本發(fā)明公開了一種基于等變形線的地表形變隱患點自動識別方法，具體包括如下步驟：步驟一：預(yù)設(shè)一個等變形線內(nèi)包含的最少等變形條數(shù)閾值；步驟二:在地表形變速率圖中生成數(shù)值差為S的等變形線；步驟三：計算每條等變形線包圍區(qū)域的面積以及每條等變形線內(nèi)...

本技術(shù)涉及防火撲滅裝置技術(shù)領(lǐng)域，公開了一種森林防火撲滅裝置，包括耐火箱，其特征在于：所述耐火箱的外部固定連接有用于調(diào)整把手高度的伸縮組件，所述伸縮組件的頂部固定連接有把手，所述耐火箱的外部固定連接有小型儲物箱，所述小型儲物箱的內(nèi)壁轉(zhuǎn)動連...

本發(fā)明公開了一種低成本高精度的無人機載低空大氣溫濕廓線觀測裝置和方法，包括通風防輻射罩、底座和紐扣式溫濕度記錄儀；通風防輻射罩包括若干個水平設(shè)置的環(huán)形遮陽層，相鄰環(huán)形遮陽層之間的空隙與底座底部的鏤空結(jié)構(gòu)構(gòu)成空氣流動通道；根據(jù)時間戳信息將...

本發(fā)明公開了感知能力受限的多節(jié)點協(xié)同干擾用頻態(tài)勢推理認知方法及系統(tǒng)，針對單個節(jié)點感知能力受限、難以獲取干擾整體規(guī)律的問題，提出基于節(jié)點協(xié)同的干擾推理認知方法，以適應(yīng)在復(fù)雜電磁環(huán)境中無線自組網(wǎng)協(xié)同抗干擾的需要，解決頻譜態(tài)勢感知不完全和樣本...

本發(fā)明公開了一種隧道場景下車載毫米波雷達信號重建方法，涉及信號處理與雷達技術(shù)領(lǐng)域，首先，引入適應(yīng)不同雷達場景特性的多模態(tài)測量矩陣Φ，以增強稀疏投影表達能力；其次，基于重構(gòu)誤差動態(tài)調(diào)整的稀疏水平估計方法，提升算法對信號實際稀疏性的適配性；...

本發(fā)明提供了一種基于三參數(shù)動態(tài)代價函數(shù)的風廓線雷達譜峰估計方法，包括：步驟1，距離與多普勒譜數(shù)據(jù)預(yù)處理，進行三點滑動平均平滑處理；步驟2，進行基于統(tǒng)計量的噪聲電平估計；步驟3，進行基于空間多普勒窗口平滑的候選譜峰選擇；步驟4，進行基于協(xié)...

本發(fā)明公開了一種基于對抗模式黑猩猩算法的光纖通信方法及系統(tǒng)，包括：獲取待發(fā)送的原始比特數(shù)據(jù)；通過正交振幅調(diào)制映射算法將原始比特數(shù)據(jù)映射至星座圖后轉(zhuǎn)換為光纖傳輸信號；通過少模信道將光纖傳輸信號發(fā)射至接收端；對接收的光纖傳輸信號進行模數(shù)轉(zhuǎn)換...

本發(fā)明提供了一種基于擴散模型的圖像生成身份個性化方法，包括：步驟1，構(gòu)建身份語義解耦訓練框架：建立身份增強模型，所述身份增強模型在原始SDXL1.0模型上額外引入了圖像交叉注意力模塊；步驟2，建立混合注意力融合機制，然后進行混合注意力融...

本發(fā)明公開了基于深度卷積神經(jīng)網(wǎng)絡(luò)的城市暴雨內(nèi)澇快速模擬方法，涉及城市內(nèi)澇管理領(lǐng)域，解決當前城市防澇能力判斷通常依據(jù)城市給排水能力與歷史的峰值降雨情況進行獲取，導(dǎo)致對城市防澇能力的判斷不準確的問題，方法包括：依據(jù)城市設(shè)計圖設(shè)定目標城市對應(yīng)...

本發(fā)明公開了一種基于多正樣本匹配的多模態(tài)對比學習遙感分類方法，包括構(gòu)建多模態(tài)對比學習遙感分類模型；通過聯(lián)合優(yōu)化交叉熵分類損失和多正樣本對對比學習損失，進行所述多模態(tài)對比學習遙感分類模型的端到端訓練；基于訓練完成的模型，對高光譜圖像及其對...

本發(fā)明公開了一種基于貝葉斯優(yōu)化CNN?LSTM?Att的河道短期水流量預(yù)測方法，屬于河流流量預(yù)測與深度學習領(lǐng)域，通過在LSTM模型結(jié)構(gòu)基礎(chǔ)上融合CNN、自注意力機制，并采用貝葉斯優(yōu)化算法對CNN?LSTM特征提取層的相關(guān)超參數(shù)進行優(yōu)化，...

本發(fā)明涉及北斗基準校正技術(shù)領(lǐng)域，具體為一種基于北斗的時空基準動態(tài)校正方法。首先，采集北斗多頻點觀測數(shù)據(jù)，采用卡爾曼濾波算法進行預(yù)處理；然后，基于預(yù)處理數(shù)據(jù)，利用北斗衛(wèi)星信號傳播時間差異建立基準站網(wǎng)時間同步機制，通過多傳感器融合算法和最小...

本發(fā)明介紹一種基于動態(tài)播期下葉面肥與DMPP聯(lián)用的穩(wěn)產(chǎn)減排方法，包括以下步驟：(1)播期動態(tài)調(diào)整：對玉米進行播種時期調(diào)整，采用常規(guī)種植行間距；(2)DMPP耦合施肥：按照基肥∶拔節(jié)期追肥∶大喇叭口期追肥＝4：3：3進行肥料運籌，并添加3...

本發(fā)明公開一種基于ABLO?OFDM和RSMA的預(yù)編碼及公有速率聯(lián)合優(yōu)化方法，屬于k可見光通信技術(shù)領(lǐng)域，包括以下內(nèi)容：獲取預(yù)構(gòu)建的預(yù)編碼矩陣和用戶公有速率分配聯(lián)合優(yōu)化問題；其中，所述預(yù)構(gòu)建的預(yù)編碼矩陣和用戶公有速率分配聯(lián)合優(yōu)化問題為非凸...

本發(fā)明提出一種基于間歇先驗與跨尺度自適應(yīng)融合的高鐵沿線風速預(yù)測方法，包括：步驟1，收集并對齊沿線監(jiān)測站點的秒級風速與分鐘級均值，按滑動窗口組織為模型輸入；步驟2，構(gòu)建間歇先驗?zāi)K；步驟3，采用秒級編碼器提取秒級特征，通過間歇和波動雙路池...

本發(fā)明公開了一種跨模態(tài)引導(dǎo)的多退化條件下的高光譜圖像分類框架和方法，該框架利用主動遙感數(shù)據(jù)的互補信息，增強退化高光譜圖像的結(jié)構(gòu)感知和空間一致性。該框架利用跨模態(tài)特征金字塔引導(dǎo)模塊，基于主動遙感數(shù)據(jù)提供多層次、多尺度引導(dǎo)，從而實現(xiàn)穩(wěn)定、魯...

本發(fā)明公開了一種機器人動作采集方法和系統(tǒng)，屬于動作采集技術(shù)領(lǐng)域，方法包括：使用手持夾持器模擬機器人執(zhí)行指定動作，并采集機器人的末端動作數(shù)據(jù)，包括機器人末端的加速度、位置信息以及夾具開度；將加速度模長和夾具開度變化率歸一化后，通過加權(quán)融合...

本技術(shù)公開了一種用于河岸的人類活動監(jiān)測及預(yù)警裝置，設(shè)于河岸邊預(yù)警區(qū)，該裝置包括安裝柱，所述安裝柱上設(shè)有通信控制設(shè)備，所述通信控制設(shè)備上設(shè)有攝像監(jiān)測模塊，該裝置還包括設(shè)于安裝柱上的預(yù)警機構(gòu)，其中，所述預(yù)警機構(gòu)包括：揚聲器，設(shè)于通信控制設(shè)備...

本發(fā)明提供了一種基于四自由度弱耦合諧振器的三軸加速度計，包括上、下雙層結(jié)構(gòu)，其中上層為以硅為材料構(gòu)建的微機械敏感元件，下層為由二氧化硅材料加工的玻璃基座，所述玻璃基座用于提供機械支撐和電學隔離功能。其中微機械敏感元件承擔信號轉(zhuǎn)換功能；下...

本發(fā)明提供了一種Z軸敏感的MEMS耦合剛度調(diào)制式加速度計，包括上層結(jié)構(gòu)和下層結(jié)構(gòu)；所述上層結(jié)構(gòu)是基于硅材料的硅微機械傳感器，所述下層結(jié)構(gòu)是基于二氧化硅的玻璃底座；所述硅微機械傳感器通過錨點與玻璃底座連接，所述玻璃底座上面布有信號電極。所...