一种基于混合布阵干涉仪定位方法

    公开(公告)号:CN118091536B

    公开(公告)日:2024-08-13

    申请号:CN202410498823.5

    申请日:2024-04-24

    Abstract: 本发明公开了一种基于混合布阵干涉仪定位方法,针对辐射源频率3GHz信号,设计4通道十字阵与7通道均匀圆阵混合布阵干涉仪测向定位系统,通过测量多组干涉仪相位差,结合平台位置信息实现对地面固定辐射源定位。首先将观测区域进行网格划分,对于每个网格点计算预测相位差,以相位差预测值与相位差实际测量值的差值为代价函数。比较所有网格点的代价函数,找出最小值,其对应的网格点坐标即为辐射源位置估计结果。本发明通过混合布阵干涉仪测量相位差实现测向定位,与传统单站测向定位相比具有解模糊概率高、定位精度高等优点。

    一种基于电子监测的协同引导方法

    公开(公告)号:CN117367437B

    公开(公告)日:2024-03-22

    申请号:CN202311678485.5

    申请日:2023-12-08

    Abstract: 本发明提供一种基于电子监测的协同引导方法,电子监测卫星载荷通过地面上注的先验信息,包括监测区域信息,辐射源参数特征,船舶特征等。通过对监测区域内目标接收,通过计算辐射源参数值与监测区域信息疑似参数置信度,对辐射源和监测区域进行匹配关联,按置信度优先级推送成像星进行目标成像。本发明提出的协同策略引导方法,电子监测卫星载荷可于星上自主实现监测区域与辐射源目标有效关联,辐射源与监测区域关联成功率高,具备实时引导与多星协同下的目标持续跟踪能力。

    一种基于电子监测的协同引导方法

    公开(公告)号:CN117367437A

    公开(公告)日:2024-01-09

    申请号:CN202311678485.5

    申请日:2023-12-08

    Abstract: 本发明提供一种基于电子监测的协同引导方法,电子监测卫星载荷通过地面上注的先验信息,包括监测区域信息,辐射源参数特征,船舶特征等。通过对监测区域内目标接收,通过计算辐射源参数值与监测区域信息疑似参数置信度,对辐射源和监测区域进行匹配关联,按置信度优先级推送成像星进行目标成像。本发明提出的协同策略引导方法,电子监测卫星载荷可于星上自主实现监测区域与辐射源目标有效关联,辐射源与监测区域关联成功率高,具备实时引导与多星协同下的目标持续跟踪能力。

    一种基于势能场的无人机蜂群数据传输方法

    公开(公告)号:CN115022833A

    公开(公告)日:2022-09-06

    申请号:CN202210422781.8

    申请日:2022-04-21

    Abstract: 一种基于势能场的无人机蜂群数据传输方法,具体涉及一种无人机蜂群路由协议的数据传输方法,本发明为解决传统路由协议在选取数据传输路径时耗时长,浪费资源成本的的问题,建立无人机蜂群;每个无人机节点均接收相邻无人机节点的信息和中心节点的数据信息并对接收的信息进行实时更新和储存;根据接收的的信息建立势能场;更新和储存势能场的信息,得到更新完成的势能场;根据更新完成的势能场计算最优的数据传输路径,根据最优的数据传输路径以及传输数据的属性确定数据传输方案;根据选取的数据传输方案确定无人机转发节点,基于无人机转发节点确定最佳数据传输路径。属于无人机领域。

    一种P+硅边柱SOI工艺抗辐照NMOS器件

    公开(公告)号:CN114334914B

    公开(公告)日:2022-07-08

    申请号:CN202210025628.1

    申请日:2022-01-11

    Abstract: 本发明公开了一种P+硅边柱SOI工艺抗辐照NMOS器件,包括NMOS器件栅端、源端、漏端、体区和P+硅边柱。所述P+硅边柱SOI工艺抗辐照NMOS器件,通过改变原本NMOS器件的边墙绝缘体隔离层为P+型掺杂硅的边柱结构。采用P+型掺杂的边柱结构可有效降低辐照总剂量效应下NMOS器件因辐照效应产生的沟道漏电流。采用本发明可以在兼容主流SOI工艺情况下,有效解决边墙寄生晶体管和衬底寄生晶体管在辐照条件下引起的漏电流问题,此外与现有传统抗辐照器件相比,宽长比设计不受限制,并具有较小面积、高集成度等特性。

    基于深度Q学习的移动边缘计算中卸载决策方法及系统

    公开(公告)号:CN114706631A

    公开(公告)日:2022-07-05

    申请号:CN202210427768.1

    申请日:2022-04-22

    Abstract: 基于深度Q学习的移动边缘计算中卸载决策方法及系统,它属于移动边缘计算系统中移动设备的卸载决策技术领域。本发明解决了现有移动边缘计算系统中卸载决策过程产生的时延大、能耗高的问题。本发明将深度强化学习算法应用到移动边缘计算中的卸载决策问题,根据系统中建立的本地计算队列,任务传输队列,边缘服务器队列等任务调度模型,设计对应的系统状态,动作和奖励方程。通过对比本发明方法与其他算法的平均时延和能耗,可以得出,本发明的卸载决策方法极大的降低了移动边缘计算系统中卸载决策过程产生的时延与能耗。本发明方法可以应用于移动边缘计算系统中移动设备的卸载决策。

Patent Agency Ranking