专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果302019个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于连续时间轨迹函数的航迹约束目标跟踪方法-CN202110194528.7有效
  • 李天成;周金阳;王小旭;吴自高 - 西北工业大学
  • 2021-02-20 - 2023-03-31 - G01C21/00
  • 本发明涉及一种基于连续时间轨迹函数的航迹约束目标跟踪方法,考虑目标运动状态受到不等式约束条件,从连续的量测中寻找一条均方误差最小的连续时间轨迹函数,从而估计出目标的真实状态。采用上述方式,该方法巧妙地运用阻滞因子和势垒障碍函数,将不等式约束条件内嵌到无约束的连续时间轨迹函数中,并通过航迹拟合的方式,对量测数据进行拟合,得到目标的状态。本发明能够对目标实现更高精度的估计和预测,考虑不等式约束条件,且不需要事先知道目标的动力学模型和噪声协方差等先验信息,克服了传统等式约束目标跟踪精度不高的问题;通过添加航迹道路宽度不等式约束先验信息,实现对目标状态的精确跟踪和预测
  • 一种基于连续时间轨迹函数航迹约束目标跟踪方法
  • [发明专利]一种带噪声标签的长尾分布图像分类方法-CN202111059448.7有效
  • 程乐超;茅一宁;冯尊磊;宋明黎 - 之江实验室
  • 2021-09-10 - 2022-01-25 - G06K9/62
  • 本发明公开了一种带噪声标签的长尾分布图像分类方法,通过样本依赖的松弛间隔损失进行学习,并辅以抗噪声的数据增强策略,用于解决同时具有长尾特征与噪声标签的图像分类问题。根据数据噪声特征,在计算样本函数间隔时引入样本依赖的松弛变量以放宽间隔约束,再根据样本间隔分类计算样本依赖的光滑松弛损失;根据数据长尾特征,实施分阶段调整的数据增强策略,对样本分别进行强增强和弱增强,并在正式训练阶段提供基于松弛损失的样本筛选机制用于筛除噪声数据本发明实现方法简便,手段灵活,在长尾数据、噪声数据以及同时具有二者特征的训练数据上都取得显著的分类效果的提升。
  • 一种噪声标签长尾分布图像分类方法
  • [发明专利]一种阻尼结构及复合材料-CN200610012923.4有效
  • 尹学军 - 尹学军
  • 2006-07-06 - 2008-01-09 - F16F15/00
  • 本发明涉及振动及噪声控制领域,尤其涉及一种增大普通构件自身阻尼的结构及应用该结构的复合材料。其是在构件本体表面连续或间隔地固定设置带有凹凸结构的连接体,连接体与带有相对应的凸凹结构的约束体相互配合,连接体与约束体之间设置阻尼材料。本发明通过在构件表面固定联结带有凹凸结构的连接体和约束体,显著扩大了阻尼材料与构件本体及约束体的接触和作用面积,增大了约束阻尼作用力对构件弯曲中性面以及弯曲轴线的作用力矩,从而大大增加构件的结构阻尼,可以有效的降低易振构件振动或发声的强度
  • 一种阻尼结构复合材料
  • [发明专利]噪声环境下基于约束Kalman波束形成方法-CN201611156941.X在审
  • 王伟;雷舒杰;李欣;孙常善 - 哈尔滨工程大学
  • 2016-12-15 - 2017-05-17 - H04B7/06
  • 本发明属于自适应阵列信号处理领域,具体涉及一种色噪声环境下基于约束Kalman波束形成方法。本发明包括:建立阵列天线接收信号模型;建立白噪声环境下阵列接收数据的状态方程和量测方程,并应用Kalman滤波五组方程,求解出白噪声环境下阵列权矢量;对色噪声进行一阶马尔科夫建模,将有色量测噪声白化,并在此基础上对阵列接收数据量测噪声进行量测扩充;将色噪声模型和扩充后的量测带入到Kalman滤波五组方程中,得到新的Kalman滤波方程,最后求解阵列天线权矢量。本发明是在色噪声环境下对波束形成算法的改进。将Kalman滤波算法应用到波束形成上,大大提高了收敛速度。
  • 噪声环境基于约束kalman波束形成方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top