一种SOE估计方法、系统及计算机可读介质.pdf
是你****元呀
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种SOE估计方法、系统及计算机可读介质.pdf
本发明涉及一种SOE估计方法及系统,具体包括:数据获取步骤:用于根据历史数据获取电池组能量状态相关数据,及SOE数据;模型建立步骤:用于根据所述能量状态相关数据及SOE数据建立关系模型;SOE估计步骤:用于将实时采集的报文数据输入至所述关系模型,获得SOE估计值。更具体的,本发明通过相关性分析获取SOE相关的特征参数,采用集成学习的方法建立模型,通过实时数据进行模型校验,不仅提高了特征参数的准确性,还提高了模型的准确性,能够提供准确的SOE估计值,及时的控制充电的停止,以减缓电池老化速率。
二维DOA估计方法、系统及计算机可读介质.pdf
本发明涉及一种二维DOA估计方法、系统及计算机可读介质。该估计方法包括:使用空间映射、虚拟阵元填充方法将标准多边形天线阵列变换为等效矩形天线阵列;根据第一子阵A<base:Sub>0</base:Sub>、第二子阵A<base:Sub>1</base:Sub>和第三子阵A<base:Sub>2</base:Sub>的解扩信号,计算自相关矩阵<base:Imagehe=@78@wi=@105@file=@DDA0003782798900000011.JPG@imgContent=@drawing@imgFo
估计位姿的方法、装置及计算机可读存储介质.pdf
本公开提供了一种估计位姿的方法、装置及计算机可读存储介质,涉及计算机技术领域。其中的估计位姿信息的方法包括:利用视觉里程计确定目标在当前图像中的第一位姿信息,当前图像为目标的图像序列中的关键帧;利用预先训练的关键点预测神经网络,确定目标在当前图像中的第二位姿信息;将第一位姿信息和第二位姿信息进行数据融合,获得目标在当前图像中的融合位姿信息。本公开将深度学习技术与视觉里程计技术进行了融合,既能够减小视觉里程计带来的累积估计误差,又能够缓解深度学习技术带来的估计位姿抖动,从而更加准确、稳定的估计目标在图像中的
一种姿态估计方法、装置、设备及计算机可读存储介质.pdf
本申请公开了一种姿态估计方法、装置、设备及计算机可读存储介质,方法包括:利用红外图像数据集对目标检测网络进行训练;利用得到的人体候选框图对特征提取网络进行训练;对利用人体检测网络得到的待识别人体候选框图进行预处理,利用人体骨骼点提取网络对预处理得到的待识别候选框图进行特征提取并融合且输出人体骨骼点坐标,确定人体姿态。本申请公开的上述技术方案,对待识别人体候选框图进行图像增强,以使得人体特征更加明显,通过利用人体骨骼点提取网络对待识别候选框图进行不同纬度的特征的提取并融合不同纬度的特征,以使得红外图像下弱特
载波频偏估计方法及装置、计算机可读存储介质.pdf
一种载波频偏估计方法及装置、计算机可读存储介质,所述载波频偏估计方法包括:获取鉴相输出的信号所处目标区域;所述目标区域为N个候选区域中的一个,所述N个候选区域的并集范围为[π,‑π],且N≥2;根据所述目标区域,获取所述鉴相输出的信号对应直流分量的第一估计值;采用所述直流分量的第一估计值,对所述鉴相输出的信号进行载波频偏补偿。通过对直流分量的第一估计值进行运算处理,实现更精准的计算载波频偏和有效补充。上述方案,能够在鉴相输出的信号出现溢出的情况下仍能够计算载波频偏,进而提高接收机解调的准确度。