一种垃圾桶的智能投入口装置

    公开(公告)号:CN110053908A

    公开(公告)日:2019-07-26

    申请号:CN201910105382.7

    申请日:2019-02-01

    Inventor: 姚信威 姚焕钟

    Abstract: 本发明涉及一种垃圾桶的智能投入口装置,包括罩体结构的桶盖,桶盖的顶面中部设有开口,开口配合设有开合门;开合门配合设有自动开合机构,自动开合机构连接至控制器,控制器连接有触发机构。本发明通过将桶盖设置为罩体,在其顶面中部设置开口并配合设置开合门,以触发机构向控制器给出触发信号,控制器即可控制自动开合机构带动开合门进行开合,便于用户投入垃圾。本发明有别于采用开放式投入口的垃圾桶附带的异味直接弥漫在空气中,亦有别于密闭式投入口的垃圾桶需要用户手动翻起桶盖,采用智能开合装置控制开合门满足用户投掷垃圾,提升区域卫生环境,便于用户使用,有效实现垃圾桶投入口智能化开启和关闭的功能。

    一种多信道无线mesh网络信道分配方法

    公开(公告)号:CN102355670B

    公开(公告)日:2014-01-29

    申请号:CN201110212005.7

    申请日:2011-07-27

    Abstract: 一种多信道无线mesh网络信道分配方法,包括以下步骤:1)根据概率模型建立带权重的双向网络连接图,根据链路权重依次计算节点的链路干扰度和节点干扰度,从而根据节点干扰度在可用信道集合中选择使节点干扰度最小的信道作为节点固定接口的信道;2)建立通信周期,将其分为广播时隙和普通数据时隙,在广播时隙内发送和接收广播消息,在普通数据时隙内发送普通数据包,并且普通数据时隙进一步分为数据子时隙,不同的子时隙可以使用不同的信道,从而与不同的节点通信。本发明充分利用了多个非重叠信道,有效降低了网络干扰,提高了网络吞吐量和端到端时延等网络性能。

    基于移动互联网的汽车远程控制与管理系统

    公开(公告)号:CN102929233A

    公开(公告)日:2013-02-13

    申请号:CN201210406970.2

    申请日:2012-10-22

    CPC classification number: Y02P90/02

    Abstract: 一种基于移动互联网的汽车远程控制与管理系统,包括:信息管理子系统,用以为用户提供车辆租赁预约、路线导航、用户账户查询和异地还车操作;用户手机端,具有蓝牙或NFC通信模块,用户通过用户手机端访问信息管理子系统,以及通过用户手机端与租赁汽车通信,通过与远程控制器的动态密钥匹配;汽车远程控制子系统包括远程控制器、门锁系统、车况系统、GPS和行驶记录系统,远程控制器连接门锁系统、车况系统、GPS与行驶记录系统。本发明提供一种实现全面、快捷、方便的汽车租赁管理的基于移动互联网的汽车远程控制与管理系统。

    一种无线局域网的语音质量测定方法

    公开(公告)号:CN102708856A

    公开(公告)日:2012-10-03

    申请号:CN201210172045.8

    申请日:2012-05-25

    Abstract: 一种无线局域网的语音质量测定方法,包括以下步骤:步骤1,建立如(1)式碰撞概率表达式;将基于IEEE802.11e无线局域网的节点输入输入所述碰撞概率表达式;步骤2,根据Markov链的性质,得到如(2)式的发送概率、碰撞概率、退避状态转移概率之间的关系式;步骤3,根据退避计数器减一的条件得到如(3)式的退避状态转移概率的表达式;步骤4,基于步骤1~3得到的三个表达式组成的方程组,解得碰撞概率p的值;步骤5,转化碰撞概率p,E-Model的最终结果R值,主观语音质量评价MOS值三者之间的关系,即得到语音质量。本发明提供一种有效提高准确度的基于IEEE802.11e无线局域网的语音质量测定方法。

    障碍物遮挡环境下的视频传感器监视方向控制方法

    公开(公告)号:CN102547107A

    公开(公告)日:2012-07-04

    申请号:CN201110363087.5

    申请日:2011-11-16

    Abstract: 一种障碍物遮挡环境下的视频传感器监视方向控制方法,根据点si中心的平面坐标P(xi,yi)和节点的监视方向αi计算障碍物集合并得到遮挡区域将重叠区域设为空从0开始遍历邻居节点集合S′中包含的节点:当计数器j等于S′中所包含节点个数则得到有效覆盖区域计算有效覆盖区域质心计算被遮挡区域质心计算重叠部分质心计算对在t时刻的斥力对在t时刻的斥力和确定节点所受的旋转合力如果则由的符号确定旋转方向,计算t+1时刻的视角弧度变化Δαi(t+1),调整传感器监视方向αi←αi+Δαi(t+1);反之,确定当前节点视频监控的监控方向不变;进入t+1时刻的计算,即t←t+1。本发明具备更好的覆盖率提升效果。

    一种光频段纳米网络的信号干扰和覆盖计算方法

    公开(公告)号:CN117060988A

    公开(公告)日:2023-11-14

    申请号:CN202310867810.6

    申请日:2023-07-16

    Abstract: 本发明涉及一种光频段纳米网络的信号干扰和覆盖计算方法,纳米网络包括若干纳米网关和纳米节点,纳米节点获取数据,行至纳米网关的信号覆盖范围时收到纳米网关发出的光信号,纳米节点发射携带的数据至纳米网关,纳米网关经无线局域网传输数据至处理端;纳米网络布设于细小管状液体环境,基于此分析计算特定信号频率下的信号干扰和覆盖。本发明对特定场景下,尤其是细小管状流体环境中使用光频段纳米网络通信的信号干扰和覆盖建模分析计算,对信号干扰的分析充分考虑特定环境与光频段通信特点,给出符合实际的组成部分与计算方法;对于信号覆盖的分析结合实际通信纳米天线元件,考虑到障碍物造成的覆盖面积缺失,给出符合实际的覆盖面积计算方法。

    一种基于双重搜索优化算法的路径规划方法

    公开(公告)号:CN112817312B

    公开(公告)日:2022-12-06

    申请号:CN202011630711.9

    申请日:2020-12-31

    Abstract: 本发明提供了一种基于双重搜索优化算法的路径规划方法,在确定路径规划的起点和终点后,通过数学分析将路径规划问题建模为相应的适应度函数,再使用改进的正余弦优化算法和改进的天牛须搜索优化算法进行寻优处理。在改进的正余弦优化算法中,增加了随迭代次数变化的惯性权重系数w,并且把线性递减函数变成指数型递减函数,从而提升整个算法的收敛速度和全局搜索能力。其次,在每次位置更新之后,再引入变步长天牛须搜索算法进行二次搜索更新,能够有效的使正余弦优化算法跳出局部最优的陷阱,最后将每次迭代的位置连接得到最终的最短路径,能够使其在最大限度上找到最优的路径,实现在全局环境下的路径规划。

    一种单移动端与多蓝牙设备二次并发连接的方法

    公开(公告)号:CN113438631B

    公开(公告)日:2022-10-21

    申请号:CN202110627765.8

    申请日:2021-06-05

    Abstract: 本发明涉及一种单移动端与多蓝牙设备二次并发连接的方法,移动端发起多个蓝牙设备二次并发连接需求,自数据存储系统获取多个蓝牙设备的数据,开始遍历,基于预设顺序对蓝牙设备进行连接尝试,对连接失败的蓝牙设备通过差错跳跃等待机制进行跳过后,重复直至不存在未连接的蓝牙设备,设备连接结束,更新关联数据至数据存储系统。本发明解决了单移动端与多蓝牙设备二次并发连接的冲突问题与效率问题,以无扫描直连、遍历连接、差错跳跃等待和优先级设定的连接方法,根据每个设备连接的稳定性设置优先级,为下一次连接设置先后连接顺序,能够有效解决单移动端与多蓝牙设备二次并发连接的冲突问题并提高连接的稳定性与效率,缩短连接所用的时间。

    一种基于注意力机制的多模态特征融合的MRI脑瘤图像分割方法

    公开(公告)号:CN114782350A

    公开(公告)日:2022-07-22

    申请号:CN202210393464.8

    申请日:2022-04-14

    Abstract: 本发明公开了一种基于注意力机制的多模态特征融合的MRI脑瘤图像分割方法,涉及深度学习领域,本发明首先对数据集进行数据预处理和数据增广,然后构建网络模型,网络模型包括主干网络、混合上下文感知模块和全局注意力融合模块,图像进入网络模型,先经过主干网络进行编码,然后通过混合上下文感知模块感知全局和局部信息,最后通过注意力融合模块对多模态特征进行融合并输出图像。经过训练好的网络模型后,把待分割的二维磁共振脑瘤图像输入到训练好的模型,输出图像的分割结果。本专利能够训练有效的自动分割MRI脑瘤图像的网络模型,融合多模态特征,提高了分割精度,具有较高的应用价值和临床治疗的应用前景。

    一种文本生成图像方法
    50.
    发明公开

    公开(公告)号:CN114022582A

    公开(公告)日:2022-02-08

    申请号:CN202111109265.1

    申请日:2021-09-22

    Abstract: 本发明涉及一种文本生成图像方法,基于Transformer模块和AttnGAN网络,将文本经过文本编码器编码后得到句子特征和单词特征,句子特征通过条件增强模块得到特征向量,将其与随机噪声向量融合输入到Transformer模块学习,输出改进特征向量并输入到生成器中生成粗略64*64像素的初始图像,将初始合成图像和改进特征向量输入到判别器进行判别,并根据损失函数训练生成器;依次将上一步的改进特征向量与单词特征一起输入到神经网络进行上采样得到融合向量,再将其输入到生成器得到128*128像素的图像、256*256像素的图像。本发明生成的图像较于之前传统AttnGAN方法生成的图像细节轮廓更清晰。

Patent Agency Ranking