-
公开(公告)号：CN117814816A
公开(公告)日：2024-04-05
申请号：CN202410030183.5
申请日：2024-01-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于表面肌电信号的边缘端识别方法及系统，涉及生物信号处理和人工智能技术领域，包括采集表面肌电信号，通过带通滤波得到连续的原始信号；将原始信号通过神经网络模型进行轻量化优化，得到轻量级模型；基于轻量级模型进行二次转化得到网络模型，建立神经网络模型的轻量化编码格式；使用推理引擎执行轻量化编码格式，获取边缘端识别结果。在边缘端的识别模型基于TensorFlow中定义和训练好的神经网络模型，进行包括知识蒸馏和量化过程的轻量化处理，得到的模型在通过ASAP算法遍历计算图的方法解决不同模型结构的计算步骤差异问题后，转化为一种适合嵌入式系统运行的数据结构，使网络模型变成轻量化的编码格式。
-
公开(公告)号：CN116649957A
公开(公告)日：2023-08-29
申请号：CN202310482098.8
申请日：2023-04-29
Applicant: 南京邮电大学
Abstract: 本发明属于机器学习、深度学习、信号处理和模式识别的技术领域，公开了一种基于惯性传感器的马匹步态识别及跛行检测方法。本发明基于深度学习，将BiLSTM引入卷积神经网络，提取特征序列的正向和向后依赖关系，提高了网络的性能，并且有效提升了马匹的步态识别准确率；相较于基于图像的步态识别，基于惯性传感器的步态识别成本低、体积小、功耗低、灵活性高且不受环境因素影响；本发明主要针对马术训练场景，在马术训练中客观、全面、精准掌握马匹的实时步态以及跛行程度，不但可以提高马术训练效果和马匹竞技状态，而且对于马匹的早期运动伤病预防具有很好的控制作用，实用性强。
-
公开(公告)号：CN113155196A
公开(公告)日：2021-07-23
申请号：CN202110463797.9
申请日：2021-04-26
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于AIoT的桥梁运行实时监测系统，包括信息采集终端，还包括与所述信息采集终端互联的数据处理分析模块、物联网平台、在线监测显示平台；所述信息采集终端包括控制单元以及与所述控制单元互联的传感器检测模块和无线传输模块；所述数据处理分析模块采用的是云服务器，所述云服务器包括趋势预测模块，或/和预警模块，或/和数据处理评估模块。本发明公开了一种基于AIoT技术的桥梁运行实时监测系统，能对桥梁的运行状况进行实时监测和智能评估。
-
公开(公告)号：CN114694127B
公开(公告)日：2025-04-18
申请号：CN202210415288.3
申请日：2022-04-20
Applicant: 南京邮电大学
IPC: G06V20/59 , G06V10/26 , G06V10/32 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于深度图像的驾驶行为识别方法和系统，包括：采集驾驶员的深度图像序列，形成包含驾驶员上半身骨骼点信息的图像训练集；进行深度图像预处理；分析图像位置信息，获取深度图像时间序列并进行归一化处理；分析图像骨骼信息，计算骨骼节点矩阵并进行归一化处理；利用改进的VGG‑16网络处理所得数据，融合深度图像序列和骨骼点信息的训练结果，输出驾驶行为分类结果。本方法和系统采用骨骼追踪融合卷积神经网络与疲劳检测的计算机视觉处理方法，设计了一套轻便低复杂度的边缘系统，满足了真实驾驶环境下易部署、高稳定性的要求，能够高效、准确、及时地检测出驾驶员的违规行为并给予警示，从而减少交通安全事故发生的可能性，为道路安全保驾护航。
-
公开(公告)号：CN110598628A
公开(公告)日：2019-12-20
申请号：CN201910860988.1
申请日：2019-09-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于集成深度学习的肌电信号手部运动识别方法，首先对连续肌电信号进行窗口化分割。接着对肌电信号进行预处理，使用离散傅里叶变换提取肌电信号的频域表示数据，使用离散小波包变换提取肌电信号的时频域表示数据，使用min-max方式对肌电信号时域、频域和时频域数据进行标准化。然后基于卷积神经网络设计了初级分类器模型，分别使用时域、频域和时频域表示数据训练三个初级分类器。最后基于Stacking的方法设计次级分类器，将三个初级分类生成的结果拼接，并用于次级分类器的训练，本发明避免了人工提取特征时重要信息的遗漏，提高了肌电信号手部运动识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN110580552A
公开(公告)日：2019-12-17
申请号：CN201910863762.7
申请日：2019-09-12
Applicant: 南京邮电大学
Abstract: 一种普适的区域环境信息移动感知及预测方法，利用移动感知节点采集数据，并传送至云端服务器；然后在云端采用区域化随机变量分析的方法对这些数据进行空间和结构的分析，并得出协方差和变差函数的表达式；再利用改进的随机L-BFGS算法改进克里格算法，并用此算法进行普适的区域环境信息空间预测，得出环境信息的空间预测结果；利用共享单车采集环境数据的时间和空间的关系进行时空预测分析，得出目标区域的时空预测结果；最后是综合针对时间和空间的不同预测结果给出最后的区域全局环境预测结果图。
-
公开(公告)号：CN106161773A
公开(公告)日：2016-11-23
申请号：CN201610409315.0
申请日：2016-06-12
Applicant: 南京邮电大学
IPC: H04M1/725 , H04B1/3827
CPC classification number: H04M1/7253 , H04B1/3833 , H04M1/72533 , H04M1/72536 , H04M1/72563 , H04M1/72594
Abstract: 本发明公开了基于安卓系统面向盲人的智能手环，是一种基于安卓系统实现与手机APP连接的为盲人服务的智能手环。涉及到两大模块，一是供能模块，二是功能模块。供能模块采用动能生电技术，利用盲人手腕振动产生的动能转换成电能作为永久续航电源，成本低且环保。功能模块涉及到三个按钮，突出形状不一以便盲人区分，分别实现实时导航，拨打紧急电话，语音备忘录提醒功能，操作简便高效。另外一个特点是全天候监测人体脉搏等体表特征，充分考虑到盲人这一特殊群体的健康保障。
-
公开(公告)号：CN105101090A
公开(公告)日：2015-11-25
申请号：CN201510531949.9
申请日：2015-08-26
Applicant: 南京邮电大学
CPC classification number: H04W4/023 , H04W64/003
Abstract: 本发明公开了一种环境监测无线传感网的节点定位方法，将待监测区域划分为若干个正方形的网格，在每个网格的4个顶点上分别部署带有GPS装置的信标节点，相邻的两个信标节点之间的距离为信标节点的无线通信半径；在监测区域内随机部署未知节点；根据未知节点的连通率以及通信范围内检测到信标节点的个数，将待测区域作划分计算出未知节点的坐标。本发明通过无线传感器网络实现各节点之间的通信，无需布线，结构简单，安装维护简便；本发明综合考虑了环境监测中节点分布的各种情况，对监测区域进行了详细的划分，可以应对实际中的各种节点分布情况，实用性强。
-
公开(公告)号：CN104023307A
公开(公告)日：2014-09-03
申请号：CN201410123252.3
申请日：2014-03-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于遗传算法的无线传感器网络的户外环境监测方法，包括带有GPS定位装置的锚节点、待定位节点、路由节点、汇聚节点和主控计算机；GPS定位装置用于接收GPS卫星的信息，得到锚节点位置坐标；锚节点周期性广播消息；待定位节点结合锚节点位置信息和遗传算法计算得到自身位置信息，完成自身定位；传感器节点安装在锚节点和待定位节点上；传感器节点测得空气质量参数并发送给路由节点；路由节点经过多次转发传送给汇聚节点；汇聚节点将这些数据发送至主控计算机；后台软件对数据进行接收、处理和显示；环境保护人员可以随时查看这些参数，并对超标参数采取有效措施，起到保护环境的效果。
-
公开(公告)号：CN116938792A
公开(公告)日：2023-10-24
申请号：CN202310994549.6
申请日：2023-08-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于充电半径的分簇及驻留点选取方法，该方法包括：以最小化簇个数为目标，以融合后的簇半径不超过充电设备的充电半径为约束条件，对无线可充电传感器网络中的传感器节点进行簇融合；基于融合后的分簇，利用离散化算法得到充电设备的驻留点和朝向的组合，并进行精简；以最大化充电设备在单位时间内的充电收益为目标，确定充电设备需要遍历的驻留点以及在这些驻留点每个朝向上的充电时长，得到充电列表；基于所述充电列表，以充电设备的能量上限为约束，以最小化一轮总服务时长为目标，计算得到多充电设备驻留点遍历路径。解决了基于扇形充电范围的场景中驻留点和朝向无穷的问题，提高充电设备的服务效率。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.019 seconds)
