-
公开(公告)号：CN109302280A
公开(公告)日：2019-02-01
申请号：CN201810870149.3
申请日：2018-08-02
Applicant: 哈尔滨工程大学
IPC: H04L9/06
Abstract: 本发明公开了一种AES密钥扩展方法，属于信息安全技术领域。针对AES密钥长度为128比特和192比特的情况，给出了具体的密钥截取规则，通过使用该密钥截取规则可以从sha256哈希函数的输出摘要中截取相应长度的密钥。对于128，192以及256位密钥的AES加密算法，攻击者即使知道相应的截取规则，那么其首先需要获取密钥在经过sha256哈希摘要函数生成的摘要，而根据sha256的特性除非经过遍历猜测其输出摘要，否则无法通过碰撞得到摘要信息，而遍历猜测输出摘要其复杂度为2^256，明显高于遍历128位密钥和192位密钥的复杂度。通过使用sha256哈希摘要函数的不可逆性保证AES密钥扩展方法的单向性，使用sha256的不可碰撞性提高了暴力破解密钥的难度，从而提高了AES密钥扩展的安全性。
-
公开(公告)号：CN107843259A
公开(公告)日：2018-03-27
申请号：CN201711021203.9
申请日：2017-10-27
Applicant: 哈尔滨工程大学
Abstract: 一种基于VCKF的多移动机器人协同导航定位方法，包括如下步骤：根据多移动机器人工作环境，确定协同导航系统的初始值；建立多移动机器人协同导航系统的非线性系统方程；对多移动机器人协同导航系统按照CKF滤波框架进行时间更新；多移动机器人对工作环境中的固定路标点以及其它机器人进行实时观测，获取相对距离和方位角作为观测信息；利用观测到的量测信息和系统方程，利用VCKF算法完成多移动机器人协同导航系统的量测更新；对多移动机器人的位姿信息进行更新；完成多移动机器人的高精度协同导航定位。本发明的运用了基于VCE的非线性滤波器CKF，可以实时估计出系统的过程噪声和量测噪声方差阵，有效解决的非线性问题，提高系统的定位精度和适应性。
-
公开(公告)号：CN107830872A
公开(公告)日：2018-03-23
申请号：CN201711016931.0
申请日：2017-10-26
Applicant: 哈尔滨工程大学
IPC: G01C25/00
CPC classification number: G01C25/005
Abstract: 一种舰船捷联惯性导航系统自适应初始对准方法，包括如下步骤：舰船SINS开始工作，采集光纤陀螺仪和加速度计的测量信息；根据舰船上所搭载的全球定位系统提供舰船的初始位置，以及采集到的光纤陀螺、加速度计信息，利用解析式粗对准算法初步确定舰船的姿态信息，完成舰船SINS的粗对准；建立高动态环境下舰船SINS的非线性误差模型；建立舰船高动态环境下的非线性滤波方程；基于VCE的自适应CKF算法对系统噪声进行实时估计，同时估计出系统的失准角；利用步骤5中估计出来的失准角来修正系统的初始捷联姿态矩阵，得到精确的初始捷联矩阵，完成动基座下的精对准过程。本发明解决了惯导系统初始对准中的非线性问题和噪声不确定问题，有效提升对准综合性能。
-
公开(公告)号：CN103455675B
公开(公告)日：2016-08-24
申请号：CN201310397651.4
申请日：2013-09-04
Applicant: 哈尔滨工程大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于CKF的非线性异步多传感器信息融合方法。分别对各个传感器分别利用CKF估计出各自的状态变量，然后采用细分时间片方法将信息融合中心的时间间隔设定为各传感器间最高精度时间单位，在相应时刻对异步多传感器的估计结果进行判断和融合，得到更加精确的状态变量估计结果。本发明可以增强对异步多传感器信息的利用率，大幅提高多传感器系统中状态变量的估计精度，增强系统的生存能力。
-
公开(公告)号：CN103256943A
公开(公告)日：2013-08-21
申请号：CN201310156770.0
申请日：2013-04-26
Applicant: 哈尔滨工程大学
IPC: G01C25/00
Abstract: 本发明提供的是一种在单轴旋转捷联惯导系统中对刻度因数误差进行补偿的方法。对于单轴四位置旋转方案下的光纤捷联惯导系统，在其采集陀螺仪输出和加速度计输出的基础上，利用罗经回路原理，完成捷联惯导系统的对准过程；建立新的刻度因数误差模型，并建立含刻度因数误差的状态变量的卡尔曼滤波状态方程及以速度误差为观测量的量测方程；对刻度因数误差进行估计并补偿，消除刻度因数误差的影响。本发明对于单轴四位置旋转方案下的高精度捷联惯导系统来说，克服了在有刻度因数误差的情况下，陀螺漂移估计不准的缺点，在不提高惯性器件精度的条件下，提高了对准精度；与普通模型相比，克服了刻度因数误差不能补偿的缺点，在不增加系统成本的条件下，可以较高幅度的提高系统的精度。
-
Patent Agency Ranking
公开(公告)号：CN120087198A
公开(公告)日：2025-06-03
申请号：CN202510135243.4
申请日：2025-02-07
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , B63B71/10 , G06F30/17 , G06N3/0442 , G06N3/047 , G06N3/08 , G06F119/12 , G06F113/08 , G06F111/08
Abstract: 本发明针对极短期船舶运动姿态预测中遇到的多维耦合挑战，从而提出多维耦合特性下极短期船舶运动姿态预测方法及其系统，涉及船舶运动姿态预测领域。方法为：采集船舶的原始姿态信息；通过斯皮尔曼系数和最大信息系数对原始姿态信息中每对变量间的关系进行分析，获得强相关性特征；将强相关性特征与历史数据进行负荷相关性分析，构建输入特征序列；采用输入特征序列对集成注意力机制的GRU网络模型进行训练和评估，调整集成注意力机制的GRU网络模型的网络参数，获得最优的集成注意力机制的GRU网络模型；采用最优的集成注意力机制的GRU网络模型对船舶的姿态信息进行预测，获得预测结果。本发明适应不同海况下的船舶运动数据特性。
-
公开(公告)号：CN120050740A
公开(公告)日：2025-05-27
申请号：CN202510013787.3
申请日：2025-01-06
Applicant: 哈尔滨工程大学
Abstract: 基于汇聚引导的静态UWSNs路由协议优化方法及系统，涉及路由协议优化领域。解决现有的静态拓扑UWSNs路由协议存在路由绕路和路由循环导致的高端到端时延和低投递率问题，所述方法包括：基于Q‑Learning的转发决策模型，建立由源节点到汇聚节点的转发路径；根据节点间是否存在完全共享参数，确定协议中数据包所在节点和转发候选节点信息的决策状态，当该节点需要转发数据包时，计算各个邻居节点的Q值，选择最大Q值的邻居节点为下一跳转发目标；构建汇聚引导机制，并允许节点转发决策模型在训练过程中基于汇聚各个节点的位置信息生成训练奖励，产生数据包向中心节点聚集的路径，完成基于汇聚引导的静态UWSNs路由协议优化。
-
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
Applicant: 哈尔滨工程大学
IPC: H04W40/32 , H04W12/122 , H04W12/60 , H04W84/18
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。
-
公开(公告)号：CN119835724A
公开(公告)日：2025-04-15
申请号：CN202510013788.8
申请日：2025-01-06
Applicant: 哈尔滨工程大学
Abstract: 基于DDQN的混合式动态UWSNs路由协议优化方法及系统，涉及动态拓扑UWSNs路由优化领域。解决了现有的存在动态UWSNs因网络稀疏性、节点移动性和定位难度高引发的路由链路建立困难且稳定性差，而主动式路由协议以及机会式路由协议分别面临着投递率差以及能耗大等问题。所述方法包括：基于DDQN协议框架设计转发目标评价机制，在所述协议中引入双重Q网络机制；将主动单播式转发和被动机会式转发合二为一，采用单播式转发，若在单播失败后则转换为被动机会式转发，若在预定的时间窗口内，节点侦测到其选择的下一跳节点成功地转发了该数据包，则给予奖励；反之，则对节点施以惩罚，完成优化。还适用于节点优化等领域。
-
公开(公告)号：CN118229774A
公开(公告)日：2024-06-21
申请号：CN202410086124.X
申请日：2024-01-22
Applicant: 哈尔滨工程大学
IPC: G06T7/73 , G06T7/246 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/0464
Abstract: 一种面向弱纹理及动态场景的视觉SLAM系统和方法，属于视觉SLAM技术领域，解决实际应用环境中弱纹理及动态物体同时对视觉SLAM系统造成的定位误差影响问题。本发明的方法包括：通过基于深度学习的GCNv2网络生成关键点和描述符，同时对GCNv2特征提取过程中的非极大值抑制算法进行改进，将原距离NMS算法改进为圆形覆盖抑制算法，使其可以根据局部点密度进行自适应抑制，以取得更好的关键点分布性能，同时也使得提取特征成本更低且分布更加均匀；增加一个并行的语义检测线程，采用YOLOv5目标检测算法对动态目标进行检测，然后将检测结果发布到SLAM线程进行动态特征点的筛选和剔除。本发明适用于隧道、走廊等弱纹理及动态场景，能够实现在无GPS环境下的精准定位。
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.031 seconds)
