-
公开(公告)号：CN102395031A
公开(公告)日：2012-03-28
申请号：CN201110376355.7
申请日：2011-11-23
Applicant: 清华大学
Abstract: 本发明涉及数据压缩技术领域，公开了一种数据压缩方法，包括以下步骤：S1、对输入的四个一维数据x0，x1，x2，x3进行4点DCT变换，输出四个一维数据f0，f1，f2，f3；S2、用量化步长对DCT变换的系数进行量化。本发明利用三角函数的对称关系将数据压缩过程的一维4点DCT变换中的一部分系数(α、β)提取出来，对量化步长进行加权，用加权后的量化步长对DCT系数进行量化，使得在数据压缩精度、结构不变的情况下将现有技术中所需要的DCT变换运算的3次乘法简化为1次乘法，从而加快了数据压缩的速度并减少了其开销。
-
公开(公告)号：CN102172322A
公开(公告)日：2011-09-07
申请号：CN201110047924.3
申请日：2011-02-28
Applicant: 清华大学
Abstract: 本发明涉及生物体腔检查技术领域，具体公开了一种用于生物体腔检查的全视角图像数据读取系统及方法。该系统包括用于在人体消化道内全视角地采集并存储图像的图像采集与存储设备、用于读取图像的图像读取设备以及无线供能与能量接收装置，该无线供能与能量接收装置包括具有多线圈结构的无线能量发射装置和具有单线圈结构的无线能量接收装置；无线能量发射装置安装在所述图像读取设备中，用于发射电磁波；无线能量接收装置安装在所述图像采集与存储设备中，用于接收电磁波，驱动图像采集与存储设备传出图像。本发明提供的用于生物体腔检查的全视角图像数据读取系统及方法大大降低了人工操作的复杂性，提高了无线供能的稳定性与高效性。
-
-
公开(公告)号：CN100394883C
公开(公告)日：2008-06-18
申请号：CN200510126255.3
申请日：2005-12-02
Applicant: 清华大学
Abstract: 本发明属于医学数字图像压缩技术领域，其特征在于它是一种基于先缩后彩色插值的图像压缩及解压缩方法，在压缩前用低通滤波器去除图像的高频成分，用质量控制因子来控制被滤波像素点占整个图像的百分比，以改进图像质量，用感兴趣区来确定无须压缩后直接进入编码的像素点区以保证所感兴趣区的图像质量。无损压缩采用JPEG-LS无损压缩编码。相应地提供了硬件框图。在对标准图像数据库中的7幅自然图像进行压缩试验，它可以实现信噪比从46.37dB到无穷大范围内连续可调，相应的压缩码率从3.3比特/像素点到6.9比特/像素点范围变化；在对无线内窥镜图像进行压缩时，可以获得平均图像压缩码率2.18比特/像素点，且PSNR大于47.57dB。
-
公开(公告)号：CN1799492A
公开(公告)日：2006-07-12
申请号：CN200510126255.3
申请日：2005-12-02
Applicant: 清华大学
IPC: A61B1/04
Abstract: 本发明属于医学数字图像压缩技术领域，其特征在于它是一种基于先缩后彩色插值的图像压缩及解压缩方法，在压缩前用低通滤波器去除图像的高频成分，用质量控制因子来控制被滤波像素点占整个图像的百分比，以改进图像质量，用感兴趣区来确定无须压缩后直接进入编码的像素点区以保证所感兴趣区的图像质量。无损压缩采用JPEG－LS无损压缩编码。相应地提供了硬件框图。在对标准图像数据库中的7幅自然图像进行压缩试验，它可以实现信噪比从46.37dB到无穷大范围内连续可调，相应的压缩码率从3.3比特/像素点到6.9比特/像素点范围变化；在对无线内窥镜图像进行压缩时，可以获得平均图像压缩码率2.18比特/像素点，且PSNR大于47.57dB。
-
Patent Agency Ranking
公开(公告)号：CN1787646A
公开(公告)日：2006-06-14
申请号：CN200510130628.4
申请日：2005-12-16
Applicant: 清华大学
Abstract: 本发明属于无线内窥镜胶囊的医学图像传输领域，其特征在于：它采用了SP+SW混合的ARQ通信方法，依次含有以下步骤：无线内窥镜等待并根据接收到的命令发送图像；体外便携式无线接收装置发送重传错误包命令，同时传送错误包号及依据最大成功概率准则和能量效率最高准则得到的最佳包长；无线内窥镜根据重发命令确定是连续还是断续发送错误包，并在全部发送完毕后发出反馈错误包命令；等到一帧图像的数据包全部传送完毕，发出进行下一次图像采集的命令；若所发控制命令有误，无线内窥镜胶囊便等待，一直到收到正确的传输控制命令为止。本发明在不同信道质量下的效率均比SWARQ方法要高至少12％。
-
公开(公告)号：CN112149541B
公开(公告)日：2024-10-29
申请号：CN202010963626.8
申请日：2020-09-14
Applicant: 清华大学
IPC: G06F18/00 , G06F18/214 , G06N3/0464 , G06N3/0442 , G06N3/006
Abstract: 本发明公开了一种用于睡眠分期的模型训练方法，方法包括：构建用于睡眠分期的单通道输入竞争学生模型和多通道输入教师模型；将多通道信号输入教师模型，并根据教师模型的输出获得教师模型损失，将单通道信号输入所述竞争学生模型，并根据竞争学生模型的输出获得竞争学生模型损失；根据教师模型中隐含层的输出和竞争学生模型中隐含层的输出确定知识迁移损失；根据竞争学生模型损失、教师模型损失和知识迁移损失对教师模型和竞争学生模型进行优化，直至满足停止条件；根据已训练教师模型和已训练竞争学生模型构建用于睡眠分期的单通道输入合作学生模型，并基于知识蒸馏技术对合作学生模型进行训练，最终得到精度得到改善的教师模型和合作学生模型。
-
公开(公告)号：CN118819462A
公开(公告)日：2024-10-22
申请号：CN202410811951.0
申请日：2024-06-21
Applicant: 清华大学
IPC: G06F7/523 , H03K19/20 , G06N3/0455
Abstract: 本发明提供一种高能效计算方法和计算装置，所述方法包括：获取第一乘数和第二乘数，并将所述第一乘数和所述第二乘数输入至计算装置的部分积生成模块中，得到部分积阵列；其中，所述部分积生成模块通过阵列乘法和Booth乘法实现；所述部分积阵列包括第一部分积、第二部分积和第三部分积，所述第一部分积由所述阵列乘法生成，所述第二部分积和所述第三部分积由所述Booth乘法生成；将所述部分积阵列输入至所述计算装置的部分积求和模块中，得到最终乘积结果。通过本发明提供的方法，混合使用了阵列乘法和Booth乘法，从而解决计算时能耗大的问题。
-
公开(公告)号：CN114756199A
公开(公告)日：2022-07-15
申请号：CN202210351916.6
申请日：2022-04-02
Applicant: 清华大学
Abstract: 本发明提供一种部分积求和模块设计方法及乘法器，其中部分积求和模块包括至少一个加法器组，每个所述加法器组用于基于输入的多个待相加数据获得相加结果，每个所述加法器组包括多级级联的多个逻辑单元；部分积求和模块设计方法包括：确定每个所述加法器组各自对应的每个所述待相加数据的翻转率；基于每个所述待相加数据的翻转率，确定每个所述加法器组的数据连接方式。本发明实施例提供的部分积求和模块设计方法，降低了部分积求和模块的动态功耗，从而降低了乘法器的动态功耗。
-
公开(公告)号：CN111657860B
公开(公告)日：2021-07-20
申请号：CN202010408610.0
申请日：2020-05-14
Applicant: 清华大学
Abstract: 本申请公开了一种基于对抗学习的睡眠阶段识别方法及系统，包括：将脑电信号训练集输入至待训练对抗特征提取器，基于对抗学习进行训练更新，得到对抗特征提取器；将脑电信号训练集输入至待训练个体特征提取器进行训练和更新，得到个体特征提取器；将脑电信号测试集分别输入至对抗特征提取器和个体特征提取器，训练和更新待训练神经网络、待训练睡眠阶段分类器和待训练条件随机场层，得到神经网络、睡眠阶段分类器和条件随机场层；将待分类脑电信号输入至三特征网络，确定睡眠阶段。只使用单通道脑电信号能够减小设备体积；通过对抗学习增加提取到的特征的共通性，降低不同的受试者的脑电数据的差异，提高准确性；并且不需要专业知识，操作简单。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.022 seconds)
