-
公开(公告)号：CN119737966A
公开(公告)日：2025-04-01
申请号：CN202411705296.7
申请日：2024-11-26
Applicant: 中国船舶集团有限公司第七一六研究所 , 东南大学
IPC: G01C21/34
Abstract: 本发明公开了一种态势延迟下移动机器人路径规划方法，首先获取态势延迟下的态势位置信息和移动目标点位置信息，基于卡尔曼滤波方法对移动机器人的“实际”位置进行估计，并基于估计的移动机器人实际位置进行移动机器人路径规划，更新移动机器人新目标位置点坐标，在基于原目标位置点更新目标位置点坐标，反复迭代至机器人移动至目标终点。本发明的方案给出一种解决态势延迟下的移动机器人路径规划框架，通过卡尔曼滤波方法对移动机器人的态势进行估计，基于估计态势进行路径规划，可为态势延迟下移动机器人安全行驶的路径规划提供一种有效解决措施。
-
公开(公告)号：CN115497294B
公开(公告)日：2023-09-19
申请号：CN202211155135.6
申请日：2022-09-22
Applicant: 东南大学
Abstract: 本发明公开了一种融合深度预测网络和卡尔曼滤波算法的交通灯控制方法及系统，采用经验模态分解算法对历史控制车流量数据进行预处理，确定最优的历史信息窗口长度，得到控制周期内各个方向的车流信息，再分别用长短期记忆网络和卡尔曼滤波算法预测下一个交通灯控制周期的车流量，将两个预测值基于卡尔曼滤波算法进行信息融合后，根据预测值为下一交通灯控制周期分配相位。本方法融合传统滤波算法和深度预测网络的优势，提高预测精度，从而大幅降低车辆排队时间，提高车辆通行效率，减少交通资源浪费。
-
公开(公告)号：CN116132039A
公开(公告)日：2023-05-16
申请号：CN202310138927.0
申请日：2023-02-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于神经网络的安全人工噪声加密方法，本地端与远程端采用相同的以时间为自变量的人工噪声序列Γ(k)，并采用相同的以T为周期的周期函数f(x)和周期不为T的周期函数g(x)；本地端中，以f(Γ(k))作为本地端神经网络N(θ(k))的输入，将输出的当前时刻的安全人工噪声与原始观测值相加，作为通信网络传输加密过的观测信息；以人工噪声序列Γ(k)为输入，经过周期函数g(x)产生的输出作为本地端神经网络N(θ)的目标值，计算损失函数值，用梯度下降算法更新网络权重θ(k)；远程端中，采用相同方法得到加密人工噪声，将通过网络传输得到的数据减掉加密人工噪声，得到原始观测值；本方法对通过无线网络传输的观测信息加入人工噪声进行加密，安全可靠。
-
公开(公告)号：CN115497294A
公开(公告)日：2022-12-20
申请号：CN202211155135.6
申请日：2022-09-22
Applicant: 东南大学
Abstract: 本发明公开了一种融合深度预测网络和卡尔曼滤波算法的交通灯控制方法及系统，采用经验模态分解算法对历史控制车流量数据进行预处理，确定最优的历史信息窗口长度，得到控制周期内个方向的车流信息，再分别用长短期记忆网络和卡尔曼滤波算法预测下一个交通灯控制周期的车流量，将两个预测值基于卡尔曼滤波算法进行信息融合后，根据预测值为下一交通灯控制周期分配相位。本方法融合传统滤波算法和深度预测网络的优势，提高预测精度，从而大幅降低车辆排队时间，提高车辆通行效率，减少交通资源浪费。
-
公开(公告)号：CN113038587B
公开(公告)日：2022-12-20
申请号：CN202110249360.5
申请日：2021-03-08
Applicant: 东南大学
Abstract: 本发明拒绝服务攻击下基于滤波器的传感器网络时钟同步方法，包括如下步骤：a)确定传输周期；对参数进行初始化；b)邻居节点周期地发送并接收邻居的信息；c)如果节点信道没有受到拒绝服务攻击，则更新相对时钟斜率的估计值；计算斜率补偿参数和中间估计变量；进行时钟读数补偿，更新软件时钟读数；d)如果受到了攻击，则相对时钟斜率估计值和斜率补偿参数保持不变；估计邻居节点的软件时钟并用于进行时钟读数补偿；e)重复上述步骤b)‑d)直到结束。通过对拒绝服务攻击下普通时钟同步方法与本发明算法的仿真实验比较，结果表明本发明能够在保证同步精度和收敛速度的前提下，显著地抵御攻击对时钟同步的影响，从而实现网络攻击下安全稳定的时钟同步。
-
Patent Agency Ranking
公开(公告)号：CN113269322A
公开(公告)日：2021-08-17
申请号：CN202110564587.9
申请日：2021-05-24
Applicant: 东南大学
Abstract: 本发明提供了一种基于自适应超参数的深度强化学习改进方法。其采用现成的通用深度强化学习算法作为基础算法，创新点在于加入了自适应超参数。自适应超参数包括探索率和学习率，上述参数将根据训练进度自动调整，从而优化基础算法的性能。探索率，即算法选择随机探索的概率，这一概率由奖励值决定，当奖励值变大，探索率变大，智能体将加大随机探索的力度，反之亦然；学习率将根据损失函数的梯度调整神经网络的参数，其由损失值决定，损失值变大，学习率增大，神经网络将加大学习的力度，反之亦然。自适应超参数能够加快算法的训练速度，使训练过程更稳定，提高模型的最终成绩。
-
公开(公告)号：CN108427656B
公开(公告)日：2021-06-08
申请号：CN201810006375.7
申请日：2018-01-03
Applicant: 东南大学
Abstract: 一种基于矩阵加权一致性‑卡尔曼滤波器的多目标包围控制方法，包括：(1)设置通信周期并进行初始化；(2)每个运动体测量各自观测目标，并用测量值更新对目标群体系统的后验估计信息矩阵和状态值、系统矩阵和噪声协方差估计值，并进行一致性信息融合的初始化；(3)运动体与其他运动体交互信息，利用一致性协议更新对目标群体系统的后验估计信息矩阵、后验估计状态值、系统矩阵估计值和输入噪声协方差估计值，并利用估计值更新包围控制器；(4)经过多次通信后，运动体基于卡尔曼信息滤波算法估计出目标群体的先验估计信息矩阵和状态值，并暂时停止通信，控制器保持不变；(5)到达下一测量时刻时，返回第(2)步。
-
公开(公告)号：CN110049057B
公开(公告)日：2021-04-27
申请号：CN201910338271.0
申请日：2019-04-25
Applicant: 东南大学
IPC: H04L29/06 , H04W12/00 , H04W12/121 , H04W52/02 , H04W84/18
Abstract: 本发明公开了一种虚假数据注入攻击下的传感器网络事件触发信息融合方法，首先初始化各传感器节点信息滤波中自身节点的先验信息矩阵和信息向量；传感器节点测量数据并通过网络攻击检测器判断其是否受到攻击，然后更新后验信息矩阵和信息向量；传感器节点通过通信触发条件来判断是否向网络发送信息矩阵和信息向量；传感器节点根据当前接收到的通信邻居节点信息矩阵和信息向量、以及对其他通信邻居的信息矩阵和信息向量的预测值来进行信息融合；最后传感器节点利用融合信息更新自身的信息矩阵和信息向量、以及邻居节点的信息矩阵和信息向量预测值。本发明能通过通信协作完全自主地实现目标估计的性能，并且尽可能地降低网络通信能耗。
-
公开(公告)号：CN104469368B
公开(公告)日：2018-05-15
申请号：CN201410742098.8
申请日：2014-12-08
Applicant: 东南大学
IPC: H04N19/196 , H04N17/00 , H04N17/02
Abstract: 本发明公开了一种普适手机平台的视频处理单元(VPU)的H.264视频编解码性能检测方法，包括：手机平台利用VPU进行H.264视频编解码的系统搭建、YUV视频序列H.264编码速率的测试、YUV视频序列H.264编码功耗的测试、YUV视频序列H.264编码PSNR的测试、H.264视频流解码速率的测试以及H.264视频流解码功耗的测试。本发明是一种能够适应各种手机型号的并在手机平台上实现检测上述VPU H.264编解码的极限性能的方案，本发明避免了传统只能适应某种型号手机进行VPU H.264编解码的弊端，并能对其编解码性能高效准确的测试。
-
公开(公告)号：CN105629966A
公开(公告)日：2016-06-01
申请号：CN201610069641.1
申请日：2016-02-01
Applicant: 东南大学
IPC: G05D1/00
CPC classification number: G05D1/0027
Abstract: 本发明公开了一种多层环绕编队包围的几何设计方法，多层环绕编队包围中的目标超椭球面、目标超椭球面上的期望简单凸闭轨道以及运动体动态是在超二次曲面中心坐标系下描述的，目标超椭球面通过同心压缩的方式扩展为关于曲面函数的等值超椭球面簇，由曲面的正则性确定第i个运动体的可运动范围。本发明对超二次曲面中心坐标系描述超椭球、轨道和运动体动态尤其适用，该方法简单可靠、精度较高，可用于协同采集等任务。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.028 seconds)
