基于铱星IRA的机会信号定位误差补偿方法

    公开(公告)号:CN119758395A

    公开(公告)日:2025-04-04

    申请号:CN202411712963.4

    申请日:2024-11-27

    Abstract: 基于铱星IRA的机会信号定位误差补偿方法,涉及机会信号定位领域。解决现有技术中低轨卫星机会信号定位方法没有定位参考信息的环境下很难获得准确的初始解等问题。所述方法包括:连接接收机硬件用于接收铱星下行信号;解析所其铱星下行信号;并进行解调获取铱星下行信息;获取铱星相对地球表面的投影经纬度,将多次数据进行计算平均投影位置;基于全局粒子群算法计算粗略位置解;获取传播延迟;采用传播延迟计算卫星位置与速度;利用最大释然估计法确认铱星下行信号中IRA 11频段信号中心频率的多普勒频移;将初始位置,铱星下行信号卫星位置与速度,多普勒频移带入多普勒定位方程中通过最小二乘求解位置解。适用于卫星轨道校正算法的研究领域中。

    一种基于FNN的改进追踪回路及抗干扰5G机会信号定位接收机的运转方法

    公开(公告)号:CN119906612A

    公开(公告)日:2025-04-29

    申请号:CN202510075792.7

    申请日:2025-01-17

    Abstract: 本发明属于5G NAVSOP接收技术领域,具体涉及本发明属于5G NAVSOP接收技术领域,所述同步调节模块和信号预处理模块均接收5GNR信号,所述同步调节模块将信号传输至追踪单元,所述信号预处理模块将信号传输至伪距离获取模块,所述伪距离获取模块将信号传输至线性变换器,所述线性变换器与追踪单元相互传输信号;所述追踪单元包括相位旋转模块、EML鉴别器和预训练网络,所述相位旋转模块接收同步调节模块的信号并将其传输至EML鉴别器,所述EML鉴别器将信号传输至预训练网络,所述预训练网络将信号传输至线性变换器,所述相位旋转模块与线性变换器相互传输信号。本发明用以解决传统的EML技术所带来的定位精度低,伪距获取不稳定的问题。

    基于云理论的集中式信任评估方法、装置及存储介质

    公开(公告)号:CN119835647A

    公开(公告)日:2025-04-15

    申请号:CN202510013784.X

    申请日:2025-01-06

    Abstract: 基于云理论的集中式信任评估方法、装置及存储介质,属于水下无线传感器网络的信任模型技术领域,尤其涉及水下无线传感器网络的信任评估方法;解决了现有针对分簇式网络拓扑结构的信任模型所存在的忽视了信任的模糊性和不确定性特点以及依赖人为设定的阈值和标准信任云的问题;所述方法包括以下步骤:汇聚节点使用逆向云算法计算并更新全网节点的发包云模型、数据云模型、能量云模型;计算输入样本和输出样本之间的均方误差作为重构误差;将重构误差输入SVM模型进行节点二分类,实现恶意节点识别。所述的基于云理论的集中式信任评估方法、装置及存储介质,适用于分簇式网络拓扑结构中节点的信任评估。

    改进LEACH算法的簇头选举方法及改进LEACH路由协议方法

    公开(公告)号:CN119835726A

    公开(公告)日:2025-04-15

    申请号:CN202510013785.4

    申请日:2025-01-06

    Abstract: 改进LEACH算法的簇头选举方法及改进LEACH路由协议方法,属于水下无线传感器网络的路由软安全技术领域,尤其涉及水下无线传感器网络的簇头选举流程;解决了现有的基于簇的路由协议忽视了安全问题,簇头选举流程的安全性较低的问题;所述方法包括以下步骤:每个节点根据汇聚节点对自己的信任评估结果,更新自身mse;每个节点基于自身担任簇头节点的次数、先验确定的簇头节点比例和mse,使用改进的簇头选举阈值函数Timp(n)计算簇头选举阈值;每个节点将自身产生的随机数与簇头选举阈值比较:若小于簇头选举阈值,则该节点成为当前大周期的簇头节点。所述的改进LEACH算法的簇头选举方法及改进LEACH路由协议方法,适用于提供一种基于簇的路由协议。

    一种基于长短时记忆网络和高斯过程回归的船舶运动预报方法

    公开(公告)号:CN112684701A

    公开(公告)日:2021-04-20

    申请号:CN202011382145.4

    申请日:2020-12-01

    Abstract: 本发明公开了一种基于长短时记忆网络和高斯过程回归的船舶运动预报方法。对获取的某一自由度下的船舶运动历史数据进行归一化处理,形成船舶运动原始时间序列;将原始时间序列分为训练集和测试集;训练集和测试集重新构造数据集,建立长短时记忆网络LSTM模型进行预测,得到第一次船舶运动的预测结果;重新构造数据集,建立高斯过程回归GPR模型进行预测,得到第二次船舶运动的预测结果;将高斯过程回归模型得到的预测结果进行反归一化,得到最终的船舶运动预测结果。本发明针对高度非线性的船舶运动,在获得高精度的点预测结果的同时还能得到具有概率分布意义的船舶运动区间预测结果。

Patent Agency Ranking