-
Patent Agency Ranking
公开(公告)号：CN108494513A
公开(公告)日：2018-09-04
申请号：CN201810218287.3
申请日：2018-03-16
Applicant: 南京信息工程大学
IPC: H04B17/391
Abstract: 本发明公开了一种浅海水声信道模型建立及其计算方法，主要包括以下步骤：步骤一：提出与实际情况符合的几何模型，步骤二：提出供数学分析的参考模型，推导出衰落信道参考模型的时变信道冲激响应，进而推导了离开角和到达角的概率密度函数以及UWA信道模型传播时间以及频率延迟的表达式，步骤三：根据参考模型建立用于实验仿真的SOC随机信道仿真模型，并提出等区域散射方法用于参数化信道仿真模型，步骤四：利用传统的Lp标准方法参数化仿真信道模型，并将两种方法性能进行比较，步骤五：理论结果与分析。本发明的一种浅海水声信道模型建立及其计算方法，采用MESS参数化方法，在参数计算方面相对简单，能够得到函数闭合解析式，并且与传统的Lp方法相比较，在数值精确度方面也是准确高效的。
-
公开(公告)号：CN110414670A
公开(公告)日：2019-11-05
申请号：CN201910593383.0
申请日：2019-07-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于全卷积神经网络的图像拼接篡改定位方法。建立拼接篡改图像库；初始化基于全卷积神经网络的图像拼接篡改定位网络，设置该网络的训练过程；初始化网络参数；读取训练图像，对训练图像进行训练操作，输出训练图像的拼接定位预测结果；计算训练图像拼接定位预测结果与真实标签之间的误差值，调整网络参数，直至误差值满足精度要求；利用条件随机场对精度满足要求的预测结果进行后处理，调整网络参数，输出训练图像最终的预测结果；读取测试图像，采用训练好的网络对测试图像进行预测并将预测结果通过条件随机场进行后处理，输出测试图像最终的预测结果。本发明具有较高的拼接篡改定位精度，网络训练难度较小，网络模型容易收敛。
-
公开(公告)号：CN110414670B
公开(公告)日：2021-09-28
申请号：CN201910593383.0
申请日：2019-07-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于全卷积神经网络的图像拼接篡改定位方法。建立拼接篡改图像库；初始化基于全卷积神经网络的图像拼接篡改定位网络，设置该网络的训练过程；初始化网络参数；读取训练图像，对训练图像进行训练操作，输出训练图像的拼接定位预测结果；计算训练图像拼接定位预测结果与真实标签之间的误差值，调整网络参数，直至误差值满足精度要求；利用条件随机场对精度满足要求的预测结果进行后处理，调整网络参数，输出训练图像最终的预测结果；读取测试图像，采用训练好的网络对测试图像进行预测并将预测结果通过条件随机场进行后处理，输出测试图像最终的预测结果。本发明具有较高的拼接篡改定位精度，网络训练难度较小，网络模型容易收敛。
-
公开(公告)号：CN110188316A
公开(公告)日：2019-08-30
申请号：CN201910468317.0
申请日：2019-05-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种滑动窗分数阶四元数余弦变换快速计算方法，包括以下步骤：1、将四元数信号序列在时间域间隔采样和频率域间隔采样时进行离散分数阶四元数余弦变换；2、将离散分数阶四元数余弦变换在相邻时刻分别展开，得到当采样样本变化时，变换系数不发生变化；3、将变换系数表示为滑动窗模板的形式进行滑动窗分数阶四元数余弦变换的计算。本发明采用滑动窗的形式快速计算分数阶四元数余弦变换，降低了计算复杂度，计算效率优于现有非滑动窗分数阶四元数余弦变换算法。
-
公开(公告)号：CN206650719U
公开(公告)日：2017-11-17
申请号：CN201720384120.5
申请日：2017-04-13
Applicant: 南京信息工程大学
Abstract: 本实用新型公开了一种嵌入式防盗手机壳，包括手机壳主体，其特征在于，手机壳主体包括背板，背板的左右两侧设有侧包围框，背板的上端和下端分别设有锁孔，锁孔内设有锁芯，背板的上端设有上包围框，下端设有下包围框，上包围框的下方以及下包围框的上方均设有插杆，上包围框下方的插杆插入到背板顶端的锁孔内，下包围框上方的插杆插入到背板底端的锁孔内，每个插杆的端部均设有与锁芯相对应的金属锁头。本实用新型采用较为全面的手机与手机壳绑定方式，封闭关机键和音量按键有效防止手机被盗窃情况下彻底失联，令盗窃分子无法将手机关机，保证失主能够通过手机的GPS定位系统追踪手机的位置。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
