-
公开(公告)号：CN104954200A
公开(公告)日：2015-09-30
申请号：CN201510336583.X
申请日：2015-06-17
Applicant: 国家计算机网络与信息安全管理中心 , 北京恒光信息技术有限公司
IPC: H04L12/26
CPC classification number: H04L43/028
Abstract: 本发明提供了一种网络数据包的多类型规则高速匹配方法及装置，其中，该方法包括：接收待匹配的网络数据包；获取所述网络数据包的元组信息；同时将所述元组信息与预先设定的多种规则类型的规则进行匹配。本发明解决了现有技术中规则匹配效率低下的技术问题，达到了有效提高数据包的规则匹配效率的技术效果。
-
公开(公告)号：CN104753814A
公开(公告)日：2015-07-01
申请号：CN201310751648.8
申请日：2013-12-31
Applicant: 国家计算机网络与信息安全管理中心 , 杭州迪普科技有限公司
IPC: H04L12/861
Abstract: 本发明提供一种基于网卡的报文分流处理方法，应用于网络服务器，包括：服务器控制核根据内存拆分算法，将共享内存拆分成多个内存块，并将共享内存基地址、内存块数量以及内存块大小发送给网卡；网卡从外部接收到报文后，网卡控制核根据调度算法，确定传送该报文的网卡数据核编号和对应存放该报文的内存块编号，并将该内存块编号发送给对应的网卡数据核；网卡数据核从网卡控制核接收到内存块编号后，根据所述共享内存基地址、内存块编号以及内存块大小，计算出存放该报文的内存块地址，将报文存入该内存块。本发明能够有效提升网络服务器中网卡多核CPU的利用率，避免了网卡多核CPU的资源浪费，真正实现网卡多核CPU对共享内存的并行访问。
-
公开(公告)号：CN111181201A
公开(公告)日：2020-05-19
申请号：CN202010108574.6
申请日：2020-02-21
Applicant: 清华大学 , 国网福建省电力有限公司电力科学研究院
Abstract: 本发明提供的基于双层强化学习的多能园区调度方法及系统，包括获取综合能源系统中的调度可控对象，即源侧单元、负荷侧单元、能量转化单元与存储单元；构建双层优化决策模型，包括上层强化学习子模型和下层混合整数线性规划子模型；上层强化学习子模型获取存储单元在当前时刻的状态变量信息下的动作变量信息，并传输至下层混合整数线性规划子模型；下层混合整数线性规划子模型获取对应的奖励变量和存储单元在下一时刻的状态变量信息，并反馈至上层强化学习子模型；迭代执行上述步骤直至调度结束。本发明实施例通过数据驱动的强化学习方法，仅需根据当前状态进行决策，而无需对未来信息的预测，决策时效性高、决策效果优，能实现实时趋优决策。
-
公开(公告)号：CN101340231B
公开(公告)日：2012-02-08
申请号：CN200810119232.3
申请日：2008-08-29
Applicant: 清华大学
IPC: H04B1/7073
Abstract: 本发明涉及一种用于直接序列扩频超宽带系统中的定时同步方法及系统，该方法包括：在发送端对每帧数据进行扩频，经扩频的每帧数据被间隔地插入若干段跟踪序列后被发送；接收端接收一帧数据后，经扩频捕获得到本地伪随机序列；利用本地伪随机序列对接收的该帧数据开始解扩并采样；在解扩的过程中依次定位被插入的每段跟踪序列；利用每段跟踪序列的后半段数据进行当前采样时刻的定时跟踪，调整本地伪随机序列的相位进行后序采样时刻的定时恢复，该系统中的定时跟踪单元在解扩过程中利用每段跟踪序列的后半段数据进行当前采样时刻的定时跟踪。本发明受到的信道干扰很小，比传统的直接采用接收的数据进行定时要准确的多。
-
公开(公告)号：CN112381258A
公开(公告)日：2021-02-19
申请号：CN201911177015.4
申请日：2019-11-26
Abstract: 本发明实施例提供一种表计运行生命周期预测方法及装置，该方法包括：获取待测电表的目标生存概率；根据所述目标生存概率，从预设的生存曲线中，得到所述待测电表的生命周期值；其中，所述生存曲线是根据电表异常数据确定协变量，并根据Cox回归模型拟合得到，所述生存曲线为所述待测电表的生存概率与时间关系的曲线，所述异常数据包括异常历史数据和故障诊断数据。该方法能够充分考虑多个协变量之间的变化，协变量包含了生存状态相关的特征，从而能够准确刻画出电表的生存概率与时间关系的预设生存曲线。基于预设的生存曲线，根据给定的目标生存概率可到生命周期值。基于该方法，能够提升电表管理智能水平和工作效率。
-
Patent Agency Ranking
公开(公告)号：CN112380759A
公开(公告)日：2021-02-19
申请号：CN201911185780.0
申请日：2019-11-27
Abstract: 本发明实施例提供一种基于深度学习和CoxPH模型的智能电表寿命预测方法，该方法包括：将待预测电表的异常数据输入电表寿命预测模型，输出与所述待预测电表的异常数据对应的电表生存曲线，所述电表生存曲线为所述待预测电表的生存概率与时间关系的曲线；其中，所述电表寿命预测模型是基于电表异常样本数据以及预先确定的电表寿命标签和删失标签进行训练后得到的，电表寿命预测模型训练时的损失函数由CoxPH模型中的对数部分风险函数参与构成；基于所述电表生存曲线和预设的生存概率阈值，预测所述待预测电表的寿命。本发明实施例提供的方法，避免了现有技术的智能电表寿命的预测模型过于静态，提高了智能电表寿命预测的可靠性。
-
公开(公告)号：CN112379325A
公开(公告)日：2021-02-19
申请号：CN201911165993.7
申请日：2019-11-25
Abstract: 本发明实施例提供一种用于智能电表的故障诊断方法及系统，该方法包括：获取目标智能电表的设备物理信息；基于训练好的智能电表故障诊断模型，对所述目标智能电表的设备物理信息进行分析诊断，获取到所述目标智能电表的故障诊断结果；所述训练好的智能电表故障诊断模型是由样本设备物理信息，通过对贝叶斯网络进行训练得到的。本发明实施例基于贝叶斯网络构建用于智能电表的故障诊断模型，根据设备物理信息和故障检修数据之间的关联性，得到智能电表的故障类型，从而提高了智能电表故障诊断的准确率，为现场运维提供维修依据。
-
公开(公告)号：CN101753175B
公开(公告)日：2013-02-27
申请号：CN200910243781.6
申请日：2009-12-24
Applicant: 清华大学
IPC: H04B1/7075 , H04B1/709
Abstract: 本发明公开了一种基于最大似然估计的扩频捕获方法，包括：S1，M个采样周期内，将本地M路码序列与接收码序列进行相关运算，根据运算结果计算得到判决量；将判决量与第一门限比较，若判决量小于第一门限，对本地码序列的相位调整后将其与接收码序列进行相关运算，直到判决量大于第一门限；S2，给全局最大相关值赋0，更新本地M路码序列相位，并将M路码序列与接收码序列进行并行相关运算，根据M个运算结果计算得到新的判决量；若新的判决量大于当前全局最大相关值，将新的判决量的值赋予全局最大相关值；S3，将S2重复执行K次，根据得到的全局最大相关值计算第二门限，将第二门限用于验证。本发明能缩短系统的捕获时间，增加系统同步的稳定性。
-
公开(公告)号：CN101567703B
公开(公告)日：2012-10-10
申请号：CN200910085480.5
申请日：2009-05-22
Applicant: 清华大学
Abstract: 全数字超宽带发射机，其特征在于，含有ASIC芯片，其中包括：乘法器和数模转换器DAC。该数字发射机主要包括乘法器和DAC两部分，均由数字电路实现。首先将基带数据符号位与本地载波相乘，得到经过频谱搬移的高频方波脉冲信号，然后将其和基带数据的其他位送入数字DAC进行波形成型和功率输出。上述全数字超宽带发射机克服了传统的采用模拟混频器和模拟功率输出级的方案具有的复杂度高、功耗高、不易实现等缺点，降低了发射机的复杂度、面积和功耗。同时，这种方案简洁实用，易于电路实现和芯片集成。
-
公开(公告)号：CN101771436A
公开(公告)日：2010-07-07
申请号：CN201010033643.8
申请日：2010-01-04
Applicant: 清华大学
IPC: H04B1/707
Abstract: 本发明公开了一种多径环境下的扩频捕获方法，包括步骤：S1将本地的码序列与接收到的码序列进行匹配滤波，每个采样周期输出一个匹配滤波的相关结果；S2根据各采样周期的匹配滤波的相关结果合并多径的能量，得到合并的多径能量的值，每个码片序列周期输出一次合并的多径能量的值，将合并的多径能量的值与第一门限比较，若前者小于后者，将延时一个码片序列周期后得到的合并的多径能量的值与该第一门限进行比较，直至大于第一门限，执行S3；S3延时一个码片序列周期之后，将S2所得的合并的多径能量的值与预设的第二门限进行比较，若前者大于后者，则捕获成功，否则延时一个码片序列周期后，继续执行S1。本发明能减少系统捕获时间，提高系统的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.064 seconds)
