本發(fā)明公開(kāi)了一種支持超采樣噪聲及干擾信號(hào)的生成系統(tǒng)及生成方法，屬于數(shù)字信號(hào)傳輸技術(shù)領(lǐng)域。生成系統(tǒng)包括參數(shù)配置模塊、并行噪聲生成模塊、并行干擾信號(hào)生成模塊及選擇輸出模塊。生成系統(tǒng)基于FPGA的并行處理架構(gòu)，通過(guò)參數(shù)配置模塊動(dòng)態(tài)設(shè)置噪聲功率...

本發(fā)明提供了基于對(duì)抗回流的AIGC檢測(cè)模型持續(xù)進(jìn)化方法及系統(tǒng)，所述方法包括：預(yù)先構(gòu)建的回流通道根據(jù)預(yù)測(cè)置信度從檢測(cè)結(jié)果中篩選出高置信度誤判樣本和低置信度模糊樣本，作為價(jià)值樣本回流至樣本庫(kù)，并根據(jù)預(yù)測(cè)標(biāo)簽分別歸入真實(shí)圖像樣本集合或生成圖像...

本發(fā)明涉及水利工程調(diào)度與資源管理領(lǐng)域，具體涉及基于優(yōu)化算法的水利工程調(diào)度與資源管理系統(tǒng)，包括數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊、拓?fù)溲莼治瞿K、場(chǎng)景識(shí)別模塊、決策優(yōu)化模塊、執(zhí)行控制模塊和反饋評(píng)估模塊,系統(tǒng)通過(guò)傳感器網(wǎng)絡(luò)實(shí)時(shí)采集水利工程環(huán)境參數(shù)...

本發(fā)明提供了一種基于雙域融合與頻域注意力的抗屏攝圖像水印網(wǎng)絡(luò)方法和系統(tǒng)，所述方法包括：步驟1，對(duì)二進(jìn)制水印信息預(yù)處理；步驟2，構(gòu)建雙域協(xié)同高頻殘差增強(qiáng)網(wǎng)絡(luò)DRHE?Net；步驟3，構(gòu)建真實(shí)含噪水印圖像用于網(wǎng)絡(luò)訓(xùn)練；步驟4，搭建匹配編碼器...

本發(fā)明公開(kāi)了一種基于動(dòng)態(tài)圖神經(jīng)網(wǎng)絡(luò)的短期風(fēng)功率預(yù)測(cè)方法及系統(tǒng)，屬于風(fēng)功率預(yù)測(cè)領(lǐng)域，通過(guò)時(shí)空?qǐng)D填補(bǔ)法填充風(fēng)電場(chǎng)缺失功率值；利用VMD?CEEMDAN聯(lián)合分解與SSA聚類(lèi)優(yōu)化，將功率序列劃分為高頻波動(dòng)集與低頻平穩(wěn)集；采用DGAT模塊融合地理...

本申請(qǐng)型涉及微動(dòng)勘探計(jì)算技術(shù)領(lǐng)域，具體為一種微動(dòng)勘探計(jì)算密集型動(dòng)態(tài)分配方法與成像系統(tǒng)，將邊緣服務(wù)器中的即時(shí)成像任務(wù)分解為多個(gè)子任務(wù)；根據(jù)子任務(wù)之間的依賴關(guān)系，將子任務(wù)分為串行任務(wù)的子任務(wù)和并行任務(wù)的子任務(wù)；根據(jù)子任務(wù)的依賴程度確定最優(yōu)執(zhí)...

本發(fā)明公開(kāi)了一種面向虛擬試穿模型的對(duì)抗擾動(dòng)生成主動(dòng)防御方法，根據(jù)目標(biāo)虛擬試穿模型風(fēng)險(xiǎn)等級(jí)，判斷是否啟用主動(dòng)防御，若需啟用，則構(gòu)建語(yǔ)義感知引導(dǎo)模塊，提取原始圖像和對(duì)抗樣本的深層語(yǔ)義特征，并構(gòu)建語(yǔ)義感知損失函數(shù)來(lái)指導(dǎo)擾動(dòng)分布方向；構(gòu)建像素級(jí)...

本申請(qǐng)涉及一種光伏發(fā)電異常檢測(cè)方法及系統(tǒng)。該方法包括：基于設(shè)備地理圖結(jié)構(gòu)，確定各相鄰設(shè)備的第一地理注意得分，由距離衰減因子和方向向量確定；基于由和軟鄰接門(mén)控確定的第二地理圖注意力得分，確定地理圖增強(qiáng)序列；根據(jù)地理圖增強(qiáng)序列以及由訓(xùn)練集得...

本發(fā)明公開(kāi)了一種集成物理引導(dǎo)與擴(kuò)散耦合機(jī)制的雷達(dá)回波外推方法，涉及氣象短臨預(yù)報(bào)技術(shù)領(lǐng)域。該方法首先利用物理引導(dǎo)網(wǎng)絡(luò)對(duì)雷達(dá)回波數(shù)據(jù)進(jìn)行編碼，通過(guò)多尺度門(mén)控軸向塊捕捉長(zhǎng)距離時(shí)空依賴，并結(jié)合多域時(shí)空演化模塊與顯式物理平流引導(dǎo)機(jī)制，生成具備宏觀...

本發(fā)明公開(kāi)了一種工況自適應(yīng)的挖掘機(jī)壓力傳感器軟測(cè)量方法：首先，構(gòu)建工況自適應(yīng)變量篩選框架，整合因果分析、工況感知變量選擇與軟注意力門(mén)機(jī)制，實(shí)現(xiàn)關(guān)鍵特征變量的精準(zhǔn)篩選與加權(quán)；進(jìn)而，設(shè)計(jì)自適應(yīng)卡爾曼濾波算法，依據(jù)工況動(dòng)態(tài)調(diào)整參數(shù)以抑制噪聲干...

本發(fā)明提供一種文本圖像中字體類(lèi)型的確定方法、裝置及設(shè)備，所述方法包括：將待檢測(cè)文本圖像進(jìn)行分割，得到待檢測(cè)字符圖像；將待檢測(cè)字符圖像分別與字符模板中的每個(gè)大類(lèi)的類(lèi)代表字體中相應(yīng)的字符模板圖像進(jìn)行圖像匹配運(yùn)算，得到多個(gè)匹配相似度值；根據(jù)匹...

本發(fā)明公開(kāi)了一種基于改進(jìn)Sage?Husa自適應(yīng)卡爾曼濾波的載波環(huán)多徑抑制方法，包括：信號(hào)相關(guān)處理，獲取早、正、晚相關(guān)輸出和I/Q輸出；執(zhí)行多徑檢測(cè)，進(jìn)行早晚相關(guān)比值分析、相位鎖定質(zhì)量評(píng)估和碼相位偏差動(dòng)態(tài)分析；計(jì)算基礎(chǔ)測(cè)量值，獲取初步碼...

本發(fā)明公開(kāi)了一種基于雷達(dá)組合回波圖像的風(fēng)暴形態(tài)自動(dòng)化識(shí)別與劃分方法，包括以下步驟：獲取雷達(dá)組合回波圖像，并對(duì)圖像進(jìn)行預(yù)處理，提取其中的強(qiáng)回波區(qū)域；基于強(qiáng)回波區(qū)域的空間連通性，將其劃分為孤立對(duì)流或回波連接系統(tǒng)；對(duì)回波連接系統(tǒng)提取其物理特征...

本發(fā)明公開(kāi)一種區(qū)域強(qiáng)降水日數(shù)季節(jié)預(yù)測(cè)方法、系統(tǒng)及介質(zhì)，屬于降水預(yù)測(cè)技術(shù)領(lǐng)域，方法包括獲取目標(biāo)預(yù)測(cè)區(qū)域的降水觀測(cè)數(shù)據(jù)，并基于強(qiáng)降水日數(shù)進(jìn)行格點(diǎn)劃分得到各格點(diǎn)強(qiáng)降水日數(shù)的年際增量；提取年際增量主模態(tài)生成強(qiáng)降水空間模態(tài)指數(shù)，識(shí)別環(huán)境變量與強(qiáng)降...

本發(fā)明公開(kāi)了一種多模態(tài)融合的手部圖像增強(qiáng)方法及系統(tǒng)，包括構(gòu)建參數(shù)化三維手部模型的可微分物理仿真模塊與二維圖像處理模塊之間的雙向梯度通道；在通道內(nèi)執(zhí)行迭代優(yōu)化，每次迭代包括：初始化三維手部模型姿態(tài)參數(shù)，通過(guò)可微分渲染生成二維投影掩碼，利用...

本發(fā)明公開(kāi)了一種無(wú)線充電系統(tǒng)的自適應(yīng)控制方法，屬于無(wú)線電能傳輸技術(shù)領(lǐng)域。包括：每次迭代時(shí)遍歷粒子群算法種群中的所有粒子，將每個(gè)粒子的位置坐標(biāo)作為控制器參數(shù)；將控制器參數(shù)應(yīng)用于無(wú)線充電系統(tǒng)中，獲得無(wú)線充電系統(tǒng)輸出的實(shí)時(shí)運(yùn)行數(shù)據(jù)；根據(jù)實(shí)時(shí)運(yùn)...

本發(fā)明公開(kāi)了一種基于群等變與延遲聚合的量子經(jīng)典混合圖像分類(lèi)方法，包括：提升卷積模塊，輸入目標(biāo)圖像，初始化卷積核并進(jìn)行旋轉(zhuǎn)，對(duì)目標(biāo)圖像進(jìn)行卷積和堆疊，獲得輸出圖像；群卷積模塊，將卷積模塊的輸出圖像轉(zhuǎn)化為圖像樣本，進(jìn)行卷積和逆向重塑操作，獲...

本發(fā)明提供了一種具有分層前景注意力和更真實(shí)摩爾紋噪聲層的抗屏攝圖像水印網(wǎng)絡(luò)方法和系統(tǒng)，所述方法包括：步驟1，對(duì)二進(jìn)制水印信息多尺度擴(kuò)展，經(jīng)擴(kuò)散塊將一維序列轉(zhuǎn)為多尺度二維水印特征圖；步驟2，構(gòu)建以UNet為基礎(chǔ)的水印編碼器框架；步驟3，設(shè)...

本發(fā)明公開(kāi)了極端不平衡下的航空發(fā)動(dòng)機(jī)振動(dòng)信號(hào)生成方法，屬于航空發(fā)動(dòng)機(jī)故障信號(hào)生成技術(shù)領(lǐng)域。該方法包括：采集航空發(fā)動(dòng)機(jī)目標(biāo)位置處的原始振動(dòng)信號(hào)，并進(jìn)行預(yù)處理操作；以預(yù)處理后的真實(shí)振動(dòng)信號(hào)作為訓(xùn)練樣本，構(gòu)建正向加噪過(guò)程并訓(xùn)練改進(jìn)后的一維擴(kuò)散...

本發(fā)明公開(kāi)了一種面向能效的無(wú)人機(jī)FSO、RF混合中繼軌跡優(yōu)化方法及系統(tǒng)，預(yù)設(shè)無(wú)人機(jī)初始軌跡作為固定無(wú)人機(jī)軌跡，求解功率優(yōu)化子模型，得到用戶最優(yōu)發(fā)射功率。將用戶最優(yōu)發(fā)射功率作為固定參數(shù)，求解軌跡優(yōu)化子模型，得到無(wú)人機(jī)最優(yōu)三維軌跡。交替迭代...