤4、将添加高斯噪声后的局部模型上传到中央服务器，获取更新后的全局模型，返回步骤1进行迭代。本发明能够实现在保证模型局部模型隐私的同时减少用户噪声量的累积，达到提高模型训练精度的目的。
-
公开(公告)号：CN114018262B
公开(公告)日：2024-05-03
申请号：CN202111241423.9
申请日：2021-10-25
Applicant: 南宁桂电电子科技研究院有限公司 , 桂林电子科技大学
Abstract: 本发明涉及导航定位与深度学习技术领域，具体公开了一种改进的衍生容积卡尔曼滤波组合导航方法，根据紧组合模型建立状态方程和量测方程，将伪距测量进行二阶泰勒展开，减少线性化截断带来的量测模型。对SINS和GPS组合导航系统初始化；在时间更新过程中，令CKF采用与KF相同的方式滤波，避免了拥有线性特征的状态方程容积变换而产生额外的计算，在量测更新中，采用容积点计算预测值及其协方差、状态预测值与量测值间的互协方差，保证了CKF处理非线性滤波问题的优良特性并解决了紧组合系统的冗余计算问题。本发明能提高系统的滤波精度，提高滤波器对系统状态的跟踪能力，提高系统状态的实时性，增强SINS/GPS组合导航系统的鲁棒性。
-
公开(公告)号：CN117952179A
公开(公告)日：2024-04-30
申请号：CN202410166562.7
申请日：2024-02-05
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明公开了一种基于模型参数变化幅度的联邦学习模型压缩方法，所属技术领域为机器学习数据处理，包括：接收中央服务器分发的初始模型；对本地收集到的样本集合进行计算，获得样本梯度，并对样本梯度进行裁剪，获得裁剪后的梯度；通过随机梯度下降算法对初始模型和裁剪后的梯度进行模型更新，获得局部模型；对所述局部模型的参数进行处理，获得处理参数，基于所述处理参数构建稀疏化后的局部模型，添加稀疏的高斯噪声，并上传至中央服务器中聚合。本发明采用基于模型参数变化幅度的联邦学习模型压缩方法，通过减小客户端模型尺寸，降低计算成本和存储负担，提升联邦学习系统效率。
-
公开(公告)号：CN117786421A
公开(公告)日：2024-03-29
申请号：CN202311760832.9
申请日：2023-12-20
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F18/22 , G06F18/214 , G06F18/21 , G06N20/00
Abstract: 本发明涉及基于测试集结果的相似度计算和模型权重分配方法，包括：S1、分别构建客户端数据集和全局测试集；S2、中央服务器初始化初始模型并分发给客户端；S3、客户端基于客户端数据集训练客户端模型并发送至中央服务器；S4、中央服务器基于全局测试集对训练后的客户端模型进行测试，获取软分类结果并计算客户端模型之间的相似度，构建相关性矩阵；S5、中央服务器基于相关性矩阵，为客户端选择拟聚合模型并计算聚合权重，构建个性化模型；S6、中央服务器将个性化模型发送至对应客户端进行检验，若个性化模型收敛，或达到预设训练轮次，则停止；否则返回S3，继续训练，直到达到预设训练截止条件，本发明能提升客户端模型的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
536
records
(took 0.089 seconds)
