|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.jpg){kind=logo}
一種用于數(shù)字高程模型的超分辨率方法及其系統(tǒng)
本發(fā)明公開了一種數(shù)字高程模型 DEM 超分辨率的方法，包括：建立高分辨率 DEM 與低分辨率 DEM 的位置映射，對(duì)每一個(gè)低分辨率DEM 測(cè)試區(qū)的子區(qū)域在低分辨率 DEM 搜索區(qū)進(jìn)行相似塊查找與相似性估計(jì)，選取相似性最高的一系列子區(qū)域作為相似塊，將查找到的一系列相似塊映射回高分辨率 DEM 實(shí)測(cè)區(qū),將這些對(duì)應(yīng)的高分辨率 DEM實(shí)測(cè)區(qū)子區(qū)域塊按其對(duì)應(yīng)的相似權(quán)重相加得到一個(gè)新的子區(qū)域,將上述超分辨率后的高分辨率 DEM 缺失區(qū)的子區(qū)域拼接起來，加上高分辨率 DEM 實(shí)測(cè)區(qū)已有的數(shù)據(jù)就為一個(gè)完整的高分辨率
華中科技大學(xué)
2021-04-14
基于模型預(yù)測(cè)的雙凸極永磁同步電機(jī)直接轉(zhuǎn)矩控制方法
本發(fā)明公開了一種雙凸極永磁同步電機(jī)的新型模型直接轉(zhuǎn)矩預(yù) 測(cè)控制方法，具體為：采集雙凸極永磁同步電機(jī)的定子電流和轉(zhuǎn)子角 速度；分別在八組逆變器開關(guān)矢量信號(hào)下，結(jié)合定子電流和轉(zhuǎn)子角速 度，依據(jù)八種開關(guān)狀態(tài)下電流變化量及微分量與電壓和電流之間的約 束關(guān)系，預(yù)測(cè)出每種逆變器開關(guān)矢量下一時(shí)刻的電機(jī)輸出電流；基于 直接轉(zhuǎn)矩控制理論，進(jìn)一步預(yù)測(cè)每種逆變器開關(guān)矢量下一時(shí)刻的機(jī)轉(zhuǎn) 矩和電機(jī)磁鏈；以轉(zhuǎn)矩和磁鏈波動(dòng)總量最小為目標(biāo)，合理選擇出相關(guān) 電壓矢量，實(shí)時(shí)控制逆變器工作。本發(fā)明能夠有效降低開關(guān)頻率及損 耗，并減小電機(jī)
華中科技大學(xué)
2021-04-14
基于模型預(yù)測(cè)的雙凸極永磁同步電機(jī)的電流控制方法
本發(fā)明公開了一種雙凸極永磁同步電機(jī)（DSPM）的電流控制方 法，包括如下步驟：得到八組逆變器開關(guān)矢量信號(hào)；在當(dāng)前時(shí)刻 k， 在每一組逆變器開關(guān)矢量信號(hào)下，預(yù)測(cè)下一時(shí)刻 k+1 的 p 相定子電流 其中，p 表示電機(jī) A、B 和 C 相；在每一組逆變器開關(guān)矢量信號(hào)下， 根 據(jù)得到 d 軸和 q 軸的電流預(yù)測(cè)值；在每一組逆變器開關(guān)矢量 信 號(hào) 下 ， 計(jì) 算 下 一 時(shí) 刻 k+1 的 d 軸 預(yù) 測(cè) 電 流 誤 差 選取轉(zhuǎn)矩波動(dòng)和磁鏈波動(dòng)總量最小時(shí)的 開關(guān)矢量信號(hào)作為逆變器開關(guān)的驅(qū)動(dòng)信號(hào)，實(shí)時(shí)控制逆變
華中科技大學(xué)
2021-04-14
一種基于逆向子結(jié)構(gòu)的有限元模型修正方法
本發(fā)明公開了一種基于逆向子結(jié)構(gòu)的有限元模型修正方法。該 方法包括以下步驟：首先，測(cè)量實(shí)際工程結(jié)構(gòu)的試驗(yàn)?zāi)B(tài)，建立整體 結(jié)構(gòu)的試驗(yàn)?zāi)B(tài)；通過獨(dú)立子結(jié)構(gòu)試驗(yàn)?zāi)B(tài)參數(shù)和整體結(jié)構(gòu)試驗(yàn)?zāi)B(tài) 參數(shù)之間的關(guān)系，將整體結(jié)構(gòu)的試驗(yàn)?zāi)B(tài)分解為獨(dú)立子結(jié)構(gòu)的試驗(yàn)?zāi)?態(tài)；然后，基于獨(dú)立子結(jié)構(gòu)的試驗(yàn)?zāi)B(tài)建立目標(biāo)函數(shù)，調(diào)整獨(dú)立子結(jié) 構(gòu)參數(shù)，使目標(biāo)函數(shù)最小化，獲取子結(jié)構(gòu)最優(yōu)結(jié)構(gòu)參數(shù)，根據(jù)所述最 優(yōu)結(jié)構(gòu)參數(shù)修正獨(dú)立子結(jié)構(gòu)有限元模型；最后，根據(jù)結(jié)構(gòu)損傷前后有 限元模型結(jié)構(gòu)參數(shù)的變化完成結(jié)構(gòu)損傷識(shí)別。本發(fā)明通過修正獨(dú)立子 結(jié)構(gòu)模型，避免
華中科技大學(xué)
2021-04-14
考慮熱量積累效應(yīng)的相變存儲(chǔ)器單元 SPICE 模型系統(tǒng)及應(yīng)用
本發(fā)明公開了一種相變存儲(chǔ)器單元 SPICE 模型系統(tǒng)，包括：?jiǎn)?元電阻模擬模塊，用于模擬相變存儲(chǔ)器單元電阻；溫度計(jì)算模塊，用 于針對(duì)施加的連續(xù)脈沖序列，計(jì)算每個(gè)脈沖信號(hào)結(jié)束時(shí)刻考慮脈沖信 號(hào)下熱量積累效應(yīng)的存儲(chǔ)器單元相變層溫度；晶化速率計(jì)算模塊，用 于計(jì)算單位時(shí)間內(nèi)發(fā)生晶化的相變層體積；非晶化速率計(jì)算模塊，用 于計(jì)算單位時(shí)間內(nèi)發(fā)生非晶化的相變層體積以及相變模塊，用于選擇 晶化速率或非晶化速率計(jì)算非晶化率。本發(fā)明還公開
華中科技大學(xué)
2021-04-14
多參數(shù)模型指導(dǎo)的迭代提取血管造影圖像運(yùn)動(dòng)參數(shù)的方法
本發(fā)明公開了一種多參數(shù)模型指導(dǎo)的迭代提取血管造影圖像運(yùn)動(dòng)參數(shù)的方法，包括：從造影圖序列的醫(yī)學(xué)圖像中自動(dòng)選取 I 個(gè)血管結(jié)構(gòu)特征點(diǎn)，并分別對(duì)這些特征點(diǎn)在整個(gè)造影圖序列中進(jìn)行自動(dòng)跟蹤，以得到每個(gè)特征點(diǎn)的跟蹤序列，利用離散傅里葉變換對(duì)每個(gè)特征點(diǎn)的跟蹤序列進(jìn)行處理，以生成離散傅里葉變換結(jié)果 Si(k)，初始化迭代參數(shù) j＝0，并獲取離散傅里葉變換結(jié)果 Si(k)中各頻點(diǎn)的幅度和頻率范圍，在各頻點(diǎn)的幅度和頻率范圍中對(duì)該頻點(diǎn)的跟
華中科技大學(xué)
2021-04-14
一種云環(huán)境下基于信任模型的跨租戶訪問控制方法
本發(fā)明公開了一種云環(huán)境下基于信任模型的跨租戶訪問控制方 法，針對(duì)云計(jì)算多租戶架構(gòu)特點(diǎn)，實(shí)現(xiàn)一個(gè)租戶的用戶經(jīng)過相應(yīng)授權(quán) 可以訪問其他租戶的資源，解決租戶之間協(xié)作帶來的資源安全性和隱 私性問題。通過定義兩種類型的租戶信任關(guān)系，將租戶信任關(guān)系概念 引入訪問控制模型中，反映在兩個(gè)租戶之間的訪問控制需求。通過模 型元素的定義和模型函數(shù)的形式化描述，構(gòu)造了租戶信任模型，以適 應(yīng)云計(jì)算多租戶的特點(diǎn)，實(shí)現(xiàn)跨租戶訪問控制。
華中科技大學(xué)
2021-04-14
基于本體模型的網(wǎng)絡(luò)化控制系統(tǒng)入侵檢測(cè)方法及系統(tǒng)
本發(fā)明公開了一種基于本體模型的網(wǎng)絡(luò)化控制系統(tǒng)入侵檢測(cè)方法及系統(tǒng)。該方法構(gòu)建網(wǎng)絡(luò)化控制系統(tǒng)本體模型，基于該模型進(jìn)行入侵檢測(cè)，并權(quán)衡決策后得到最終檢測(cè)結(jié)果。系統(tǒng)包括主節(jié)點(diǎn)，多個(gè)從節(jié)點(diǎn)，和負(fù)責(zé)消息傳遞的工業(yè)通信網(wǎng)絡(luò)；主節(jié)點(diǎn)負(fù)責(zé)完成自身的主機(jī)活動(dòng)審計(jì)數(shù)據(jù)的收集、所有網(wǎng)絡(luò)報(bào)文的收集、主節(jié)點(diǎn)對(duì)應(yīng)的控制閉環(huán)流的檢測(cè)、控制對(duì)象檢測(cè)、整個(gè)系統(tǒng)所有節(jié)點(diǎn)主機(jī)活動(dòng)審計(jì)數(shù)據(jù)的檢測(cè)、網(wǎng)絡(luò)活動(dòng)檢測(cè)以及檢測(cè)結(jié)果的協(xié)調(diào)；各從節(jié)點(diǎn)負(fù)責(zé)完成該節(jié)點(diǎn)對(duì)
華中科技大學(xué)
2021-04-14
山體背景熱場(chǎng)模型約束的地下熱源晝間遙感探測(cè)定位方法
本發(fā)明公開了一種山體背景熱場(chǎng)模型約束的地下熱源晝間遙感·769·探測(cè)定位方法，屬于遙感技術(shù)、自然地理和模式識(shí)別的交叉領(lǐng)域，意在于對(duì)山體背景進(jìn)行熱場(chǎng)仿真，得到山體背景的熱場(chǎng)模型，以熱場(chǎng)模型為約束，對(duì)原始遙感紅外圖像進(jìn)行背景濾波，清晰的揭示地下目標(biāo)所在的位置。本發(fā)明包括山體背景熱場(chǎng)模型建立步驟、山體背景熱場(chǎng)8 位到 16 位映射步驟、利用映射后的山體背景熱場(chǎng)模型進(jìn)行背景濾波步驟、地下目標(biāo)空間約束均值聚類探測(cè)
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
一種基于近鄰原則合成情感模型的說話人識(shí)別方法
本發(fā)明公開了一種基于近鄰原則合成情感模型的說話人識(shí)別方法，包括：(1)訓(xùn)練出參考語音和用戶中性語音的模型；(2)提取GMM參考模型的中性-情感高斯分量映射集；(3)提取與用戶的中性訓(xùn)練高斯分量鄰近的若干中性參考高斯分量映射的情感參考高斯分量；(4)合成出用戶的情感訓(xùn)練高斯分量，進(jìn)而得到用戶的情感訓(xùn)練模型；(5)合成出所有用戶的GMM訓(xùn)練模型；(6)輸入測(cè)試語音進(jìn)行識(shí)別。本發(fā)明采用基于KL散度的近鄰原則從語音庫中提取若干與用戶的中性訓(xùn)練語音相似的參考語音，用參考語音中的情感參考語音合成出用戶的情感訓(xùn)練語音，改善了在訓(xùn)練語音與測(cè)試語音失配情況下說話人識(shí)別系統(tǒng)的性能，提高了說話人識(shí)別系統(tǒng)的魯棒性。
浙江大學(xué)
2021-04-13