-
公开(公告)号：CN106357383B
公开(公告)日：2023-11-07
申请号：CN201611023832.0
申请日：2016-11-14
Applicant: 兰州大学
Abstract: 本发明公开了一种DC‑DCSK保密通信系统及分析处理方法，属于通信领域，以解决现有DCSK系统的比特速率不高、系统安全性低的问题。该系统包括发射机、混沌信号发生器、接收机；它还包括延时设备、加法器、反相器、乘法器、相关器、判决器，发射机和接收机之间通过第一信道和第二信道两条信道连接，混沌信号发生器包括设在发射机中的第一混沌信号发生器和第二混沌信号发生器，一条信道传输两个混沌信号的和，另一条信道传输两个混沌信号的差。本发明利用两条信道在一个时隙内可以传输4比特信息，通信速率提高至传统DCSK的四倍，单条信道利用率达到原DCSK的2倍。本发明系统的误码率性能较原DCSK有所提高。
-
公开(公告)号：CN103532696A
公开(公告)日：2014-01-22
申请号：CN201310489425.9
申请日：2013-10-17
Applicant: 兰州大学
IPC: H04L9/00
Abstract: 本发明提供了一种可产生双涡卷混沌吸引子的Jerk电路，包括第一运算放大器（U1）、第二运算放大器（U2）、第三运算放大器（U3）及第四运算放大器（U4），并在原Jerk电路基础上，于所述第四运算放大器（U4）的输出端与第一运算放大器（U1）的反相输入端之间反向并联有第二发光二极管（LED2）。与原电路相比，本发明电路不仅继承了原电路混沌现象存在范围宽且易于实现的优点，而且电路输出由原来的单涡卷混沌吸引子变为双涡卷混沌吸引子，使得电路的混沌动力学行为更加复杂，混沌控制也更加灵活，如果将此电路应用于混沌保密通信，将比原电路多一个螺旋参数密钥，可以进一步提高混沌系统的保密性能，增加破译难度。
-
公开(公告)号：CN113505878B
公开(公告)日：2022-11-29
申请号：CN202110779945.8
申请日：2021-07-09
Applicant: 兰州大学 , 天津云帆海洋科技有限公司
Abstract: 本发明公开了一种基于图神经网络的航迹预测方法，包括：S1：构建图神经网络模型。S2：获取待检测航迹序列数据集。S3：将待检测航迹序列数据集输入图神经网络模型，得到航迹预测轨迹。本发明结合图神经网络GNN(GraphNeuralNetworks，GNN)在空间特征提取方面强大的性能优势，将时空图神经网络模型应用于预测任务中，并倡导实验进行了可行性验证及同其他预测模型的对比分析，结果表明图神经网络在所有预测模型中，性能表现最好，相比于LSTM模型，在预测任务的准确性和稳定性方面均有提升。
-
公开(公告)号：CN113240199A
公开(公告)日：2021-08-10
申请号：CN202110630985.6
申请日：2021-06-07
Abstract: 本发明涉及一种基于DILATE_TLSTM的港口船舶轨迹预测方法，具体包括S1、采集港口AIS数据并对所采集的数据预进行处理，获取轨迹预测数据集；S2、构建基于DILATE_TLSTM的港口船舶轨迹预测模型；S3、采用滑窗法对输入模型的序列进行处理，对模型进行训练，得到预测结果；S4、以平均绝对误差、均方误差、拟合优度、形状失真DTW和时间失真指数TDI对所述预测结果进行衡量评估，得到港口船舶轨迹预测模型的预测效果。本发明构建的基于DILATE_TLSTM的港口船舶轨迹预测模型能够实现直接多步预测，并基于形状和时间失真损失函数对TLSTM模型进行改进，提升了轨迹序列预测模型的拟合能力。
-
公开(公告)号：CN113240199B
公开(公告)日：2022-10-28
申请号：CN202110630985.6
申请日：2021-06-07
Abstract: 本发明涉及一种基于DILATE_TLSTM的港口船舶轨迹预测方法，具体包括S1、采集港口AIS数据并对所采集的数据预进行处理，获取轨迹预测数据集；S2、构建基于DILATE_TLSTM的港口船舶轨迹预测模型；S3、采用滑窗法对输入模型的序列进行处理，对模型进行训练，得到预测结果；S4、以平均绝对误差、均方误差、拟合优度、形状失真DTW和时间失真指数TDI对所述预测结果进行衡量评估，得到港口船舶轨迹预测模型的预测效果。本发明构建的基于DILATE_TLSTM的港口船舶轨迹预测模型能够实现直接多步预测，并基于形状和时间失真损失函数对TLSTM模型进行改进，提升了轨迹序列预测模型的拟合能力。
-
Patent Agency Ranking
公开(公告)号：CN115169527A
公开(公告)日：2022-10-11
申请号：CN202210641115.3
申请日：2022-06-07
Abstract: 本发明公开了基于AIS数据的船舶异常状态检测方法,包括以下步骤：获取原始AIS数据，基于所述原始AIS数据进行预处理获取船舶的原始轨迹，并对所述原始轨迹进行轨迹段划分，获取所述原始轨迹的直线段和弯线段；提取到转弯段和直线段后，使用轨迹相似性度量算法进行异常轨迹的剔除，Bi‑LSTM模型是在没有异常轨迹的基础上进行预测；基于所述直线段和所述弯线段，采用深度学习模型的Bi‑LSTM构建基于预测的异常检测模型，完成船舶异常状态检测。本发明实时监测船舶航行状态，自动发现异常并及时做出预警，可有效降低安全监管对人力的依赖，在保障船舶安全航行和海运贸易繁荣发展方面具有重要意义。
-
公开(公告)号：CN113505878A
公开(公告)日：2021-10-15
申请号：CN202110779945.8
申请日：2021-07-09
Applicant: 兰州大学 , 天津云帆海洋科技有限公司
Abstract: 本发明公开了一种基于图神经网络的航迹预测方法，包括：S1：构建图神经网络模型。S2：获取待检测航迹序列数据集。S3：将待检测航迹序列数据集输入图神经网络模型，得到航迹预测轨迹。本发明结合图神经网络GNN(GraphNeuralNetworks，GNN)在空间特征提取方面强大的性能优势，将时空图神经网络模型应用于预测任务中，并倡导实验进行了可行性验证及同其他预测模型的对比分析，结果表明图神经网络在所有预测模型中，性能表现最好，相比于LSTM模型，在预测任务的准确性和稳定性方面均有提升。
-
公开(公告)号：CN113240201B
公开(公告)日：2024-02-09
申请号：CN202110635998.2
申请日：2021-06-08
IPC: G06Q10/04 , G06Q10/067 , G06F16/28 , G06F16/2458 , G06N3/08
Abstract: 本发明公开了一种基于GMM‑DNN混合模型预测船舶主机功率方法，首先对船舶特征进行相关性分析，选择与主机功率相关系数较大的船舶特征作为GMM‑DNN混合模型的输入；其次使用GMM对船舶特征进行聚类，将聚类结果作为标签和船舶特征一起作为DNN的输入，同时使用Adam‑Dropout优化模型；最后为了探究方法的有效性，本发明比较了多元线性回归、非线性回归、普通DNN、GMM‑DNN的预测效果，实验表明GMM‑DNN混合模型在船舶主机功率预测上性能最优。
-
公开(公告)号：CN113240201A
公开(公告)日：2021-08-10
申请号：CN202110635998.2
申请日：2021-06-08
IPC: G06Q10/04 , G06Q10/06 , G06F16/28 , G06F16/2458 , G06N3/08
Abstract: 本发明公开了一种基于GMM‑DNN混合模型预测船舶主机功率方法，首先对船舶特征进行相关性分析，选择与主机功率相关系数较大的船舶特征作为GMM‑DNN混合模型的输入；其次使用GMM对船舶特征进行聚类，将聚类结果作为标签和船舶特征一起作为DNN的输入，同时使用Adam‑Dropout优化模型；最后为了探究方法的有效性，本发明比较了多元线性回归、非线性回归、普通DNN、GMM‑DNN的预测效果，实验表明GMM‑DNN混合模型在船舶主机功率预测上性能最优。
-
公开(公告)号：CN106357383A
公开(公告)日：2017-01-25
申请号：CN201611023832.0
申请日：2016-11-14
Applicant: 兰州大学
CPC classification number: H04L9/001 , H04L27/001
Abstract: 本发明公开了一种DC-DCSK保密通信系统及分析处理方法，属于通信领域，以解决现有DCSK系统的比特速率不高、系统安全性低的问题。该系统包括发射机、混沌信号发生器、接收机；它还包括延时设备、加法器、反相器、乘法器、相关器、判决器，发射机和接收机之间通过第一信道和第二信道两条信道连接，混沌信号发生器包括设在发射机中的第一混沌信号发生器和第二混沌信号发生器，一条信道传输两个混沌信号的和，另一条信道传输两个混沌信号的差。本发明利用两条信道在一个时隙内可以传输4比特信息，通信速率提高至传统DCSK的四倍，单条信道利用率达到原DCSK的2倍。本发明系统的误码率性能较原DCSK有所提高。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.014 seconds)
