-
公开(公告)号:CN118762295A
公开(公告)日:2024-10-11
申请号:CN202410795784.5
申请日:2024-06-19
Applicant: 福州大学
IPC: G06V20/17 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N5/04
Abstract: 本发明提出了一种基于FPGA的高能效嵌入式无人机入侵检测系统,采用量化感知训练QAT对网络进行再训练和量化,在保证检测精度前提下,将权重参数与特征图数据量化为8位,并将批归一化层融合进卷积层,降低了硬件资源的消耗。整体系统采用软硬件协同设计实现,合理划分软硬件任务,从而实现了整个系统的高效性。整体系统采用软硬件协同设计实现,合理划分软硬件任务,从而实现了整个系统的高效性。
-
公开(公告)号:CN115766089B
公开(公告)日:2024-06-28
申请号:CN202211271268.X
申请日:2022-10-18
Applicant: 福州大学
IPC: H04L9/40 , H04L41/14 , H04B17/382
Abstract: 本发明涉及一种能量采集认知物联网络抗干扰最优传输方法。通过将认知无线电技术、能量采集技术、抗干扰技术在通信领域相结合,将认知物联网络建模为一个主基站、多个主用户、多个物联网节点、一个物联网认知基站和多个恶意攻击节点所构成的完整系统。通过深度强化学习方法对认知物联网络各个节点在发送、接收信号被恶意攻击的情况下,认知基站无需先验知识,无模型的学习恶意节点信道攻击策略,合理制定对抗策略并调节各个节点的信道接入、模式选择和功率分配以达到系统吞吐量最大化目的。本发明适用于无线通信领域。
-
公开(公告)号:CN114126021B
公开(公告)日:2024-04-09
申请号:CN202111425954.3
申请日:2021-11-26
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度强化学习的绿色认知无线电的功率分配方法,首先建立功率分配模型,并按如下步骤对其进行训练:S1、初始化回合训练次数、记忆池的容量以及深度神经网络随机参数;S2、在每个回合开始时,初始化状态;S3、在每个回合的第t步,根据贪婪策略选择动作;S4、将动作输入到认知无线环境中,环境返回回报,更新电池可用能量,更新状态,并把状态转移存储到记忆池;S5、从记忆池中随机采样设定批量的状态转移,执行梯度下降步骤;然后通过训练好的功率分配模型进行功率分配。该方法有利于根据环境的变化做出最优的功率控制和分配。
-
公开(公告)号:CN111951296B
公开(公告)日:2022-07-08
申请号:CN202010883994.1
申请日:2020-08-28
Applicant: 福州大学
Abstract: 本发明涉及一种目标跟踪方法及装置,该方法包括以下步骤:步骤S1:通过图像传感器从外部获取彩色图像并进行图像格式转换,将彩色图像转换为灰度图像,格式转换完成后进入步骤S2;步骤S2:利用中值滤波算法对灰度图像进行降噪处理,降噪处理完成后进入步骤S3;步骤S3:在图像的第一帧选定初始跟踪目标并保存该目标作为目标模板,然后进入步骤S4;步骤S4:在后续的视频帧中采用融合归一化互相关模板匹配和卡尔曼滤波的跟踪算法进行目标跟踪,并对跟踪结果进行标识。该方法及装置有利于提高跟踪的精度和实时性。
-
公开(公告)号:CN114581705A
公开(公告)日:2022-06-03
申请号:CN202210200381.2
申请日:2022-03-02
Applicant: 福州大学
IPC: G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774
Abstract: 本发明涉及一种基于YOLOv4模型和卷积神经网络的水果成熟检测方法和系统。该方法包括:步骤S1、将训练图片输入基于YOLOv4模型的水果识别单元;步骤S2、将来自水果识别单元的训练数据集输入水果成熟检测单元以训练水果成熟检测单元的基于卷积神经网络的深度学习模型;步骤S3、通过摄像头和树莓派拍摄图片并将图片输入水果识别单元;步骤S4、将图像输入水果成熟检测单元,输出是否成熟。本发明在YOLOv4模型基础上结合水果成熟检测模型,以对水果的成熟进行检测,并使用轻量级YOLOv4‑tiny结构作为YOLOv4模型中识别网络,以提高水果检测的精度和速度;本发明可运用于日常生活中水果成熟的检测,以方便对于水果的储存。
-
公开(公告)号:CN114126021A
公开(公告)日:2022-03-01
申请号:CN202111425954.3
申请日:2021-11-26
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度强化学习的绿色认知无线电的功率分配方法,首先建立功率分配模型,并按如下步骤对其进行训练:S1、初始化回合训练次数、记忆池的容量以及深度神经网络随机参数;S2、在每个回合开始时,初始化状态;S3、在每个回合的第t步,根据贪婪策略选择动作;S4、将动作输入到认知无线环境中,环境返回回报,更新电池可用能量,更新状态,并把状态转移存储到记忆池;S5、从记忆池中随机采样设定批量的状态转移,执行梯度下降步骤;然后通过训练好的功率分配模型进行功率分配。该方法有利于根据环境的变化做出最优的功率控制和分配。
-
公开(公告)号:CN113727452A
公开(公告)日:2021-11-30
申请号:CN202111052743.X
申请日:2021-09-08
Applicant: 福州大学
IPC: H04W72/04 , H04B17/382
Abstract: 本发明涉及一种能量采集下基于博弈论的认知无线电频谱分配的方法。包括:步骤S1、在一个时隙的时间段内,授权用户将同一时间和地点未被使用的空闲频谱组成频谱池,并设置多条信道进行出租;步骤S2、在一个时隙的时间段内,认知用户针对授权用户发射端信号进行能量采集,得到一定的能量;步骤S3、在一个时隙的时间段内,授权用户通过伯川德模型进行租赁价格博弈,最终形成纳什均衡,得到纳什均衡解下的最优信道质量和租赁价格;步骤S4、在一个时隙的时间段内,认知用户根据自身需求结合授权用户所提供的信道质量和租赁价格做出购买空闲频谱的选择并进行自身信息的传输。本发明能够使整体能量效率和系统利润最大化。
-
公开(公告)号:CN113627377A
公开(公告)日:2021-11-09
申请号:CN202110950319.0
申请日:2021-08-18
Applicant: 福州大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , H04B17/382
Abstract: 本发明涉及一种基于Attention‑Based CNN的认知无线电频谱感知方法及系统,该方法包括如下步骤:S1、对信号数据进行预处理,包括能量归一化和信噪比间隔划分,然后划分为训练集、验证集和测试集;S2、搭建注意力机制层;S3、将注意力机制层加入卷积神经网络中,得到Attention‑Based CNN模型;S4、利用预处理得到的数据对Attention‑Based CNN模型进行训练,得到训练好的Attention‑Based CNN分类器;S5、对新接收的数据进行数据预处理,然后送入训练好的Attention‑Based CNN分类器中进行分类,得到最终的分类结果,即为频谱感知的结果。该方法及系统有利于提高频谱感知的准确率,同时合理利用计算资源。
-
公开(公告)号:CN111914808A
公开(公告)日:2020-11-10
申请号:CN202010834453.X
申请日:2020-08-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于FPGA实现的手势识别系统及其识别方法,包括CMOS摄像头数据采集模块、FPGA数据处理模块、DDR3存储模块以及VGA显示模块。CMOS摄像头与FPGA相连,在FPGA芯片内部完成对摄像头的驱动。摄像头采集的视频数据进入FPGA芯片内后,在数据读写控制模块的作用下缓存到DDR3存储模块,同时在数据读写控制模块的作用下被读出。文字驱动与视频叠加模块根据静态手势和动态手势的识别结果实时的将识别内容以文字的形式与手势图像叠加后送到VGA显示模块显示。与现有技术相比,本发明有效解决了在光照不足且含有类肤色干扰等复杂环境下,手势识别不稳定的问题以及手势识别的实时性问题。
-
公开(公告)号:CN110034837A
公开(公告)日:2019-07-19
申请号:CN201910297565.3
申请日:2019-04-15
Applicant: 福州大学
IPC: H04B17/382 , H04L12/24 , H04W16/14
Abstract: 本发明涉及一种基于CR的SG通信模型的最优联合传感时间和功率分配方法,包括,步骤S1:构建基于认知无线电的智能电网模型;步骤S2:设定虚警概率和最小目标速率,并计算得到许可频段功率、未许可频段和样本总数最优值;步骤S3:计算出每个天线的检验统计量;步骤S4:计算得到每个天线对应的最佳权重,得到总检验统计量;步骤S5:计算出阈值,然后将阈值和总检验统计量进行比较确定PU是否存在,如果总检验统计量大于阈值,则主用户存在的,表示智能电网用户不能访问和使用未许可频段,否则智能电网用户可以访问和使用未许可频段。本发明解决了在基于认知无线电下,如何使用优化需求相应管理和粒子群优化算法技术使中断概率最小化的问题。
-
-
-
-
-
-
-
-
-