| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 101 | 用于OFDM信号的自适应相位补偿的方法和装置 | CN03826433.1 | 2003-03-28 | CN1802831B | 2010-05-26 | 亚历山大·A·马尔特塞夫; 亚历克希·E·鲁布托塞夫; 亚历克塞·M·索皮科夫 |
| OFDM接收机向OFDM分组的数据符号的副载波施加相位补偿。由数据符号内的导频副载波而生成相位补偿估计，并在反映射之前将其应用于所述数据符号的副载波。数据符号的导频副载波被合并及加权，以生成观测向量。对观测向量执行递归滤波，以生成相位补偿估计。递归滤波可以包括使用信道估计、附加噪声功率估计、信噪比(SNR)估计和于收发机振荡器的相位噪声谱的动态模型有关的先验信息，对观测向量执行扩展卡尔曼滤波(EKF)操作。信道估计可以由OFDM分组的长训练符号生成，附加噪声功率估计和SNR估计可以由OFDM分组的短训练符号生成。 | ||||||
| 102 | 一种自主水下机器人的三维轨迹跟踪控制方法 | CN202410040908.9 | 2024-01-11 | CN117872718A | 2024-04-12 | 袁明新; 王舜; 陈芯蕊; 张亮; 任贝贝; 刘美婷; 王以龙; 申燚; 江亚峰 |
| 本发明公开了一种自主水下机器人的三维轨迹跟踪控制方法。首先建立自主水下机器人运动学模型；接着设计基于神经网络辨识的基本三维轨迹跟踪控制器；然后构建包括输入层、突触隐层、细胞隐层和输出层在内的递归免疫网络模型；再构建用于递归免疫网络辨识的性能指标函数；最后基于递归免疫网络辨识实现水下机器人轨迹跟踪控制器的在线自整定。本发明解决了自主水下机器人作业过程中因为海流、海浪、水下噪声等干扰因素给其轨迹跟踪造成的影响，提高了三维轨迹跟踪的鲁棒性和精度。 | ||||||
| 103 | 一种基于递归残差注意力网络的图像超分辨率重建方法 | CN201810600397.6 | 2018-06-12 | CN108765296B | 2022-04-12 | 林乐平; 梁婷; 欧阳宁; 莫建文; 袁华; 首照宇; 张彤; 陈利霞 |
| 本发明公开了一种基于递归残差注意力网络的图像超分辨率重建方法，其特征在于，包括如下步骤：1）数据预处理；2）建立重建模型；3）残差注意力网络支路第一个残差注意力模块特征提取；4）递归网络支路第一个递归模块特征提取；5）特征融合；6）图像重建。这种方法能解决预处理操作带来的噪声，且获得更多高频信息来丰富图像细节，同时能减少网络参数，在增加层数的同时而不增加新的参数，能提高超分辨率重建的精度。 | ||||||
| 104 | 受约束的带遗忘因子递归最大相关熵自适应滤波器 | CN202110242991.4 | 2021-03-05 | CN112953463A | 2021-06-11 | 倪锦根; 逯静 |
| 本发明公开了一种受约束的带遗忘因子递归最大相关熵自适应滤波器，属于数字滤波器设计领域。该滤波器由递归最小二乘法结合最大相关熵代价函数，采用拉格朗日乘子法推导得到。由于滤波器基于最小二乘法和最大相关熵准则，因而不仅可以获得较快的收敛速度，还能获得较强的鲁棒性。本发明公开的受约束的带遗忘因子递归最大相关熵自适应滤波器可以应用于受到脉冲噪声干扰的电子、通信和控制系统中。 | ||||||
| 105 | 定位系统、定位方法和存储介质 | CN201980063112.2 | 2019-05-15 | CN112930484A | 2021-06-08 | 金耕进; 菲利普·奥尔利克; 堀智织 |
| 用于跟踪车辆的位置的定位系统包括：接收器，其被配置为接收在多个时间点从多个卫星接收的卫星信号的相位测量结果；以及存储器，其被配置为存储递归神经网络，所述递归神经网络被训练为在一些时间点在存在由至少一些卫星信号的多径传输引起的噪声的情况下，根据一组相位测量结果确定车辆的位置。该定位系统的处理器被配置为通过利用递归神经网络处理在每个时间点接收的一组相位测量结果以在每个时间点产生车辆的位置，来在不同时间点跟踪车辆的位置。 | ||||||
| 106 | 实现用于自然语言处理的全句递归神经网络语言模型 | CN201910298712.9 | 2019-04-15 | CN110389996A | 2019-10-29 | 黄颖慧; A·瑟西; K·奥迪克哈希; B·拉马巴哈德兰 |
| 本公开涉及实现用于自然语言处理的全句递归神经网络语言模型。提供了用于估计由自然语言处理所处理的每个全句为正确的似然概率的全句递归神经网络(RNN)语言模型(LM)。对多个句子的语料库中的至少一个完整句子应用噪声对比估计采样器以生成至少一个不正确的句子。使用语料库中的所述至少一个完整句子和所述至少一个不正确的句子训练全句RNN LN，以将所述至少一个完整句子辨别为正确。应用全句递归神经网络语言模型来估计由自然语言处理所处理的每个全句为正确的似然概率。 | ||||||
| 107 | 采用多重递归复合控制降噪技术的医用X射线电视系统 | CN200710004996.3 | 2007-02-14 | CN101018291A | 2007-08-15 | 王晓明; 张涛 |
| 本发明公开了一种采用多重递归复合控制降噪技术的医用X射线电视系统，该系统将数字视频信号通过多套递归通道同时进行处理，每个递归通道采用一个微小的变化量，再进行多重复合叠加，使得降噪级数达到连续可调；同时采用FPGA对图像进行实时处理，通过CPU对图像处理进行控制。本发明使图像降噪级数实现了连续可调，在视觉上无噪声变化和拖尾变化的跳跃感，使不同运动速度的诊断要求都能达到最佳的图像效果，同时消除了由于不同医生的视觉感觉不同而难以找到最佳降噪点的情况，提高了医生的工作效率，减少了病人的受照时间，提高了病灶的检出率。 | ||||||
| 108 | 使用隐轨迹和隐马尔可夫模型进行语音识别的方法 | CN200410005917.7 | 2004-01-21 | CN1521729A | 2004-08-18 | L·邓; J·L·周; F·T·B·西德 |
| 提供一种语音识别方法，其使用递归，基于与前两个帧相关联的与生成相关的值，为特定帧中的状态确定与生成相关的值，尤其是声道共振频率。与生成相关的值用于为所述状态确定观察到的特征向量的概率分布。然后从该概率分布中确定该帧所接收的观察值的概率。在一个实施例中，所述与生成相关的值使用该值的无噪声递归定义来确定。递归的使用大大改善了解码速度。当将解码算法应用于具有已知标音的训练数据时，产生强制对准，这改善了从现有技术中获得的语音分割。 | ||||||
| 109 | 一种基于深度学习的水下声学目标辐射噪声增强方法 | CN202310602965.7 | 2023-05-26 | CN117238308A | 2023-12-15 | 李崇; 刘昌银; 阎述学; 宋三明; 朱嘉仪 |
| 本文发明一种基于深度学习的水下声学目标辐射噪声增强方法，涉及一种计算机语音水下增强处理方法，该方法首先通过对仿真的纯净舰船辐射噪声和白噪声进行随机混合为带噪舰船辐射噪声信号；然后，提取38个特征信息作为神经网络的输入特征；最后通过递归神经网络训练得到的临界频带增益应用于音高滤波的结果，再通过窗口合成就可以达到对水下目标辐射噪声增强。本发明基于针对水下环境的特点，所提出的方法更加适合深海恶劣环境下的水下声学目标辐射噪声增强工作，且处理后的水下声学目标辐射噪声对后续的研究有更好的效果。 | ||||||
| 110 | 用于OFDM信号的自适应相位补偿的方法和装置 | CN03826433.1 | 2003-03-28 | CN1802831A | 2006-07-12 | 亚历山大·A·马尔特塞夫; 亚历克希·E·鲁布托塞夫; 亚历克塞·M·索皮科夫 |
| OFDM接收机向OFDM分组的数据符号的副载波施加相位补偿。由数据符号内的导频副载波而生成相位补偿估计，并在反映射之前将其应用于所述数据符号的副载波。数据符号的导频副载波被合并及加权，以生成观测向量。对观测向量执行递归滤波，以生成相位补偿估计。递归滤波可以包括使用信道估计、附加噪声功率估计、信噪比(SNR)估计和于收发机振荡器的相位噪声谱的动态模型有关的先验信息，对观测向量执行扩展卡尔曼滤波(EKF)操作。信道估计可以由OFDM分组的长训练符号生成，附加噪声功率估计和SNR估计可以由OFDM分组的短训练符号生成。 | ||||||
| 111 | 图像信号处理方法及装置 | CN98106971.1 | 1998-02-13 | CN1130918C | 2003-12-10 | 小林博; 福田京子 |
| 一种为消除因使用块编码等方法而在图像压缩/扩展中产生的块失真或小型噪声，并能有效地实现图像质量校正，如轮廓线增强的图像信号处理方法及装置。已压缩编码的图像信号由MPEG解码器(106)展开并解码，并将已解码的图像信号送到噪声降低电路(107)，该噪声降低电路(107)通过块失真降低或域递归型噪声降低来减小噪声。将得到的降低了噪声的或无噪声的信号送到图像质量校正电路(108)，该校正电路(108)执行图像质量校正，如轮廓线增强。 | ||||||
| 112 | 脉冲噪声下的波束成形方法及装置 | PCT/CN2016/106779 | 2016-11-22 | WO2018094565A1 | 2018-05-31 | 阳召成; 汪小叶; 黄建军 |
本发明公开了一种脉冲噪声下的波束成形方法及装置，该方法包括：利用波束成形方向图的稀疏性，联合阵列输出几何功率及l 1范数最小化，得到目标优化问题，并利用随机梯度算法或者类似递归最小二乘法对目标优化问题进行求解，得到最优权矢量，根据该最优权矢量进行波束成形。相对于现有技术，通过利用波束方向图的稀疏性联合阵列输出几何功率及l 1范数最小化得到目标优化问题，并利用随机梯度算法或者类似递归最小二乘法求解得到最优权矢量，可以避免估计脉冲噪声的统计参数，适用于几乎所有的噪声脉冲，同时有效降低了旁瓣干扰与噪声，提高了输出SINR。 |
||||||
| 113 | 一种基于递归演化的实时索杆力识别方法 | CN202211212126.6 | 2022-10-01 | CN115824481B | 2024-07-02 | 淡丹辉; 郝祥铭 |
| 本发明公开一种基于递归演化的实时索杆力识别方法，整合块递归的带通滤波与块递归的希尔伯特变换法作为高精度、高分辨率的索杆模态频率识别算法，针对索杆的某阶目标时变频率实现在线地识别和跟踪，结合现有的索杆力识别理论，对索杆力进行实时在线地识别，实现了由实时的信号到实时的模态频率再到实时的索杆力的智慧感知。本发明的优点是识别时变索杆力无须事先知道阶次、对噪声的鲁棒性较好，体现了较高的抗噪性能和计算精度与效率，适于流式数据计算或接入在线计算环境。 | ||||||
| 114 | 定位系统、定位方法和存储介质 | CN201980063112.2 | 2019-05-15 | CN112930484B | 2024-05-28 | 金耕进; 菲利普·奥尔利克; 堀智织 |
| 用于跟踪车辆的位置的定位系统包括：接收器，其被配置为接收在多个时间点从多个卫星接收的卫星信号的相位测量结果；以及存储器，其被配置为存储递归神经网络，所述递归神经网络被训练为在一些时间点在存在由至少一些卫星信号的多径传输引起的噪声的情况下，根据一组相位测量结果确定车辆的位置。该定位系统的处理器被配置为通过利用递归神经网络处理在每个时间点接收的一组相位测量结果以在每个时间点产生车辆的位置，来在不同时间点跟踪车辆的位置。 | ||||||
| 115 | 实现用于自然语言处理的全句递归神经网络语言模型 | CN201910298712.9 | 2019-04-15 | CN110389996B | 2023-07-11 | 黄颖慧; A·瑟西; K·奥迪克哈希; B·拉马巴哈德兰 |
| 本公开涉及实现用于自然语言处理的全句递归神经网络语言模型。提供了用于估计由自然语言处理所处理的每个全句为正确的似然概率的全句递归神经网络(RNN)语言模型(LM)。对多个句子的语料库中的至少一个完整句子应用噪声对比估计采样器以生成至少一个不正确的句子。使用语料库中的所述至少一个完整句子和所述至少一个不正确的句子训练全句RNN LN，以将所述至少一个完整句子辨别为正确。应用全句递归神经网络语言模型来估计由自然语言处理所处理的每个全句为正确的似然概率。 | ||||||
| 116 | 受约束的带遗忘因子递归最大相关熵自适应滤波器 | CN202110242991.4 | 2021-03-05 | CN112953463B | 2023-06-23 | 倪锦根; 逯静 |
| 本发明公开了一种受约束的带遗忘因子递归最大相关熵自适应滤波器，属于数字滤波器设计领域。该滤波器由递归最小二乘法结合最大相关熵代价函数，采用拉格朗日乘子法推导得到。由于滤波器基于最小二乘法和最大相关熵准则，因而不仅可以获得较快的收敛速度，还能获得较强的鲁棒性。本发明公开的受约束的带遗忘因子递归最大相关熵自适应滤波器可以应用于受到脉冲噪声干扰的电子、通信和控制系统中。 | ||||||
| 117 | 一种用于电学层析成像系统的信息滤波解调方法 | CN201310325488.0 | 2013-07-30 | CN103412189B | 2015-07-01 | 曹章; 徐立军; 孙世杰; 王海刚 |
| 本发明涉及一种用于电学层析成像系统的信息滤波解调方法，其特征在于包括下列步骤：（1）根据系统的激励频率f和采样频率fs建立递归方程；（2）以激励信号零相位时刻为起始时刻，根据测量信号在紧邻起始时刻之后的2个采样点数据计算出误差相关矩阵的逆矩阵P-1(k)和递归中间矩阵K的初始值；（3）将其初始值及新增采样点数据代入递归方程，更新P-1(k)和K，并同时计算数据矩阵Bk；（4）判断解调结果是否满足系统精度要求，若不满足则返回步骤（3），若满足则结束递归过程，并输出测量信号的幅值和相位数据。上述递归解调方法最少只需2个采样点数据，且增加采样点数可提高解调精度和抗噪声能力。基于信息滤波算法的递归解调方法具有可以在无初值情况下启动、迭代简单、利于硬件实现、占用资源少的特点，具有广阔的应用前景。 | ||||||
| 118 | 一种用于电学层析成像系统的信息滤波解调方法 | CN201310325488.0 | 2013-07-30 | CN103412189A | 2013-11-27 | 曹章; 徐立军; 孙世杰; 王海刚 |
| 本发明涉及一种用于电学层析成像系统的信息滤波解调方法，其特征在于包括下列步骤：（1）根据系统的激励频率f和采样频率fs建立递归方程；（2）以激励信号零相位时刻为起始时刻，根据测量信号在紧邻起始时刻之后的2个采样点数据计算出误差相关矩阵的逆矩阵P-1(k)和递归中间矩阵K的初始值；（3）将其初始值及新增采样点数据代入递归方程，更新P-1(k)和K，并同时计算数据矩阵Bk；（4）判断解调结果是否满足系统精度要求，若不满足则返回步骤（3），若满足则结束递归过程，并输出测量信号的幅值和相位数据。上述递归解调方法最少只需2个采样点数据，且增加采样点数可提高解调精度和抗噪声能力。基于信息滤波算法的递归解调方法具有可以在无初值情况下启动、迭代简单、利于硬件实现、占用资源少的特点，具有广阔的应用前景。 | ||||||
| 119 | 图像信号处理方法及装置 | CN98106971.1 | 1998-02-13 | CN1215962A | 1999-05-05 | 小林博; 福田京子 |
| 一种为消除因使用块编码等方法而在图像压缩/扩展中产生的块失真或小型噪声,并能有效地实现图像质量校正,如轮廓线增强的图像信号处理方法及装置。已压缩编码的图像信号由MPEG解码器106展开并解码,并将已解码的图像信号送到噪声降低电路107,该噪声降低电路107通过块失真降低或域递归型噪声降低来减小噪声。将得到的降低了噪声的或无噪声的信号送到图像质量校正电路108,该校正电路108执行图像质量校正,如轮廓线增强。 | ||||||
| 120 | 一种基于递归演化的实时索杆力识别方法 | CN202211212126.6 | 2022-10-01 | CN115824481A | 2023-03-21 | 淡丹辉; 郝祥铭 |
| 本发明公开一种基于递归演化的实时索杆力识别方法，整合块递归的带通滤波与块递归的希尔伯特变换法作为高精度、高分辨率的索杆模态频率识别算法，针对索杆的某阶目标时变频率实现在线地识别和跟踪，结合现有的索杆力识别理论，对索杆力进行实时在线地识别，实现了由实时的信号到实时的模态频率再到实时的索杆力的智慧感知。本发明的优点是识别时变索杆力无须事先知道阶次、对噪声的鲁棒性较好，体现了较高的抗噪性能和计算精度与效率，适于流式数据计算或接入在线计算环境。 | ||||||
QQ群二维码
意见反馈
意见反馈