-
公开(公告)号：CN118139105A
公开(公告)日：2024-06-04
申请号：CN202410281033.1
申请日：2024-03-12
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
Abstract: 本发明涉及基于空频多域扩展的海量设备低延迟接入识别检测方法，属于无线通信中的数据传输领域，包括：S1，空频扩展的海量物联网设备接入；S2，通过矩阵变换将信道从天线‑频率域变换至角度‑延时域；S3，模型简化；以及S4，数据估计。其中，步骤S1包括下列子步骤：S11，将所有子载波划分为B个资源块，每个资源块包含P个子载波；S12，将属于同一个资源块内的子载波进行等间隔分布；S13，同一资源块内在每个子载波上传输同一星座符号；在步骤S2中，首先将信道与接收信号变换至角度‑频率域，最后变换至角度‑延时域。本发明提增加了系统能够同时容纳的用户个数，提升了数据识别检测性能，并降低了用户的接入延迟。
-
公开(公告)号：CN118019047A
公开(公告)日：2024-05-10
申请号：CN202410230192.9
申请日：2024-02-29
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
IPC: H04W24/08 , H04B7/0413 , H04W74/0833 , H04L25/02
Abstract: 本发明公开时间敏感网络中频域预均衡的多用户接入识别检测方法，属于无线通信中的数据传输技术领域。本发明实现方法为：在下行阶段，基站某一跟天线向所有用户设备广播标志信号，用户进行同步、信道估计、功率控制。在上行传输阶段，用户采用免授权方式进行数据传输。用户发射信号的过程包括星座符号调制，乘扩频序列，预均衡以及OFDM调制。基站在联合用户活跃性与数据粗估计来识别活跃用户序号以及数据的粗估计，利用估计得到的数据进行信道估计。利用信道估计值进行更精确的数据估计。信道估计以及数据估计之间能够进行迭代。本发明能够在较少的时频资源下实现数据检测以及信道估计，实现时间敏感网络所期望的高实时性、高可靠性数据传输。
-
公开(公告)号：CN116394249A
公开(公告)日：2023-07-07
申请号：CN202310414531.4
申请日：2023-04-18
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
IPC: B25J9/16
Abstract: 本发明公开的一种基于仿生算法的协同机器人气体源定位方法，属于探测定位领域。本发明采用多个小圆覆盖大圆的规则，进行机器人的初始时刻放置，实现对空间的最大覆盖；同时合理分配单个机器人的探测空间，杜绝空间遗漏，使得机器人集群系统能够以更高的效率接触到扩散在空间中的目标气体；采用基于浓度梯度的仿生气体源定位方法，驱动机器人不断向气源泄漏浓度高的方向移动；并采取适用于仿生算法的机器人集群系统协同规则，同步机器人集群的协同作业，既保留原有算法计算成本低的优点，也使机器人集群系统能够以更高的效率及更高的鲁棒性迅速定位气体源。本发明适用于气体探测领域，用于提高机器人协同气体源定位的效率与鲁棒性。
-
公开(公告)号：CN119294471A
公开(公告)日：2025-01-10
申请号：CN202411218104.X
申请日：2024-09-02
Applicant: 北京理工大学
IPC: G06N3/092 , G06N3/0985
Abstract: 本发明属于强化学习技术领域，具体涉及一种深度强化学习泛化性的评估方法及应用，包括设置强化学习算法环境，通过总的所有回合的奖励平均值和总的最终回合的奖励平均值对超参数进行优化，随后计算改进渐进校验损失，训练代理来收集奖励数据；使用奖励数据计算每个算法在每个环境下的改进渐进校验损失；采用Z测试进行显著胜负统计，进行胜负差量化计算，定义两个算法之间的胜负差并利用其评估强化学习泛化性性能，本发明采用了改进渐进校验损失计算函数，同时考虑基于奖励的状态和行动序列，可以量化且直观的确定每个算法对其他算法的显著胜负表现。
-
公开(公告)号：CN118170154B
公开(公告)日：2024-07-12
申请号：CN202410591414.X
申请日：2024-05-14
Abstract: 本发明涉及无人机的三维位置或航道控制技术领域，具体提出了一种基于多智能体强化学习的无人机集群动态避障方法，包括基于无人机自身策略和观测计算得到当前时刻的最优航向角；随后根据无人机动力学模型、运动学约束与扰动流场法得到下一时刻位置，并结合障碍物下一时刻的位置和无人机目标位置得到下一时刻所有无人机的观测以及当前时刻所有无人机的奖励，并存储到经验回放池中达到某一数量；从中采样部分样本数据，采用多步预测方法来预测每一个样本数据的未来所有无人机的联合观测、联合航向角以及联合奖励；计算策略网络和模型网络的代价函数并进行梯度更新；直至结束策略学习过程并指导无人机集群动态壁障。
-
Patent Agency Ranking
公开(公告)号：CN118068842B
公开(公告)日：2024-06-18
申请号：CN202410501566.6
申请日：2024-04-25
Applicant: 北京理工大学
IPC: G05D1/43 , G05D1/246 , G05D1/648 , G05D105/15
Abstract: 本发明涉及一种基于生成树的低重复率覆盖路径规划方法，属于机器人自主规划控制技术领域，解决了现有技术中的区域覆盖方法难以以较少的重复路径对任意形状目标区域进行全覆盖的问题。本发明的方法融合了生成树栅格和其他栅格，提高了区域的覆盖率；并通过对分支栅格与附属栅格处理，在提高基于生成树的覆盖路径规划方法区域覆盖率的同时仅会产生较少的重复覆盖路径；另外，以栅格阵列模型映射待覆盖区域，并以主干栅格、分支栅格和附属栅格分类阵列模型中的各个待覆盖栅格，通过对分支栅格与附属栅格建立规则，将原本在主干栅格中无重复的全覆盖路径以较少重复路径的代价扩展至所有待覆盖栅格，提高了无人设备覆盖区域时的覆盖率。
-
公开(公告)号：CN109800867B
公开(公告)日：2020-09-29
申请号：CN201811545237.2
申请日：2018-12-17
Applicant: 北京理工大学
Abstract: 本发明提供一种基于FPGA片外存储器的数据调用方法，将特征图的数据逐行按顺序存储在fifo中，每次读写操作，前M个fifo输出当前存储的第一个数据，后M个fifo将当前存储的第一个数据回写到比其编号小L‑M的编号对应的fifo存储的数据尾部，同时，将特征图第L+1行的第一个数据写入第L‑1个fifo存储的数据尾部，将特征图第L+2行的第一个数据写入第L个fifo存储的数据尾部，这样使得fifo不断将数据按序输出fifo组外时，特征图剩下的数据又按序写入到fifo组中等待读取，直到完成整幅特征图的数据遍历；因此，本发明没有直接去调用FPGA片外存储器的数据，避免了复杂的地址跳变，大大提高了调用FPGA片外存储器数据的效率。
-
公开(公告)号：CN117454221B
公开(公告)日：2025-01-14
申请号：CN202311405510.2
申请日：2023-10-26
Applicant: 北京理工大学
IPC: G06F18/24 , G01M17/08 , G01D21/02 , G06F18/27 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/044 , G06N3/08
Abstract: 本发明提出一种高铁牵引制动系统多传感器融合的异常识别方法，包括，获取高铁牵引制动系统的多参量感知数据，将多参量感知数据划分为操作参数和测量参数并进行预处理；将预处理后的操作参数和测量参数输入去混淆模型得到测量参数调整值；根据反因果多元回归模型使用测量参数调整值对操作参数进行反向预测得到操作参数预测值；通过操作参数和操作参数预测值建立各操作参数退化值，采用各操作参数历史时间序列复杂度作为权重，建立归一化的健康指标模型，从而评估高铁牵引制动系统健康状况。
-
公开(公告)号：CN118898922A
公开(公告)日：2024-11-05
申请号：CN202410752246.8
申请日：2024-06-12
Applicant: 北京理工大学
Abstract: 本发明提出一种城市低空立体交通管理与控制平台和方法，其中方法包括针对低空交通与地面交通的融合控制区域，获取全域要素数据，全域要素数据包括三维环境数据、地面行人车辆数据、低空无人机数据；基于全域要素数据构建三维风险图；针对三维风险图的各网格，基于无人机坠落风险值、空中撞击风险值、撞击楼宇风险值计算各网格的总和风险值；在三维风险图下，基于各无人机的给定起点与给定终点利用各网格的总和风险值确定各无人机的目标飞行轨迹，目标飞行轨迹的路径总和风险值最小且路径最短；控制各无人机按照对应的目标飞行轨迹进行飞行。利用本发明的方法能够在复杂城市环境条件下更好地进行城市低空立体交通融合管控。
-
公开(公告)号：CN117541998A
公开(公告)日：2024-02-09
申请号：CN202410032130.7
申请日：2024-01-10
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于贝叶斯神经网络的行人轨迹融合预测方法，属于行人轨迹预测技术领域。本发明的方法利用贝叶斯神经网络模型随机分布的权值和阈值参数，为神经网络引入不确定性进行正则化、引入先验分布和后验分布来描述模型参数的不确定性。在训练过程时，通过最大化后验概率来更新模型参数，从而得到后验分布；通过后验分布，网络可以获取参数的不确定性信息，进而对结果的误差进行有效预测。还能够有效避免数据量较少时容易导致过拟合的问题，提高预测的稳定性和泛化能力，同时还能对目标跟踪过程中行人轨迹缺失或中断的情况进行继续预测。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.033 seconds)
