-
公开(公告)号：CN115173067A
公开(公告)日：2022-10-11
申请号：CN202210978204.7
申请日：2022-08-16
Applicant: 重庆邮电大学
Abstract: 本发明属于无线通信的天线技术领域，具体涉及一种基于SIW的宽带毫米波平面圆极化开口环天线，包括两层介质板，三个金属层，其由下至上依次为第一金属层、下层介质板、第二金属层、上层介质板和第三金属层；所述上层介质板设有金属化过孔；第二金属层、上层介质板和第三金属层构成第一结构，第一结构包括接地共面波导、过渡段、基片集成波导以及辐射单元；所述辐射单元包括内开口圆环、外开口圆环和短微带线；所述短微带线连接内、外开口圆环，形成环‑缝隙‑环的辐射结构；第一金属层与下层介质板组成第二结构，用于使天线产生定向辐射；本发明的天线减少了剖面高度，提升了带宽。
-
公开(公告)号：CN111489364B
公开(公告)日：2022-05-03
申请号：CN202010277654.4
申请日：2020-04-08
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于轻量级全卷积神经网络的医学图像分割方法。首先对数据集进行灰度化、归一化、对比度受限自适应直方图均衡(CLAHE)、伽马校正等预处理；然后，对训练集进行随机的提取patch和测试集顺序提取patch图以完成数据增强；接着，搭建由收缩路径(左侧)和扩张路径(右侧)组成的全卷积神经网络架构，针对图像数量较少的数据集设计留一法(leave‑one‑out)训练方法；最后，通过通道稀疏正则化训练、裁剪比例因子小于设定阈值的通道以及微调裁剪后的网络完成BN通道模型裁剪，得到轻量级全卷积神经网络，并将测试数据输入到该网络中快速测试完成图像分割。轻量级全卷积神经网络即保证了深度网络的高分割精度优势，又提高了图像分割网络的测试速度。
-
公开(公告)号：CN110768906B
公开(公告)日：2022-08-30
申请号：CN201911071643.4
申请日：2019-11-05
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向SDN网络基于Q学习的节能路由方法，属于网络节能技术领域。核心方法包括：统计当前时刻网络流需求，根据源节点和目标节点不同存入任务队列；为网络流的每个目标节点构建一张Q表并初始化；从队列中取出元素，根据目的节点不同输入对应的Q表，输出下一跳节点位置并得到奖励，更新Q表；反复迭代更新Q表；利用训练好的Q表处理网络流需求。特点：SDN控制器直接为每个网络流提供路由路径，动态调整路由器和链路的开关闭状态使网络在满足流量需求条件下达到能效最优。
-
公开(公告)号：CN111012336B
公开(公告)日：2022-08-23
申请号：CN201911241265.X
申请日：2019-12-06
Applicant: 重庆邮电大学
IPC: A61B5/369 , A61B5/374 , A61B5/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06K9/62 , G06T3/40 , G06N3/04
Abstract: 本发明请求保护一种时空特征融合的并行卷积神经网络运动想象脑电图识别方法。以运动想象脑电信号作为研究对象，提出一种新的深度网络模型‑并行卷积神经网络提取运动想象脑电信号的时空特征。与传统脑电分类算法往往丢弃脑电空间特征信息不同，通过快速傅里叶变换，提取Theta波(4‑8Hz)、alpha波(8‑12Hz)以及beta波(12‑36Hz)，生成2D脑电特征图。基于多重卷积神经网络对脑电特征图进行训练，提取空间特征。此外，利用时间卷积神经网络进行并行训练，提取时序特征。最后基于Softmax对空间特征以及时序特征进行融合以及分类。实验结果表明，并行卷积神经网络具有良好的识别精度，并且优于其他最新的分类算法。
-
公开(公告)号：CN111012336A
公开(公告)日：2020-04-17
申请号：CN201911241265.X
申请日：2019-12-06
Applicant: 重庆邮电大学
IPC: A61B5/0476 , A61B5/00 , G06K9/62 , G06T3/40 , G06N3/04
Abstract: 本发明请求保护一种时空特征融合的并行卷积神经网络运动想象脑电图识别方法。以运动想象脑电信号作为研究对象，提出一种新的深度网络模型-并行卷积神经网络提取运动想象脑电信号的时空特征。与传统脑电分类算法往往丢弃脑电空间特征信息不同，通过快速傅里叶变换，提取Theta波(4-8Hz)、alpha波(8-12Hz)以及beta波(12-36Hz)，生成2D脑电特征图。基于多重卷积神经网络对脑电特征图进行训练，提取空间特征。此外，利用时间卷积神经网络进行并行训练，提取时序特征。最后基于Softmax对空间特征以及时序特征进行融合以及分类。实验结果表明，并行卷积神经网络具有良好的识别精度，并且优于其他最新的分类算法。
-
Patent Agency Ranking
公开(公告)号：CN105682046A
公开(公告)日：2016-06-15
申请号：CN201610135688.3
申请日：2016-03-10
Applicant: 重庆邮电大学
IPC: H04W4/04 , H04W40/02 , H04W40/20 , H04W40/22 , H04L12/725 , H04L12/727 , H04L29/08
CPC classification number: H04L67/12 , H04L45/121 , H04L45/30 , H04W4/046 , H04W40/026 , H04W40/20 , H04W40/22
Abstract: 本发明请求保护一种车载命名数据网络中基于数据属性的兴趣包转发方法。其过程为车辆节点监听到邻居车辆发出的兴趣包，车辆节点从兴趣包中提取出前一跳车辆的位置L，行驶车速V1和行驶方向D1；然后车辆节点根据听等时间公式计算出等待时间，进入监听状态；当等待时间结束时还未监听到其他车辆转发该兴趣包，则车辆节点转发该兴趣包，若在等待时间结束前监听到有其他车辆转发该兴趣包，则取消转发。结合数据属性系数改变听等时间计算结果，使得适合帮助该属性数据转发的车辆具有最小的等待时间，完成转发车辆选择，在保证了兴趣包的分发速率同时，提高了数据包的回传成功率和平均传输时延。
-
公开(公告)号：CN116088498A
公开(公告)日：2023-05-09
申请号：CN202211578769.2
申请日：2022-12-05
Applicant: 重庆邮电大学
IPC: G05D1/02
Abstract: 本发明请求保护一种基于MPC与FPGA的自动驾驶车辆轨迹跟踪控制方法，属于自动驾驶车辆控制技术领域。其包括以下步骤：步骤1、建立自动驾驶车辆的运动学模型；步骤2、实现自动驾驶车辆轨迹跟踪控制，包括预测模型建立，定义代价函数，运用OSQP算法求解优化问题和反馈校正；步骤3、基于FPGA实现自动驾驶车辆的轨迹跟踪控制。本发明用于解决自动驾驶车辆的轨迹跟踪控制问题，以及在保证控制性能的前提下通过FPGA加速模型预测控制算法，实现自动驾驶车辆对参考轨迹的高精度实时跟踪控制。
-
公开(公告)号：CN112580436A
公开(公告)日：2021-03-30
申请号：CN202011342014.3
申请日：2020-11-25
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于黎曼流形坐标对齐的脑电信号域适应方法，属于于迁移学习域适应方法，特别是脑机接口中跨会话、跨对象分类的数据对齐方法。包括以下步骤：首先对采集到的脑电数据进行去均值、滤波、归一化等预处理；然后使用协方差矩阵对其进行处理，将脑电数据转化为对称正定(SPD)矩阵；根据对称正定矩阵构建黎曼流形空间；接着，将流形空间中的脑电数据点映射到对应的切线空间中进行坐标对齐；最后，将对齐后的脑电数据点映射回黎曼流形空间，并进行矢量化处理。本发明能够减少脑机接口系统中不同受试者脑电信号之间的差异，使得不同对象间的数据分布趋于一致。
-
公开(公告)号：CN110232341A
公开(公告)日：2019-09-13
申请号：CN201910464739.0
申请日：2019-05-30
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于卷积-堆叠降噪编码网络的半监督学习图像识别方法，结合有监督训练的卷积神经网络和无监督学习的堆叠降噪自动编码机提出一种半监督学习网络，以在样本量不足的情况下提取更具表达性的高维特征，训练出更好的网络参数。利用卷积神经网络对样本数据进行有监督训练，提取图像特征同时避免空间特征的破坏。再把训练得到的特征向量输入到堆叠降噪自动编码机进行无监督学习，实现进一步特征学习，降低小样本带来的训练困难，后基于多层人工神经网络进行分类实现。将模型用于HLC2000手写汉字数据集中的复杂字、中等字、简单字、相似字进行脱机手写汉字识别，实验结果表明该模型的平均识别率能达到97％以上，并且结果较为稳定。
-
公开(公告)号：CN105682046B
公开(公告)日：2018-12-28
申请号：CN201610135688.3
申请日：2016-03-10
Applicant: 重庆邮电大学
IPC: H04L29/08 , H04W4/02 , H04W4/46 , H04W40/02 , H04W40/20 , H04W40/22 , H04L12/727 , H04L12/725
Abstract: 本发明请求保护一种车载命名数据网络中基于数据属性的兴趣包转发方法。其过程为车辆节点监听到邻居车辆发出的兴趣包，车辆节点从兴趣包中提取出前一跳车辆的位置L，行驶车速V1和行驶方向D1；然后车辆节点根据听等时间公式计算出等待时间，进入监听状态；当等待时间结束时还未监听到其他车辆转发该兴趣包，则车辆节点转发该兴趣包，若在等待时间结束前监听到有其他车辆转发该兴趣包，则取消转发。结合数据属性系数改变听等时间计算结果，使得适合帮助该属性数据转发的车辆具有最小的等待时间，完成转发车辆选择，在保证了兴趣包的分发速率同时，提高了数据包的回传成功率和平均传输时延。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.022 seconds)
