基于分级注视图和条件随机场的眼动注视图预测方法

    公开(公告)号:CN108596243B

    公开(公告)日:2021-09-10

    申请号:CN201810360076.3

    申请日:2018-04-20

    Abstract: 本发明公开了一种基于多级眼动注视图和条件随机场的眼动注视图预测方法,主要解决了现有技术预测准确率不高的问题。其实现步骤为:1.采集眼动数据并将其分为训练集与测试集;2.构建并在训练集上训练三个全卷积神经网络;3.在测试集上生成三个全卷积神经网络的预测图;4.使用条件随机场融合三个全卷积神经网络的预测图,融合的结果做为最终预测图。本发明通过融合不同等级下的眼动注视图预测结果,更符合空间物理专家对极光图像的认知过程,提高了注视图预测的准确率,可用于语义分割与显著性分析。

    基于条件随机场的路标识别方法

    公开(公告)号:CN108664969A

    公开(公告)日:2018-10-16

    申请号:CN201810399451.5

    申请日:2018-04-28

    Abstract: 本发明公开了一种基于条件随机场的路标识别方法,主要解决现有路标识别准确率低的问题。其实现方案是:1.根据纯路标图像数据建立路标颜色种子点集合;2.根据路标颜色种子点集合计算含有路标的图像的先验颜色特征图集合;3.通过贝叶斯决策理论计算含有路标的图像的颜色概率分布图集合;4.用马尔科夫条件随机场模型融合路标图像的先验颜色特征图和颜色概率分布图,得到融合图像;5.提取融合图像中的感兴趣区域。6.通过多尺度卷积神经网络对感兴趣区域进行分类识别。本发明提高了路标的检测率和路标的识别准确率,可用于交通领域的场景感知。

    无线mesh网中弹性虚拟子网映射方法

    公开(公告)号:CN106793117A

    公开(公告)日:2017-05-31

    申请号:CN201611185605.8

    申请日:2016-12-20

    Abstract: 本发明公开了一种无线mesh网中弹性虚拟子网映射方法,主要解决现有无线mesh网络在资源分配和虚拟请求映射过程中映射成本高和链路平均利用率低的问题。其技术方案是:1.综合考虑无线mesh网络中底层物理网络的负载均衡和虚拟请求映射成本的最小化,建立联合动态优化问题模型;2.将联合动态优化问题分解为两个连续的静态子问题;3.描述上述两个连续的静态子问题,即物理层和MAC层的子信道资源分配子问题和虚拟网络映射子问题的目标函数和约束条件;4.求解上述两个连续的静态子问题,得到最优的资源分配矩阵和链路映射变量矩阵。本发明降低了链路映射成本,提高了链路平均利用率,可用于无线mesh网络的虚拟化。

    OFDMA系统中无线虚拟网资源分配方法

    公开(公告)号:CN105744627A

    公开(公告)日:2016-07-06

    申请号:CN201610044490.4

    申请日:2016-01-22

    Abstract: 本发明公开了一种OFDMA系统中无线虚拟网资源分配方法,主要解决现有资源分配方法实时性不强和无法满足用户服务质量需求的问题。其技术方案是:MAC层虚拟网整合用户的业务需求并向物理层做出资源请求;物理层根据资源请求和信道统计信息建立目标函数,并对其最大化,得到信道分配矩阵;信道分配矩阵得到资源配置信息,并传给MAC层建立并最大化效用函数,得到用户业务流的资源分配比重;根据该比重计算服务时延,进行业务流接入控制,重新计算资源请求量;物理层与MAC层动态交互,直到满足虚拟网的服务质量约束。本发明能在单小区OFDMA系统中对多用户多业务需求进行接入控制,同时保证了系统的服务质量和特定的性能约束。

    基于多频可闻声波幅度求和的测距方法

    公开(公告)号:CN105510904A

    公开(公告)日:2016-04-20

    申请号:CN201610027269.8

    申请日:2016-01-15

    CPC classification number: G01S11/14

    Abstract: 本发明公开了基于多频可闻声波幅度求和的测距方法,主要解决现有单一频率可闻声波测距同步要求高和偶然误差大的问题。其实现步骤为:(1)放置可闻声波发生器,并发射多频可闻声波;(2)在不同距离处多次采集声波信号,并做FFT变换,获得不同距离处的多频声波幅度和,再利用matlab得到声波信道模型;(3)声波采集设备采集声波信号,并做FFT变换,得到多频幅度之和;(4)根据多频幅度之和与声波信道模型得到测距值;(6)重复步骤(3)和(4),得到多个测距值,去掉异常测距值,对其余值取平均得到最终测距值。本发明减小了测距偶然误差,提高了测距稳定性,可用于设备之间短距离测距。

    一种双迭代非正交联合块对角化卷积盲源分离方法

    公开(公告)号:CN113591537B

    公开(公告)日:2024-03-22

    申请号:CN202110548008.1

    申请日:2021-05-19

    Abstract: 本发明公开了一种双迭代非正交联合块对角化卷积盲源分离方法,包括:从M个传感器接收并记录源信号的观测信号,获得观测信号在指定时延下的二阶时延相关矩阵组,根据所述二阶时延相关矩阵组构造卷积对称拟合代价函数,利用双迭代算法求解所述卷积对称拟合代价函数,获得源信号的估计值。该方法直接在时域内迭代求解混叠矩阵和对角矩阵组,避免了频域算法存在比较严重的排列不定性问题,能够有效提高语音分离后语音识别精准率,且该方法收敛稳定且能做到快速收敛,同时时间复杂度较低。

    基于深度学习的小尺寸行人目标检测方法

    公开(公告)号:CN108960074B

    公开(公告)日:2020-09-04

    申请号:CN201810577466.6

    申请日:2018-06-07

    Abstract: 本发明公开了一种基于深度学习的小尺寸行人目标检测方法。主要解决现有技术对小尺寸行人目标检测效果差的问题。其实现方案是:读取行人检测数据库数据,使用VGG网络提取特征;将VGG网络不同层特征进行叠加融合,得到两种特征融合层;根据VGG网络中特征层Conv5_3和第一种特征融合层,获得候选区域的回归边界和分类概率;根据候选区域的回归边界和第二种特征融合层,得到检测结果的回归边界和分类概率;根据检测结果的回归边界和分类概率,使用损失函数对VGG网络进行训练,得到最终的精确检测结果。本发明能实现对小尺寸目标精确检测,可用于无人驾驶或辅助驾驶。

    基于目标特征敏感性和深度学习的车辆跟踪方法

    公开(公告)号:CN111062973A

    公开(公告)日:2020-04-24

    申请号:CN201911408023.5

    申请日:2019-12-31

    Abstract: 本发明公开了一种基于目标特征敏感性和深度学习的车辆跟踪方法,主要解决了现有技术在车辆跟踪过程中由于发生遮挡、光照变化等容易将与车辆目标相似的干扰物判断为车辆目标,导致跟踪失败的问题。本发明的步骤为:构建并训练判别式连体网络,通过训练好的公用网络模型提取特征并挑选对车辆目标更敏感的滤波器,使用判别式连体网络和挑选过的敏感滤波器实现对车辆目标的跟踪。本发明引入了挑选敏感滤波器组和操作,具有鲁棒性强、跟踪效果好、计算量低、易于实现的优点。

    基于角相特性的高功率电磁涡旋H面合成天线

    公开(公告)号:CN106602283B

    公开(公告)日:2019-11-26

    申请号:CN201611087738.1

    申请日:2016-12-01

    Abstract: 本发明公开了一种基于角相特性的高功率电磁涡旋H面合成天线,主要解决传统雷达天线回波功率小和目标识别能力差的问题。其包括一分八径向波导功分器(1)和八路相同的信号传输与辐射单元,每一路由圆弧弯波导(2)、调相器(3)、扭波导(4)和H面矩形喇叭天线(5)依次连接组成,且每一路与一分八径向波导功分器对应连接。八个H面矩形喇叭天线功率相同,相邻天线元之间的相位差为22.5°,在垂直于传播方向的平面上围成圆形阵列,该圆形阵列的半径R为圆心到每个H面矩形喇叭天线的辐射中心的连线,每个喇叭天线辐射的电磁波在空间中矢量叠加,得到具有轨道角动量的电磁涡旋。本发明功率容量大,目标识别能力强,可以应用于雷达探测。

Patent Agency Ranking