CO-OFDM系统中一种联合改进的TS-PSO-PTS峰均比抑制方案
阅读：724发布：2020-06-13
专利汇可以提供CO-OFDM系统中一种联合改进的TS-PSO-PTS峰均比抑制方案专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种CO-OFDM系统的峰均比抑制方案，特别涉及一种联合改进的TS-PSO-PTS峰均比抑制方案。该方案主要通过基于粒子群 算法 和PTS技术联合改进来实现对高峰均比的抑制。在该方案中，首先将初始的输入 信号 进行d级IFFT变换，然后对信号进行子 块 的划分，再结合粒子群算法来搜索PTS算法中的匹配 相位 因子，最后再选择峰均比最小的一路信号从而得到最优的峰均比抑制性能。仿真分析表明，本发明可有效降低传统PTS方案的计算复杂度，同时还兼具较优的峰均比抑制性能。同时本发明也是一种兼顾系统误码率和峰均比抑制性能的方案，该方案可满足对CO-OFDM系统高峰均比的抑制，进而说明本发明的有效性和创新性。，下面是CO-OFDM系统中一种联合改进的TS-PSO-PTS峰均比抑制方案专利的具体信息内容。
1.本发明涉及一种相干光正交频分复用(coherent optical orthogonal frequency division multiplexing,CO-OFDM)系统的峰均比抑制方案，特别涉及一种联合改进的TS-PSO-PTS(two-stage particle swarm optimization partial transmit sequence,TS-PSO-PTS)峰均比抑制方案。该方案主要通过基于粒子群(particle swarm optimization,PSO)算法和部分传输序列(partial transmit sequence,PTS)技术联合改进来实现对高峰均比的抑制。在低复杂度方案中，CO-OFDM信号并没有马上进行分割，而是首先将初始的输入信号进行d级IFFT(inverse fast fourier transform,IFFT)变换，然后再进行子块的划分，再结合粒子群算法来搜索PTS算法中的匹配相位因子，最后再选择峰均比最小的一路信号从而得到最优的峰均比抑制性能。
2.根据权利要求1所述方案，本发明方案包含以下步骤：
(1).首先将有N＝2n个子载波的CO-OFDM信号表示为：
其中X＝{Xk}，(k＝0,1,…,N-1)代表输入的符号序列，t代表离散时间变量。如果定义其中Ti是一个N×N的对称矩阵代表IFFT运算的第i级，那么式(1)可以重
写为：
T
令S＝[S0S1…SN-1] ，Sk∈{1,2,…,M}来表示子块分割后的序列，其中当Xm,k＝Xk时，Sk＝m。则第m个子块索引序列Im＝[Im,0Im,1…Im,N-1]T中的Im,k可以表示为：
所以第m个子块可以表示为：
其中 是一个N×N的对角矩阵，对角线由子块索引序列Im构成。那么，最后得到的传输信号可以表示为：
(2).接下来不同于PSO-PTS(particle swarm optimization PTS，PSO-PTS)算法和C-PTS(conventional PTS,C-PTS)算法，本方案所采用的TS-PSO-PTS(two stage PSO-PTS,TS-PSO-PTS)算法对输入的CO-OFDM信号并没有马上进行分割处理，而是首先将初始的输入信号进行d级IFFT(inverse fast fourier transform,IFFT)变换，其中1≤d≤n-1，然后再进行子块的划分，其系统框图如附图6所示。
(3).TS-PSO-PTS算法把传统的n级IFFT运算分成两次来进行，第一部分为IFFT运算的前d级，余下的n-d级为第二部分。在前d级IFFT运算中，输入数据序列Xdata通过IFFT运算形成第一部分中间信号序列 接着将该中间信号序列 分割成M个临时子
序列，再对这M个分组进行n-d级的IFFT运算。通过两部分的IFFT运算后采用PSO-PTS算法，最后选取被转换后的信号中PAPR(peak-to-average power ratio,PAPR)值最低的一路信号进行传输。
(4).经过第(3)步的操作，通过TS-PSO-PTS算法后，式(5)可以表示为：
CO-OFDM系统中一种联合改进的TS-PSO-PTS峰均比抑制方案
技术领域
[0001] 本发明属于相干光正交频分复用(coherent optical orthogonal frequency division multiplexing,CO-OFDM)系统峰均比抑制技术领域，涉及一种联合改进的TS-PSO-PTS(two-stage particle swarm optimization partial transmit sequence,TS-PSO-PTS)峰均比抑制方案，该方案该方案主要通过基于粒子群(particle swarmoptimization,PSO)算法和部分传输序列(partialtransmitsequence,PTS)技术联合改进来实现对高峰均比的抑制。
背景技术
[0002] 相干光正交频分复用(coherent optical orthogonal frequency division multiplexing,CO-OFDM)系统将相干光通信技术和正交频分复用(orthogonal frequency division multiplexing，OFDM)技术有机地结合起来，其高频谱利用率，对信道衰落的鲁棒性，抗色散能力，抗符号间干扰(intersymbolinterference,ISI)，抑制非线性效应等诸多优点，目前已被多种高速数据传输系统作为技术标准。然而，高的峰值平均功率比(peak-to-averagepowerratio,PAPR)一直被认为是相干光OFDM技术最主要的一个缺点。高PAPR驱动高功率放大器在非线性区域工作，这将会增加带内失真和带外辐射，从而导致CO-OFDM系统性能下降。为了有效地抑制高PAPR对CO-OFDM系统所带来的影响，目前国内外的专家学者针对高PAPR提出了诸多解决方案，如削波(Clipping)、选择性映射(selectivemapping,SLM)、部分传输序列(partial transmitsequence,PTS)等技术。在目前的解决方案中，部分传输序列(PTS)是一种有前途的技术，在数据传输速率，功率和误比特率(BER)方面没有任何损失，除了需要传输边带信息外，可以显著提高PAPR抑制性能。但是PTS方案中使用一系列的快速傅里叶逆变换(Inverse Fast Fouriertransform,IFFT)变换产生不同的备选信号而增大了计算复杂度。
发明内容
[0003] 有鉴于此，本发明的目的在于提供一种既可以降低计算复杂度又可以兼顾较好的PAPR抑制性能的峰均比方案。
[0004] 为达到上述目的，本发明提供如下技术方案：
[0005] (1).首先将有N＝2n个子载波的CO-OFDM信号表示为：
[0006]
[0007] 其中X＝{Xk}，(k＝0,1,…,N-1)代表输入的符号序列，t代表离散时间变量。如果定义 其中Ti是一个N×N的对称矩阵代表IFFT运算的第i级，那么式(1)可以重写为：
[0008]
[0009] 令S＝[S0S1…SN-1]T，Sk∈{1,2,…,M}来表示子块分割后的序列，其中当Xm,k＝Xk时，Sk＝m。则第m个子块索引序列Im＝[Im,0Im,1…Im,N-1]T中的Im,k可以表示为：
[0010]
[0011] 所以第m个子块可以表示为：
[0012]
[0013] 其中 是一个N×N的对角矩阵，对角线由子块索引序列Im构成。那么，最后得到的传输信号可以表示为：
[0014]
[0015] (2).接下来不同于PSO-PTS(particle swarm optimization PTS，PSO-PTS)算法和C-PTS(conventional PTS,C-PTS)算法，本方案所采用的TS-PSO-PTS(two stage PSO-PTS,TS-PSO-PTS)算法对输入的CO-OFDM信号并没有马上进行分割处理，而是首先将初始的输入信号进行d级IFFT(inverse fast fourier transform,IFFT)变换，其中1≤d≤n-1，然后再进行子块的划分，其系统框图如附图6所示。
[0016] (3).TS-PSO-PTS算法把传统的n级IFFT运算分成两次来进行，第一部分为IFFT运算的前d级，余下的n-d级为第二部分。在前d级IFFT运算中，输入数据序列Xdata通过IFFT运算形成第一部分中间信号序列 接着将该中间信号序列 分割成M个临时子序列，再对这M个分组进行n-d级的IFFT运算。通过两部分的IFFT运算后采用PSO-PTS算法，最后选取被转换后的信号中PAPR(peak-to-average power ratio,PAPR)值最低的一路信号进行传输。
[0017] (4).经过第(3)步的操作，通过TS-PSO-PTS算法后，式(5)可以表示为：
[0018]
[0019] 本发明的有益效果在于：
[0020] 从理论和计算机仿真中可知，本发明方案在一定程度上改善了传统PTS方案的计算复杂度较高的问题，相较于只采用PSO-PTS算法方案本发明在PAPR抑制性能方面有着较为显著的提高，虽然本发明相较于PSO-PTS算法产生的一定的信号失真现象而导致了一定的误码率，但是本发明在计算复杂度、PAPR抑制性能和误码率之间取得了良好的平衡。因此在实际的应用中，在兼顾PAPR抑制效果和系统计算复杂度两者之间的性能时，本发明方案在抑制光OFDM系统的高峰均比的实际应用中具有很高的利用价值和实用意义。
附图说明
[0021] 为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
[0022] 图1为本发明方案的技术路线图；
[0023] 图2为C-PTS方案的原理框图；
[0024] 图3为PSO-PTS方案原理框图；
[0025] 图4为PSO算法流程图；
[0026] 图5为PSO-PTS算法搜索最优相位因子的原理流程图；
[0027] 图6为本发明方案联合改进的原理框图；
[0028] 图7为本发明方案与其他两种方案的PAPR抑制性能对比；
[0029] 图8为本发明方案与其他两种算法的误码率性能对比。
具体实施方式
[0030] 下面将结合附图，对本发明的具体实施方式和优选仿真实例进行详细的描述。
[0031] 1.结合附图2说明，传统PTS(conventionalpartial transmit sequence,C-PTS)方案的主要思想是将输入的CO-OFDM信号X按照一定的方式进行划分，划分成M个不相重叠的子块，接着经过IFFT(Inverse FastFouriertransform,IFFT)变换后每个子块都乘以同样的相位因子，最后在M组信号中选择出现最低PAPR(peak-to-averagepowerratio,PAPR)的一组信号发送。
[0032] 传统PTS方案是由S.H.Muller和J.B.Huber共同提出的，其原理框图如附图2所示。
[0033] 在C-SLM方案中，其基本思想是对输入的数据向量X＝{Xk}，(k＝0,1,…,N-1)，按照一定的方式划分为M个不相重叠的子向量Xm＝[Xm,1Xm,2…Xm,N-1]，将每个子向量中没有继承原始输入数据符号的相应位置用零来填补至长度N。因为它们互不重叠，所以有：
[0034]
[0035] 其中子向量Xm中的每个子载波都乘以同样的相位因子 (0≤w≤WM-1-1，其中W为相位因子空间大小)，也称 为旋转因子或者权重因子，该因子都是独立地作用于每个子载波，一般选择 将相位因子序列对M个子向量进行加权合并，则有：
[0036]
[0037] 其中向量 对式(1)进行IFFT变换后有：
[0038]
[0039] 其中向量 称为一个备选序列，向量xm称为xw的一个部分传输序列。C-PTS方案的目标是寻找能减小xw峰均比的相位因子组合，假设通过搜索迭代算法获取的最优相位因子为 (本发明方案中用带*的变量表示出现最小PAPR值的信号)，并能使得该数据序列中的|x'n|2峰值最小，即：
[0040]
[0041] 通过穷举法搜索所有的备选序列，在找到使得CO-OFDM信号PAPR最小的最优相位因子序列之后，需要将最优相位因子序列对所有子块进行加权求和，并将得到的最优相位序列作为辅助边带信息传送给接收端。最终，最优的传输序列可以表示为：
[0042]
[0043] 这里假设 表示在相位集合中使信号PAPR最低的最优相位序列。图2所示为C-PTS方案的原理框图。
[0044] 2.结合附图3说明，虽然C-PTS方案对高PAPR的出现起到了一定的抑制作用，但其抑制PAPR的效果仍然不是很理想，其主要原因在于搜索匹配相位因子不是最优的，且计算复杂度随分割子块数呈指数型增长，故此，本发明方案采用智能优化算法——粒子群(particle swarm optimization,PSO)算法来对C-PTS方案的搜索最优的匹配相位因子。粒子群(PSO)算法源于对鸟类捕食行为的研究，鸟类捕食时，找到食物最简单有效的策略就是搜寻当前距离食物最近的鸟的周围区域。PSO算法是从这种生物种群行为特征中得到启发并用于求解优化问题的，先随机初始化一群粒子，然后通过迭代找到最优解，迭代过程中粒子通过跟踪两个极值来更新自己，一个是粒子本身迄今搜索到的最优解，即个体极值pbest；另一个是整个种群目前找到的最优解，即全局极值gbest。粒子通过不断学习更新，最终飞至解空间中最优解位置，最后输出的gbest就是全局最优解。用Xi＝(xi1,xi2,…,xiD)表示群体中第i个粒子的目前位置，D是粒子的维数；粒子i经历过的最好位置为Pb＝(pi1,pi2,…,piD)；整个群体经历过的最好位置表示为gb＝(g1,g2,…,gn)；粒子i的当前飞行速度用vi＝(vi1,vi2,…,viD)表示。带有惯性系数的离散PSO的粒子根据如下公式来更新速度和位置：
[0045] vid＝ω·vid+c1ramd1(pid-xid)+c2rand2(gd-xid) (6)
[0046]
[0047]
[0048] 其中，rand1、rand2、rand3是(0,1)之间的随机数；c1、c2为正常数，称为加速因子，c1调节粒子飞向自身最好位置方向的步长，称为“认知系数”，c2调节粒子向全局最好的位置飞行的步长，称为“社会学习系数”；ω为惯性权重。
[0049] 基于粒子群的相位因子优选算法具体步骤为：
[0050] Step1对粒子群的位置和速度进行随机初始化。
[0051] Step2计算每个粒子的适应值(PAPR)。
[0052] Step3初始化个体最优位置pbest和全局最优位置gbest.
[0053] Step4对每个粒子，将其适应值与所经历的个体最优位置pbest的适应值进行比较，若较好，则将其作为该粒子当前的最好位置。
[0054] Step5对于每个粒子，将其适应值与所经历的全局最好位置gbest的适应值进行比较，若较好，则将其作为当前的全局最好位置。
[0055] Step6若满足收敛准则，则进入Step9；否则，进入Step7。
[0056] Step7根据式(6)～式(8)生成下一代粒子。
[0057] Step8计算当前粒子的适应值(PAPR)，转入Step4。
[0058] Step9结束迭代过程，输出最优粒子和最小的PAPR值。
[0059] PSO-PTS方案原理框图方案其具体的原理框图如图3所示。
[0060] 3.结合附图4说明，PSO算法首先在可行解空间中初始化一群粒子，每个粒子都代表极值优化问题的一个潜在最优解，用位置、速度和适应度值三项指标表示该粒子特征，适应度值由适应度函数计算得到，其值的好坏表示粒子的优劣。粒子在解空间中运动，通过跟踪个体极值pbest和群体极值gbest更新个体位置，个体极值pbest是指个体粒子搜索到的适应度值最优位置，群体极值gbest是指种群中的所有粒子搜索到的适应度最优位置。粒子每更新一次位置，就计算一次适应度值，并且通过比较新粒子的适应度值和个体极值、群体极值的适应度值更新个体极值pbest和群体极值gbest位置。
[0061] 4.结合附图5说明，图5所示的是PSO-PTS算法搜索最优相位因子的原理流程图，首先对粒子群的位置和速度随机初始化，每个粒子都代表极值优化问题的一个潜在最优解，用位置、速度和适应度值三项指标表示该粒子的特征，适应度值由适应度函数计算得到，其值的好坏表示粒子的优劣。然后计算每个粒子的适应度值(PAPR)，接着初始化个体最优位置pbest和全局最优位置gbest，对每个粒子，将其适应值与所经历的个体最优位置pbest的适应值进行比较，若较好，则将其作为该粒子当前的最好位置。对于每个粒子，将其适应值与所经历的全局最好位置gbest的适应值进行比较，若较好，则将其作为当前的全局最好位置。对更新后的pbest和gbest进行判定，若满足收敛条件，则输出最优粒子和最小PAPR值。否则，生成下一代粒子，计算当前粒子的适应度值(PAPR)，然后再更新pbest和gbest直至满足收敛条件输出。
[0062] 5.结合附图6说明，在PSO-PTS方案中，我们将输入的CO-OFDM信号X并没有马上进行分割，而是首先将初始的输入信号进行d级IFFT变换，然后再进行子块的划分，余下的部分为n-d级IFFT变换。在搜索最优匹配相位因子部分采用粒子群(PSO)算法，经过PSO算法输出最优匹配相位因子后和每个子块相乘，最后在M组信号中选择出现最低PAPR(peak-to-average power ratio,PAPR)的一组信号发送。因此，本发明提出了一种联合改进的TS-PSO-PTS(two-stage particle swarm optimization partial transmit sequence,TS-PSO-PTS)方案，其联合改进方案的基本原理框图如图6所示。由图6可知TS-PSO-PTS方案的具体实现过程如下所述：
[0063] (1).首先将有N＝2n个子载波的CO-OFDM信号表示为：
[0064]
[0065] 其中X＝{Xk}，(k＝0,1,…,N-1)代表输入的符号序列，t代表离散时间变量。如果定义 其中Ti是一个N×N的对称矩阵代表IFFT运算的第i级，那么式(1)可以重写为：
[0066]
[0067] 令S＝[S0S1…SN-1]T，Sk∈{1,2,…,M}来表示子块分割后的序列，其中当Xm,k＝Xk时，Sk＝m。则第m个子块索引序列Im＝[Im,0Im,1…Im,N-1]T中的Im,k可以表示为：
[0068]
[0069] 所以第m个子块可以表示为：
[0070]
[0071] 其中 是一个N×N的对角矩阵，对角线由子块索引序列Im构成。那么，最后得到的传输信号可以表示为：
[0072]
[0073] (2).接下来不同于PSO-PTS(particle swarm optimization PTS，PSO-PTS)算法和C-PTS(conventional PTS,C-PTS)算法，本方案所采用的TS-PSO-PTS(two stage PSO-PTS,TS-PSO-PTS)算法对输入的CO-OFDM信号并没有马上进行分割处理，而是首先将初始的输入信号进行d级IFFT(inverse fast fourier transform,IFFT)变换，其中1≤d≤n-1，然后再进行子块的划分，其系统框图如附图6所示。
[0074] (3).TS-PSO-PTS算法把传统的n级IFFT运算分成两次来进行，第一部分为IFFT运算的前d级，余下的n-d级为第二部分。在前d级IFFT运算中，输入数据序列Xdata通过IFFT运算形成第一部分中间信号序列 接着将该中间信号序列 分割成M个临时子序列，再对这M个分组进行n-d级的IFFT运算。通过两部分的IFFT运算后采用PSO-PTS算法，最后选取被转换后的信号中PAPR(peak-to-average power ratio,PAPR)值最低的一路信号进行传输。
[0075] (4).经过第(3)步的操作，通过TS-PSO-PTS算法后，式(5)可以表示为：
[0076]
[0077] 从实施步骤中可以得出，步骤(1)先对CO-OFDM原始信号进行初始化，并利用S序列来表示子块分割后的序列。在步骤(2)中，本发明方案把传统的n级IFFT变换分成两次来进行，第一部分为IFFT运算的前d级，余下的n-d级为第二部分，并通过IFFT变换得到M路输出序列。而在步骤(3)中，通过引入中间信号序列来保证两部分的IFFT运算的顺利进行。经过步骤(4)后选取一路最小PAPR的信号进行传输。
[0078] 6.结合表1说明，由于TS-PSO-PTS算法主要在信号的发射端对PSO-PTS算法进行了改进，所以该部分只用考虑发射端的计算复杂度。在传统的PTS算法中，假设子载波数为N＝2n，分组数为M，相位因子数为W，采用随机分割。利用传统最优化算法搜索时，系统共需要M次N点的IFFT变换。而进行一次N点的IFFT运算所需的复数乘法、加法的数量分别为：
[0079]
[0080] 故传统PTS算法进行N点IFFT变换的复数乘法、加法量分别为nadd＝MN log2N。另外，为了从WM-1个备选信号中选出最优序列传输，还需要WM-1(M-1)N次复加运算。由此可以得到传统PTS算法的总复杂度为：
[0081]
[0082] 由(1)式可以得出PSO-PTS算法的总复杂度为：
[0083]
[0084] 而提出的优化算法的总复杂度为：
[0085] CTS-PSO-PTS＝Cd-Cn-d (10)
[0086] 其中：
[0087]
[0088] 为前d级的计算复杂度。
[0089]
[0090] 为后n-d级的计算复杂度，式(6)中N'＝2n-d。
[0091] 为了便于直观的对比计算复杂度，本文定义了计算复杂度降低率(CCRR)来对计算复杂度的降低效果进行量化。LC-SLM和I-SLM两种方案对比C-SLM方案的CCRR被定义为：
[0092]
[0093] 由CCRR的定义可知，CCRR越高提出的新算法较原算法复杂度削减则越多。
[0094] 表1在W＝4时计算复杂度CCRR对比
[0095]
[0096]
[0097] 表1展示了当N和M取到典型值时相应的CCRR。从表中呈现的数据来看，本发明方案进一步降低了PSO-PTS算法的计算复杂度。另外，从表中还可以看出：(1)当M、N不变时，随着剩余级数n-d的增加，即分组后再进行IFFT运算的次数的增加，算法的计算复杂度会有所回升；(2)当M、n-d不变时，随着子载波次数N的增加，算法的计算复杂度改善得越大，可以说该算法适用于子载波数较大的系统；(3)当N、n-d不变时，随着M的增加其计算复杂度削减越多。充分验证了本发明方案对于计算复杂度降低有着较为良好的有效性和优越性。
[0098] 7.结合附图7和附图8说明，为了进一步说明本发明方案在一定程度上对于PAPR的抑制性能有着较为显著的提高，下面进行了一个实验。同时，实验的结果-图7和图8是经过相同次数IFFT变换的仿真结果。
[0099] 实验：
[0100] 表2仿真模拟时用到的参数设置
[0101]
[0102] 在实验中仿真了在经过相同次数IFFT变换时，本发明方案(TS-PSO-PTS)所实现的峰均比抑制性能，如图7所示，所使用的仿真参数如表2所示。除此之外，由于PSO算法对CO-OFDM系统产生一定的信号失真现象，致使增大了接收端恢复原始信号的难度。所以，在实验中也同时仿真了PSO-PTS方案的误码率(BER)和本发明方案的BER具体可参见文献“J.Das and R.Bansode,Performance evaluation of PAPR using PTS-PSO in MIMO-OFDM systems for various higher ordermodulation schemes[J].International Conference&Workshop on Electronics&Telecommunication Engineering(ICWET 2016),Mumbai,2016,pp.213-221.”。
[0103] 从图7中可以看出，当IFFT变换次数相同时时，C-PTS方案、PSO-PTS方案和TS-PSO-PTS三种方案的CCDF曲线。本发明方案所实现的峰均比的抑制性能要比C-PTS方案和PSO-PTS方案的抑制效果都好。当M＝4时，PAPR的抑制性能在CCDF＝10-4处，本发明方案相较于PSO-PTS方案提升了约0.687dB，相较于C-PTS方案提升了1.025dB，CO-OFDM系统的峰均比抑制性能得到了明显的提升。当M＝8时，PAPR的抑制性能在CCDF＝10-4处，本发明方案相较于PSO-PTS方案提升了0.325dB，相较于C-PTS方案提升了0.894dB，CO-OFDM系统的峰均比抑制性能得到了明显的提升。
[0104] 由图8可知，本发明方案的误码率(BER)性能对比PSO-PTS方案有一定的牺牲，但要远远好于Clipping方案中的BER性能。本发明方案的BER性能与PSO-PTS方案较为接近，但要远远好于Clipping方案所产生的高BER，这是因为部分传输序列(PTS)技术是非畸变类技术，可以较好地恢复出原始信号，而Clipping过程是畸变类技术，对CO-OFDM系统产生了一定的信号失真现象，致使增大了接收端恢复原始信号的难度，从而产生了较高的误码率(BER)。
[0105] 综上所述，本发明方案在CO-OFDM系统中，在一定程度上对于PAPR的抑制性能有着较为显著的提高。同时也可以看出，本发明方案也是一种能兼顾峰均比(PAPR)抑制效果和系统计算复杂度的峰均比抑制方案。
[0106] 最后需要说明的是，以上优选仿真实例仅用以说明本发明的技术方案而非限制，尽管通过上述优选仿真实例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 姿势估计方法、装置、设备及存储介质 | 2020-05-12 | 424 |
| 一种基于双闭环控制的双馈风机整流器阻抗计算方法 | 2020-05-12 | 298 |
| 一种基于三种探鱼模式飞行控制算法的智能钓鱼无人机方法 | 2020-05-08 | 685 |
| 微网能量管理系统模拟测试平台 | 2020-05-12 | 565 |
| 基于深度卷积神经网络的干扰识别模型及智能识别算法 | 2020-05-08 | 904 |
| 一种过激磁限制和过激磁保护动态配合评估方法 | 2020-05-12 | 651 |
| 一种基于鱼眼镜头的单目测距方法 | 2020-05-13 | 740 |
| 机房动环远程控制系统 | 2020-05-11 | 523 |
| 一种基于图像相似度计算的植物生长测量方法、系统及电子设备 | 2020-05-11 | 711 |
| 一种基于Labview的车身控制器自动检测工具及其自动分析方法 | 2020-05-12 | 719 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
框图热门专利
QQ群二维码
意见反馈
意见反馈