“宋雨杭”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]低CTE、高透光率聚酰亚胺及其二胺单体和制备方法-CN202310750719.6在审
发明人：尚振华;王瑞雪;宋雨杭 -专利权人：河北科技大学
申请日： 2023-06-25 - 公布日： 2023-09-19 - 主分类号： C08G73/10 文献下载
摘要：本发明公开了低CTE、高透光率聚酰亚胺及其二胺单体和制备方法，所述聚酰亚胺以金刚烷或环己烷作为脂环结构，同时在此基础上引入刚性芳香族结构和强电负性基团，以此来满足无色透明的特性，同时可具有良好的热性能。所述二胺单体中引入强电负性基团，脂环结构、大取代基团、不对称结构和刚性非共平面结构都有利于制备无色透明聚酰亚胺。本发明所述二胺单体可用于制备无色透明聚酰亚胺，单体以金刚烷或环己烷作为中心结构，通过酯基或酰胺键连接具有芳香性的苯环，其中一个单体为不对称结构，可以更好的满足制备无色透明聚酰亚胺的要求。
cte 透光率聚酰亚胺其二单体制备方法

[发明专利]一种基于自适应模态重组的单通道信号分离方法和装置-CN202310347928.6在审
发明人：谢树果;孙世腾;王永胜;张申达;宋雨杭 -专利权人：北京航空航天大学
申请日： 2023-04-03 - 公布日： 2023-07-18 - 主分类号： G06F18/10 文献下载
摘要：本发明公开了一种基于自适应模态重组的单通道信号分离方法和装置，所述方法包括：依据预设的本征模态的最小模态数，采用变分模态分解算法对目标单通道信号进行分解，以获得数量与最小模态数相对应的本征模态分量；对排序后的本征模态分量，依据相邻两个本征模态分量之间的相关系数，获得频谱分割因子；依据频谱分割因子，对本征模态分量进行自适应模态重组，以获得一组或多组第一重组模态；对第一重组模态进行预处理，并依据预设条件确定由目标单通道信号中分离出的源信号。本发明方案基于变分模态分解算法，可实现对源信号个数未知、带宽和信噪比均不同的单通道信号，估计源信号个数和进行分离，分离效果不受信噪比和带宽影响，抗噪声能力较强。
一种基于自适应重组通道信号分离方法装置

[发明专利]二胺单体和低CTE、高透过的聚酰亚胺及制备方法-CN202211374759.7在审
发明人：尚振华;宋雨杭;左忠良 -专利权人：河北科技大学
申请日： 2022-11-04 - 公布日： 2023-01-03 - 主分类号： C07C229/60 文献下载
摘要：本发明公开了一种二胺单体和低CTE、高透过的聚酰亚胺及制备方法，其在用于聚酰亚胺的单体中，引入强电负性基团、脂环结构、大取代基团、不对称结构和刚性非共平面结构都有利于制备无色透明聚酰亚胺。本发明以金刚烷作为脂环结构，同时在金刚烷结构的基础上引入刚性芳香族结构（苯环），以此来满足其无色透明的特性，同时具有较好的热性能。本二胺单体可用于制备无色透明聚酰亚胺，单体均以金刚烷为结构中心，通过酯基或酰胺键连接具有芳香性的苯环，其中一个单体为不对称结构，可以更好的满足制备无色透明聚酰亚胺的要求。
单体 cte 透过聚酰亚胺制备方法

[发明专利]一种强干扰下天线阵列DOA估计方法-CN202210905753.1在审
发明人：谢树果;左铭;张申达;宋雨杭 -专利权人：北京航空航天大学
申请日： 2022-07-29 - 公布日： 2022-10-25 - 主分类号： G01S7/02 文献下载
摘要：本发明公开一种强干扰下天线阵列DOA估计方法，提出一种新的强干扰源抑制及加权的L1范数稀疏表示的DOA估计。首先，构建接收阵列数据模型；其次，并行功率倒置自适应波束形成算法抑制干扰并形成新阵列数据；再次，根据阵列数据子空间投影并进行权值求解；最后，将权值与新阵列数据构成加权l1范数稀疏表示并求解DOA估计。该方法不需要强干扰波达角作为先验知识，能有效地抑制强干扰，且谱图主瓣尖锐、噪声平均谱值低，对强干扰下弱信号的DOA估计具有较好性能。
一种干扰天线阵列 doa 估计方法

[发明专利]一种交通模型中环境影响因子的挖掘分析方法-CN201910089236.X有效
发明人：张伟斌;宋雨杭;戚湧;郭海锋 -专利权人：银江股份有限公司;南京理工大学
申请日： 2019-01-30 - 公布日： 2020-11-10 - 主分类号： G08G1/01 文献下载
摘要：一种交通模型中环境影响因子的挖掘分析方法,具体步骤如下：(1)选定需要进行交通流分析的路段，获取所选路段中所需交通参数的历史数据；(2)根据获取的交通参数的历史数据，确定环境影响因子的挖掘分析时段；(3)选定所需的已知交通参数作为特征变量，并按时间序列一一对应；(4)利用基于EM算法的高斯混合模型对所选时间段的路段交通参数进行环境影响因子挖掘分析；(5)将模型挖掘分析所得的环境影响因子与按交通流理论所得实际交通状况比较，并选取某时间段交通系统进行验证；(6)分析验证结果，是否符合实际交通状况及交通流理论。
一种交通模型环境影响因子挖掘分析方法

[发明专利]基于马尔可夫链模型的交通因子网络构建方法-CN201811501212.2在审
发明人：张伟斌;宋雨杭;戚湧;桂林卿 -专利权人：南京理工大学
申请日： 2018-12-10 - 公布日： 2019-02-22 - 主分类号： G08G1/01 文献下载
摘要：在本文中提出了一种基于马尔可夫链模型的交通因子网络构建方法。该方法将捕获的速度，流量数据作为系统因子，通过高阶多元马尔可夫链建交通因子网络来模拟交通网络中固有的复杂空间和时间关系。通过在模型构建中应用交通领域知识，考虑交通数据之间的内在联系，对交通因子数值进行聚类分析。通过基于EM算法的高斯混合分布模型对历史数据的反向学习，对大量的交通流参数数据进行聚类分析，不同的交通参数聚类对应了实际交通系统中的不同交通状态，即环境影响因子等级。在此基础上通过高阶多元构建了交通因子状态网络，从而可以实现更为精准的数据预测和校正。
马尔可夫链因子网络构建交通聚类分析高阶环境影响因子交通流参数分布模型复杂空间高斯混合交通参数交通领域交通数据交通网络交通状态历史数据流量数据模型构建内在联系时间关系实际交通数据预测因子状态聚类校正捕获应用网络学习