“高斯噪声模型”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果950857个，建议您升级VIP下载更多相关专利

[发明专利]基于拉盖尔高斯谱的角向周期噪声消除方法及装置-CN201911315140.7有效
发明人：魏丹;马剑涛;张勇 -专利权人：南京大学
申请日： 2019-12-19 - 公布日： 2023-05-05 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于拉盖尔高斯谱的角向周期噪声消除方法及装置，其中，方法包括：(1)计算含有角向周期噪声图像的拉盖尔高斯谱；(2)使用带阻滤波器滤除所述拉盖尔高斯谱的噪声；(3)将噪声滤除后的拉盖尔高斯谱进行相干叠加本发明可以实现角向周期噪声消除。
基于盖尔高斯谱周期噪声消除方法装置

[发明专利]一种基于偏差补偿类辅助变量的自适应滤波方法-CN202011481813.9有效
发明人：贾丽娟;李妍 -专利权人：北京理工大学
申请日： 2020-12-15 - 公布日： 2022-07-15 - 主分类号： H03H21/00 文献下载
摘要：所述方法包括：预先设定迭代次数M并构造变量含误差模型；构造与输入信号向量强相关的类辅助变量；计算有色输出噪声条件下，类辅助变量方法的估计值及估计偏差；计算有色输出噪声条件下对于未知输入噪声方差的估计值；利用偏差补偿原理补偿噪声引起的偏差，得到对于未知系统参数的无偏估计。所述方法在输入信号为白高斯过程或有色高斯过程、输出噪声信号为有色噪声时均能稳定工作；且通过引入类辅助变量消除了输出噪声方差的影响只需估计输入噪声方差，降低了方法的复杂度；提出了实时估计输入噪声方差的方法，能够比较准确估计未知输入噪声方差。
一种基于偏差补偿辅助变量自适应滤波方法

[发明专利]一种用于惯性组合导航系统中的改进混合高斯粒子滤波方法-CN201010175813.6有效
发明人：周翟和;刘建业;赖际舟;熊剑;曾庆化;赵伟;于明清;吕品 -专利权人：南京航空航天大学
申请日： 2010-05-18 - 公布日： 2010-10-06 - 主分类号： G01C21/20 文献下载
摘要：本发明公布了一种用于惯性组合导航系统中的改进混合高斯粒子滤波方法，本发明首先根据惯性组合导航的特点建立SINS/GPS组合导航系统的状态方程、观测方程及噪声模型；根据该模型特点，建立符合要求的混合高斯高斯粒子滤波算法结构根据上述算法结构，把粒子滤波分为两步，采用UKF算法获取混合高斯粒子滤波状态更新过程中的高斯分布参数。采用粒子滤波算法实现状态更新及其余部分算法，并给出混合高斯粒子滤波的实现算法流程。由导航计算机根据惯性组合导航的滤波模型及算法流程，完成组合导航的数据处理及解算工作。本发明一方面提高了组合导航系统的滤波精度，同时滤波时间也有一定的减少，能够较好的解决组合导航系统的非线性滤波问题。
一种用于惯性组合导航系统中的改进混合粒子滤波方法

[发明专利]一种自适应Duffing振子磁异常信号检测方法-CN202011347978.7在审
发明人：覃涛;董昊;张学斌;齐侃侃;窦珂;孟诚;曹平军 -专利权人：中国船舶重工集团有限公司第七一0研究所
申请日： 2020-11-26 - 公布日： 2021-04-02 - 主分类号： G01R33/00 文献下载
摘要：本发明公开了一种自适应Duffing振子磁异常信号检测方法，使用本发明能够克服Duffing振子只能检测强噪声背景下的单一频率的微弱磁异常信号的问题，在海洋的非高斯性强噪声背景下，选用多分辨分析算法去除目标磁异常信号中的高斯白噪声和非高斯白噪声，得到去噪后的目标磁异常微弱信号，提高信噪比；对多分辨分析后的目标进行尺度变换，利用自适应Duffing振子多频微弱信号检测模型，能准确检测出多分辨分析后的目标信号中包含的各个频率成分，并根据此绘制相平面轨迹图
一种自适应 duffing 振子磁异常信号检测方法

[发明专利]一种接地网检测信号滤波方法-CN202011376220.6在审
发明人：黄欢;马晓红;曾华荣;毛先胤;杨琪;吴建蓉;张英;吕乾勇;张露松;杨柳青;刘君;徐舒蓉;彭敏放;孙洪博 -专利权人：贵州电网有限责任公司
申请日： 2020-11-30 - 公布日： 2021-04-06 - 主分类号： G01N27/04 文献下载
摘要：本发明公开了一种接地网检测信号滤波方法，它包括：将三电极传感器埋设于接地网附近；建立小波变换滤波模型，并将所采集数据代入该模型，对检测数据进行小波多尺度分析，判断存在于检测数据中的电磁干扰类型；选取合适的阈值代入到小波变换滤波模型，对检测数据进行重构，得到滤除了电磁干扰后的检测数据；建立卡尔曼滤波模型，并将处理之后的检测数据代入到卡尔曼滤波模型中进行分析；判断存在于检测数据中的高斯白噪声类型；选取合适的自适应因子，进一步构建自适应卡尔曼滤波模型，将检测数据中存在的高斯白噪声进行滤除，最终得到干扰被完全滤除的检测数据，解决了现有技术的检测数据准确性不高的问题。
一种接地检测信号滤波方法

[发明专利]一种改进的对抗扰动后门攻击方法-CN202310199740.1在审
发明人：黄洪;袁国桃;李心;王兆莲;杜瑞 -专利权人：四川轻化工大学
申请日： 2023-03-05 - 公布日： 2023-09-15 - 主分类号： G06N3/094 文献下载
摘要：本发明公开了一种能够提高干扰扰动稳定性和隐蔽性，并且能够更有效的逃避防御模型的检测的基于高斯分布的对抗扰动后门攻击方法。该基于高斯分布的对抗扰动后门攻击方法首先在对抗攻击中叠加一种满足高斯分布的噪声，这使得对抗攻击在干净样本和干净模型中生成的对抗扰动更小，再将这些扰动叠加成通用对抗扰动；然后，在部分干净样本上添加这些扰动，并更改它们的标签来构造有毒样本，将毒样本用于模型训练，从而产生后门攻击。采用该基于高斯分布的对抗扰动后门攻击方法不仅可以减少数据分布异常、提高扰动生成的稳定性，而且在抗检测性上也有较大的提升。
一种改进对抗扰动后门攻击方法

[发明专利]一种多用户检测方法-CN201810056254.3有效
发明人：李锋;彭伊婷;陈伟 -专利权人：西安交通大学
申请日： 2018-01-20 - 公布日： 2019-12-24 - 主分类号： H04B1/7103 文献下载
摘要：本发明公开了一种多用户检测方法，包括：将基站接收到的信号按照GMM聚类算法分为L类；给信号噪声建立一个由L个高斯加权的混合高斯模型；利用3层的稀疏贝叶斯学习方法，通过接收到的信号，利用L个高斯模型加权的混合高斯模型恢复出发射信号
多用户检测混合高斯模型稀疏性加权上行链路频谱受干扰子载波用户发射信号出发射信号发射信号高斯模型功率控制基站接收聚类算法问题转化稀疏信号系统容量信号噪声远近效应贝叶斯有效地高斯稀疏恢复输出学习

[发明专利]基于显著度和混合高斯模型的监控视频前景提取方法-CN201210147096.5有效
发明人：胡瑞敏;黄震坤;王中元;渠慎明;钟睿;宗成强 -专利权人：武汉大学
申请日： 2012-05-14 - 公布日： 2012-09-12 - 主分类号： G06K9/46 文献下载
摘要：一种基于显著度和混合高斯模型的监控视频前景提取方法：先将待分析的视频采用混合高斯模型进行前景提取，然后将当前帧前帧中相邻2帧中颜色直方图欧式距离相差大的两帧中的帧号小的那一帧作为参考帧,将当前帧与该参考帧做差获取帧差图像对该掩模图像进行基于3×3模板的高斯滤波消除图像的噪声。通过上述掩膜图像，获得基于该掩膜图像的当前帧区域，对区域进行显著度的提取并二值化得到基于显著度的掩膜，将基于显著度的掩膜和基于混合高斯模型的掩膜求并集，最终得到更加完整的前景区域。
基于显著混合模型监控视频前景提取方法

[发明专利]一种基于噪声推断模型的非侵入式负荷分解方法-CN202310160431.3在审
发明人：赵剑锋;董坤;孙睿晨 -专利权人：东南大学
申请日： 2023-02-24 - 公布日： 2023-06-09 - 主分类号： G06F18/214 文献下载
摘要：本发明提供一种基于噪声推断模型的非侵入式负荷分解方法，涉及电力技术与人工智能领域。该基于噪声推断模型的非侵入式负荷分解方法，获取居民用电有功功率消耗数据；以滑动窗口法获取长度合适的功率数据序列；使用基于噪声弥散过程的训练算法进行深度学习模型的训练；从服从高斯分布的随机噪声出发，使用噪声推断算法还原出目标负荷元件功率曲线；本发明将非侵入式负荷分解处理为负荷元件功率曲线的条件生成任务，采用噪声推断模型对负荷元件功率数据的分布进行建模，相较于基于对抗生成网络的负荷分解算法，本发明提供了更为稳定的训练结构。
一种基于噪声推断模型侵入负荷分解方法

[发明专利]适用于电力系统非高斯噪声的鲁棒动态状态估计方法及装置-CN202310077769.2在审
发明人：陈腾鹏;刘方岩;李钷 -专利权人：厦门大学深圳研究院;厦门大学
申请日： 2023-01-13 - 公布日： 2023-05-26 - 主分类号： G06F17/18 文献下载
摘要：本发明公开了一种适用于电力系统非高斯噪声的鲁棒动态状态估计方法及装置，方法包括：建立双轴同步发电机四阶非线性模型，得到动态状态估计的离散非线性模型；利用基于残差的p范数方程和二次方程构造一个新的鲁棒状态估计器；在增广回归模型中使用鲁棒状态估计器以及容积卡尔曼滤波技术，进行时间更新；在增广回归模型中使用鲁棒状态估计器以及容积卡尔曼滤波技术，进行量测更新；将鲁棒状态估计器集成到容积卡尔曼滤波器，获取动态状态估计解本发明在电力系统输入异常、测量异常以及脉冲噪声存在的情况下，能够保证状态估计的准确性及尽可能地减少了非高斯噪声的影响，相比现有估计方法具有更高准确性和稳定性。
适用于电力系统非高斯噪声动态状态估计方法装置

[发明专利]一种基于逐维分析策略的结构噪声可靠性优化的方法-CN201610203443.X有效
发明人：邱志平;许孟辉;王晓军;王冲;王磊;李云龙;仇翯辰;陈贤佳;郑宇宁 -专利权人：北京航空航天大学
申请日： 2016-04-01 - 公布日： 2018-07-06 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种基于逐维分析策略的结构噪声可靠性优化的方法，首先，以区间数模型定量化结构及环境等的不确定性，建立基于区间可靠性分析模型的结构噪声优化模型，基于结构声学响应等关于区间参数的非线性程度确定响应关于区间参数的最佳平方逼近的阶数及高斯积分点其次，以高斯积分点与区间数定量化模型对区间参数向量进行抽样，计算在区间参数样本点处响应向量值，建立最佳平方逼近以确定响应向量关于区间参数的最值点矩阵，从而计算出响应区间向量。本发明以区间可靠性代替了经典安全因子，迎合了结构噪声优化的精细化发展趋势，有效避免了传统优化方法的保守特性，应用前景明朗。
区间参数结构噪声响应向量可靠性优化定量化高斯逼近安全性要求可靠性分析安全因子保守特性不确定性结构声学结构优化响应向量优化模型优化算法点矩阵精细化样本点阶数优化抽样分析驱动应用

[发明专利]一种图像去噪方法及装置-CN201711168631.4有效
发明人：顾欣;庞军;吴晓黎;陈健;陈维;王浩州 -专利权人：中移（杭州）信息技术有限公司;中国移动通信集团公司
申请日： 2017-11-21 - 公布日： 2020-12-22 - 主分类号： G06T5/00 文献下载
摘要：本申请实施例提供的图像去噪方法包括：获取待处理图像；对待处理图像进行去均值和白化的预处理；根据MMI算法和进行预处理后的图像，确定对待处理图像中各独立分量进行分离的分离矩阵；根据分离矩阵对待处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的源图像；基于预设的去除高斯噪声的算法对只包含高斯噪声的源图像进行噪声去除，得到源图像，这样，利用MMI算法将非高斯噪声从待处理图像中分离出来，得到只包含高斯噪声的图像，之后，只需要去除图像中的高斯噪声就可以达到理想的去噪效果
一种图像方法装置

[发明专利]基于Treelet变换和高斯尺度混合模型的图像去噪方法-CN201210073293.7有效
发明人：王桂婷;焦李成;张林刚;公茂果;钟桦;张小华;田小林;侯彪;王爽 -专利权人：西安电子科技大学
申请日： 2012-03-19 - 公布日： 2012-09-12 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于Treelet变换和高斯尺度混合模型的图像去噪方法，主要解决现有去噪方法对被高斯白噪声腐蚀的自然图像去噪效果不佳的问题。其实现步骤如下，(1)输入一幅待去噪图像；(2)对图像块进行分类；(3)组成矩阵；(4)获得基矩阵；(5)投影；(6)估计无噪声系数；(7)计算去噪后图像块矩阵；(8)判断是否处理完图像内所有图像块，若处理完本发明具有对含有高斯白噪声的自然图像去噪效果好的优点，能恢复出图像原有的特征，可用于图像分割、目标识别，变换检测等对图像的预处理。
基于 treelet 变换尺度混合模型图像方法

[发明专利]太赫兹时域光谱成像复原方法、装置、存储介质及终端-CN202011201582.1在审
发明人：吕赐兴;毛淇;朱云龙 -专利权人：季华实验室
申请日： 2020-11-02 - 公布日： 2020-12-01 - 主分类号： G01N21/3586 文献下载
摘要：本发明公开了一种太赫兹时域光谱成像复原方法、装置、存储介质及终端，复原方法通过小波变换技术降低太赫兹信号的噪声，尤其是降低高频部分的噪声，得到的太赫兹图像噪声水平更低，而且降低了图像复原过程的病态性；在所建立的基于高斯光束理论的太赫兹图像退化模型中建立了反映太赫兹成像系统的特性的太赫兹光束束腰半径，包括太赫兹成像系统的截断比、辐照度水平、焦距、聚焦透镜直径、数值孔径等，解决了仅通过粗略估计方法得到的束腰半径严重影响点扩散函数计算精度的问题；建立基于高斯光束理论模型的点扩散函数，实现了对太赫兹图像退化原因的更准确描述，不仅可以降低太赫兹图像的噪声，并且提高太赫兹图像的分辨率。
赫兹时域光谱成像复原方法装置存储介质终端

[发明专利]神经网络模型的训练方法、应用方法及装置-CN202110994807.1在审
发明人：刘海军;李清江;李智炜;黄力行;于红旗;徐晖;刁节涛;王义楠;陈长林;刘森;宋兵;王伟;步凯;王琴;王玺;曹荣荣 -专利权人：中国人民解放军国防科技大学
申请日： 2021-08-27 - 公布日： 2021-11-05 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例提供一种神经网络模型的训练方法、应用方法及装置，其中，该神经网络模型为基于忆阻器的二值化卷积神经网络；能够将忆阻器的非理想特性使用高斯噪声代替，通过向由0，1构成的权重矩阵中施加高斯噪声来模拟具有非理想特性的二值忆阻器，利用施加噪声后的权重矩阵对二值化卷积神经网络进行训练，在解决使用忆阻器所面临的阵列良率、阻值波动以及器件噪声所引起的卷积神经网络数据不可靠的问题中，可以通过直接在忆阻器阵列中进行在线训练的方式(直接将忆阻器的非理想特性包含在网络的训练过程中
神经网络模型训练方法应用装置