“殷昌永”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5个，建议您升级VIP下载更多相关专利

[发明专利]认知网络中的基于降维和聚类的协作频谱感知方法、装置-CN202010594289.X有效
发明人：崔翠梅;杨德智;杨倪子;殷昌永 -专利权人：常州工学院
申请日： 2020-06-24 - 公布日： 2023-04-18 - 主分类号： H04B17/382 文献下载
摘要：本发明提供一种认知网络中的基于降维和聚类的协作频谱感知方法、装置，认知网络包括：一个授权用户和至少一个认知用户，所述方法包括以下步骤：认知用户检测频谱的能量并组成能量向量，并根据能量向量获取多维特征矩阵，利用PCA算法将多维特征矩阵转换为低维特征矩阵，根据K‑means++算法，并将低维特征矩阵作为分类器的输入训练分类器，以对频谱进行感知。该方法采用将PCA算法与K‑Means++算法相融合，不仅可提高频谱感知的准确性和可靠性，还可减少感知时延，对动态频谱态势演变趋势进行预测，使之能够处理海量的频谱感知数据，且采用低维特征矩阵训练分类器，可以大大节省训练时间，降低计算复杂度。
认知网络中的基于维和协作频谱感知方法装置

[发明专利]一种玻璃幕墙智能检测设备-CN202210442167.8有效
发明人：黄小红;殷昌永;邹惠青;张苏承;孙煜;杨帆;翟才虎;何植楠 -专利权人：江苏城工建设科技有限公司
申请日： 2022-04-26 - 公布日： 2022-12-27 - 主分类号： G01N3/02 文献下载
摘要：本发明涉及一种玻璃幕墙检测设备，具体为一种玻璃幕墙智能检测设备，能够充分考虑玻璃幕墙撞击测试中的安全性与智能化，保证测试人员的安全且操作简便；包括外围框架、行车、无轨平板车、测试台和试件。所述测试台包含测试台框架、固定压板、超声探伤仪、探伤仪支架、软重物、液压缸和液压缸弯头，所述测试台居中放置于外围框架所围起的测试区域中，液压缸下端与测试台框架焊接连接，液压缸顶端使用销子与液压缸弯头铰接连接，液压缸弯头与固定压板底部焊接连接，探伤仪支架与测试台框架内侧焊接连接，超声探伤仪粘接于探伤仪支架上部居中位置。
一种玻璃幕墙智能检测设备

[实用新型]一种基于智能化的隧道地表下沉检测装置-CN202121933109.2有效
发明人： 殷昌永;周爽 -专利权人：冬云建设科技（常州）有限公司
申请日： 2021-08-17 - 公布日： 2022-01-11 - 主分类号： G01C5/00 文献下载
摘要：本实用新型公开了一种基于智能化的隧道地表下沉检测装置，包括第一主体，所述第一主体的内部安装有第二主体，所述第二主体的顶端设置有防护结构，所述安装块均匀安装于第一主体的外侧壁的底端，所述卡杆的内部均设置有挡块，且挡块的一侧均与安装座的外侧壁固定。本实用新型设置有拆装结构，第一主体摆放安装在相应的安装座上使用时可以通过依转动安装块使得安装块内部设置的橡胶块与卡杆之间卡合在一起，从而将该检测装置安装在对应的位置上，且当需要拆装时可以反向转动安装块使其脱离卡杆即可将装置与安装座分开，实现了对该检测装置的快速安装，使用更加方便，大大提高了该装置使用的便捷性。
一种基于智能化隧道地表下沉检测装置

[发明专利]窄带频谱感知系统的增强频谱感知方法-CN202010799418.9在审
发明人：崔翠梅;殷昌永;杨德智;裴彤 -专利权人：常州工学院
申请日： 2020-08-11 - 公布日： 2021-01-01 - 主分类号： H04B17/318 文献下载
摘要：本发明提供一种窄带频谱感知系统的增强频谱感知方法，所述方法包括以下步骤：授权用户在待测信道发送信号；认知用户感知接收信号，并进行FFT、平方器处理，以获取频谱的能量中心值Z，再利用CA‑CFAR算法对频谱进行处理，以获取信号的能量检测门限值T，最后，根据中心值Z与门限值T进行频谱感知判决。本发明将CA‑CFAR算法融入到频谱感知的能量检测方法中，一方面解决了能量检测过程中对噪声功率的先验估计这一难题，另一方面解决了噪声不确定性对多信道感知性能的影响，在动态时变的复杂异构网络环境中，认知用户可以自适应调节各待测信道的能量检测门限值，以提高频谱感知准确度，减少感知时间。
窄带频谱感知系统增强方法

[发明专利]认知网络中基于无监督学习的协作频谱感知方法、装置-CN202010582060.4在审
发明人：崔翠梅;杨德智;杨倪子;殷昌永 -专利权人：常州工学院
申请日： 2020-06-23 - 公布日： 2020-10-09 - 主分类号： H04B17/382 文献下载
摘要：本发明提供一种认知网络中基于无监督学习的协作频谱感知方法、装置，认知网络包括：一个授权用户和至少一个认知用户，所述方法包括以下步骤：认知用户检测频谱的能量并组成能量向量，并根据能量向量获取多维特征矩阵，利用主成分分析算法将多维特征矩阵转换为低维特征矩阵，采用低维特征矩阵和高斯混合模型算法训练聚类器，以对频谱进行感知。该方法采用将主成分分析算法与高斯混合模型算法相融合，不仅可提高频谱感知的准确性和可靠性，还可减少感知时延，对动态频谱态势演变趋势进行预测，使之能够处理海量的频谱感知数据，且采用低维特征矩阵训练聚类器，可以大大节省训练时间，降低计算复杂度。
认知网络基于监督学习协作频谱感知方法装置