-
公开(公告)号：CN119417325A
公开(公告)日：2025-02-11
申请号：CN202510024801.X
申请日：2025-01-08
Applicant: 中国电子科技集团公司第五十四研究所 , 中南大学
IPC: G06Q10/067 , G06F16/29 , G06N3/084 , G06N3/048
Abstract: 本发明公开了耦合意图预测和环境约束的城市机动目标轨迹仿真方法，涉及多目标规划和轨迹模拟生成的交叉领域。本发明首先提取应用情景下的城市移动目标兴趣区域集合，之后提取路口节点、道路的地理环境要素以及自有属性，之后构建神经网络模型，进行深度学习训练，得到路口节点的奖励值，之后基于兴趣区域集合、各个机动目标的位置以及各个路口节点的奖励值，通过混合整数线性规划方法，计算机动目标轨迹仿真集合，完成耦合意图预测和环境约束的城市机动目标轨迹仿真。本发明克服了目前轨迹模拟方法真实性不强、情景泛化能力弱、对训练数据要求高和可解释性较低的问题，有效解决了特殊应用场景下多移动目标轨迹真实轨迹较少的问题。
-
公开(公告)号：CN116663279A
公开(公告)日：2023-08-29
申请号：CN202310600163.2
申请日：2023-05-25
Applicant: 中南大学 , 中国电子科技集团公司第五十四研究所
IPC: G06F30/20 , G06T7/246 , G06T17/05 , G06F111/04
Abstract: 本公开实施例中提供了一种移动目标行为模式轨迹模拟仿真方法，属于数据处理技术领域，具体包括：获取目标区域内的地理信息数据；基于地理信息数据生成地理场景环境地图；设置移动目标运动行为模式的类型并据此设置模拟轨迹数据的基本参数；设置移动目标指定运动行为模式特征并据此设置轨迹生成规则约束；基于基本参数和轨迹生成规则约束采用A*算法模拟生成不同移动目标行为模式对应的初始模拟轨迹数据；对初始模拟轨迹数据添加轨迹采样的位置噪声和时间噪声；得到在地理场景环境地图内移动目标运动行为模式对应的多条目标模拟轨迹数据并将其进行可视化与存储。通过本公开的方案，提高了轨迹数据仿真的适应性和自动性。
-
公开(公告)号：CN119417325B
公开(公告)日：2025-03-25
申请号：CN202510024801.X
申请日：2025-01-08
Applicant: 中国电子科技集团公司第五十四研究所 , 中南大学
IPC: G06Q10/067 , G06F16/29 , G06N3/084 , G06N3/048
Abstract: 本发明公开了耦合意图预测和环境约束的城市机动目标轨迹仿真方法，涉及多目标规划和轨迹模拟生成的交叉领域。本发明首先提取应用情景下的城市移动目标兴趣区域集合，之后提取路口节点、道路的地理环境要素以及自有属性，之后构建神经网络模型，进行深度学习训练，得到路口节点的奖励值，之后基于兴趣区域集合、各个机动目标的位置以及各个路口节点的奖励值，通过混合整数线性规划方法，计算机动目标轨迹仿真集合，完成耦合意图预测和环境约束的城市机动目标轨迹仿真。本发明克服了目前轨迹模拟方法真实性不强、情景泛化能力弱、对训练数据要求高和可解释性较低的问题，有效解决了特殊应用场景下多移动目标轨迹真实轨迹较少的问题。
-
公开(公告)号：CN119921824A
公开(公告)日：2025-05-02
申请号：CN202510322282.5
申请日：2025-03-19
Applicant: 中国电子科技集团公司第五十四研究所
IPC: H04B7/08 , H04B7/06 , G06N3/006 , G06N3/0499 , G06N3/084 , G06N3/0985 , G06F17/16
Abstract: 本发明提供了基于干扰来向动态预测的智能抗干扰波束形成方法，属于阵列信号处理与人工智能交叉领域。本发明首先构建基于自主注意力全连接网络的干扰来向预测模型，利用干扰来向历史观测数据对预测模型进行训练；然后，使用训练完成的预测模型获取出下一时刻的干扰来向，结合干扰指向需求构建目标函数，利用改进的粒子群方法形成阵列中各阵元的相位，形成抗干扰波束；最后，随着干扰来向的动态变化，重新预测干扰来向，形成抗干扰波束，实现动态智能抗干扰能力。本发明利用干扰来向历史数据提取干扰来向规律并实现预测，实现了结合预测结果和改进粒子群方法的智能干扰波束形成。
-
公开(公告)号：CN119519869B
公开(公告)日：2025-04-22
申请号：CN202510088500.3
申请日：2025-01-21
Applicant: 中国电子科技集团公司第五十四研究所
IPC: H04B17/391 , G06N20/00
Abstract: 本发明公开了一种非线性回归的电磁波雨衰减预测方法，属于通信技术领域通信技术领域。该方法基于经典的ITU‑R雨衰减模型，通过收集降雨率与衰减数据，构建用于拟合模型参数k和b的训练与测试数据集；采用深度学习中的非线性回归方法，设计并训练包含k和b参数的模型，利用均方误差作为损失函数，通过梯度下降优化算法进行参数求解；当测试集上的拟合结果与真实衰减值的相似度达到指定门限值时，停止训练并输出最优参数。本发明实现了雨衰减模型参数的自动化求解，减少了人为干预，提高了计算精度和模型的泛化能力，适用于多种雨衰减场景下的电磁波传播研究。
-
Patent Agency Ranking
公开(公告)号：CN119596238A
公开(公告)日：2025-03-11
申请号：CN202510151894.2
申请日：2025-02-12
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于USRP的雷达通信一体化传输方法，涉及信号处理领域。本发明基于USRP信号发射模块与USRP信号接收模块实现雷达通信一体化的发射与接收过程；发射时，首先启动USRP发射会话，之后配置发射参数，并加载雷达通信一体波形，并使用USRP发射波形；接收时，启动USRP接收会话，配置接收参数，使用USRP接收波形，若为通信接收则进行通信接收处理并输出星座图及通信数据，若为雷达接收则进行雷达接收处理并输出探测参数及探测结果。本发明可用于进行目标感知探测及通信，可以在不损失通信性能的前提下，为系统增加雷达探测功能。
-
公开(公告)号：CN114782806B
公开(公告)日：2025-02-07
申请号：CN202210340419.6
申请日：2022-04-02
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06V20/10 , G06V20/40 , G06V10/764
Abstract: 本发明公开了一种海上移动目标航行行为语义建模方法，通过依次建立海上移动目标的航行行为语义表达结构及逐级抽象的层次化海上移动目标航行行为语义表达模型，最终实现从语义层面对海上移动目标运动行为的抽象表达与建模。本发明实现了以逐层抽象的层次化结构形式对船舶、军事舰船等海上移动目标从简单低层次到复杂高阶行为进行有效组织与表达，可有效克服现有技术在海上移动目标运动行为建模与表达中存在的语义丰富不全面及深层次认知不足的问题，能够更好地为分析和追踪海上移动目标行为的时空动态演变提供支持。
-
公开(公告)号：CN119312104A
公开(公告)日：2025-01-14
申请号：CN202411434472.8
申请日：2024-10-15
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种顾及运动要素的目标相似轨迹匹配方法，涉及地理信息处理领域。本发明首先构建具备运动要素的候选匹配轨迹数据集，之后获取待匹配轨迹，根据待匹配轨迹与候选匹配轨迹数据集得到要素最大差值集，并根据待匹配轨迹、候选匹配轨迹数据集与要素最大差值集得到距离矩阵，之后根据距离矩阵得到路径矩阵，并根据路径矩阵得到待匹配轨迹与候选匹配轨迹数据集中任意轨迹之间的要素相似距离，将最小要素相似距离对应的轨迹记为匹配轨迹。本发明通过综合考虑待匹配目标以及候选匹配轨迹数据集中各个轨迹的运动状态，可对待匹配目标的相似轨迹进行精确匹配。
-
公开(公告)号：CN114819702B
公开(公告)日：2024-11-29
申请号：CN202210526123.3
申请日：2022-05-16
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06Q10/0631 , G06Q10/0637 , G06Q50/10
Abstract: 本发明公开了一种基于多智能体的遥感星座任务管控系统，涉及航天地面任务管控领域。本发明基于多智能体实现遥感星座任务管控系统，能够适应不同智能等级、不同载荷类型卫星的联合管控，对大规模异构卫星组网、星地协同管控场景均具有很好的可拓展性。同时，本发明在单星层面采用分布式处理方式，不同卫星可根据需要采用不同的优化算法及规划策略，可通过多星的并行处理提升星座整体规划效率。
-
公开(公告)号：CN113902058B
公开(公告)日：2024-11-08
申请号：CN202111262119.2
申请日：2021-10-28
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06F18/26 , G06F18/23213 , G06F16/215 , G06F16/2458 , G06F16/28 , G06F16/29
Abstract: 本发明涉及了一种基于k‑means的轨迹周期模式挖掘方法，针对移动目标轨迹数据，考虑深层次挖掘移动目标轨迹的移动模式、捕捉目标轨迹移动的周期模式以及考虑数据点贡献动态不固定性因素。该方法将当前轨迹序列进行适应性表征，经过轨迹聚类提取深层次序列化特征表示，实现对当前轨迹模式的匹配。该方法能够基于目标轨迹数据较好地挖掘出目标移动模式，具有结果符合实际意义的高度可解释性、模型收敛快、灵活性好等优点。
-
-
-
-
-
-
-
-
-
Search Results
354
records
(took 0.094 seconds)
