-
公开(公告)号：CN104390645B
公开(公告)日：2017-11-07
申请号：CN201410747695.X
申请日：2014-12-09
Applicant: 重庆邮电大学
IPC: G01C21/00
Abstract: 本发明涉及一种基于视觉信息的智能轮椅室内导航方法，属于智能轮椅室内导航技术领域。在本方法中，设计了两种基本行为，分别能够控制智能轮椅实现趋向目标功能与实时避障功能；利用红外摄像头拍摄全景图像，并通过对摄像头图像坐标系与世界坐标系的转换确定智能轮椅在世界坐标系下的坐标；同时，利用智能轮椅前后时刻的位置信息确定智能轮椅的进行方向；利用kinect传感器采集环境深度信息确定障碍物位置并设计避障警戒区域确定需要避障的范围；利用卡尔曼滤波算法预测障碍物运动信息，使智能轮椅能够避开运动障碍物。本方法能够降低算法的复杂性，确保整个系统有较好的实时性；同时，对障碍物运动信息进行预测能够实现智能轮椅在动态不确定环境下的导航能力。
-
公开(公告)号：CN107253500A
公开(公告)日：2017-10-17
申请号：CN201710418643.1
申请日：2017-06-06
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种具有能量收集能力的被动式移动机器人。主要包括瓣式弹性壳体，四路发电装置和双自由度摆式电池仓；其中瓣式弹性壳体由四个相同的瓣式充气囊构成，在机器人外部拼装成圆球形状；四路发电装置均匀布置在机器人摆环上，可以同时将两个方向的机械转动能量转换成电流能；双自由度摆式电池仓安装在机器人的中心位置，其质量重心在机器人球心下方，能够储存机器人收集到的能量，可以沿水平轴与机器人壳体相对摆动；该种机器人的突出特点是在环境外力的作用下能够被动式移动，并且可将外部作用力的能量转成电能，并储存在电池仓内；该种机器人无需动力源，就可搭载微型探测传感器在海洋或极地环境下长期移动并执行数据采集任务。
-
公开(公告)号：CN104005909B
公开(公告)日：2017-09-19
申请号：CN201410162896.3
申请日：2014-04-22
Applicant: 重庆邮电大学
IPC: F03D7/00
CPC classification number: Y02E10/723
Abstract: 本发明公开了一种非线性前馈控制与粒子群优化模糊PID控制结合的风力发电机变桨距控制方法。该方法提出基于有功功率偏差的前馈控制策略，当发电机组运行在额定风速以上时，运用发电机有功功率P与额定功率P0得到功率偏差△P；通过MAPSO模糊PID控制器给出变桨距控制期望输出的桨距角β1；同时经非线性前馈控制器得出变桨距控制期望的前馈桨距角β2；MAPSO模糊PID控制器得到的桨距角β1与前馈桨距角β2相加，得到桨距角设定值β。本发明降低了系统的调节时间，增加系统的稳定性和可靠性，较传统控制器具有明显的优势。
-
公开(公告)号：CN107092887A
公开(公告)日：2017-08-25
申请号：CN201710267096.1
申请日：2017-04-21
Applicant: 重庆邮电大学
IPC: G06K9/00
CPC classification number: G06K9/00523 , G06K9/00536
Abstract: 本发明请求保护一种基于Multi‑bands FDBN的运动想象脑电信号的特征提取方法。所述方法首先利用带通滤波器将原始的脑电信号分成多个频段，接着对各频段采用FFT将时域信号转换为频域信号，使用全局min‑max的方式作归一化处理，最后将每个频段的频域数据输入DBN进行训练识别，并采用加权计算的方式将多个softmax分类器的结果进行融合。本发明所述方法从设计上解决了不同频带信息对于该被试作用不同的问题，又通过多个分类器进一步保证了算法的鲁棒性，同时能够较大程度地提高了脑电信号的分类准确率。
-
公开(公告)号：CN106974805A
公开(公告)日：2017-07-25
申请号：CN201710325074.6
申请日：2017-05-10
Applicant: 重庆邮电大学
IPC: A61H1/02
CPC classification number: A61H1/0266 , A61H2201/1207 , A61H2201/14 , A61H2201/164 , A61H2201/1657 , A61H2205/12
Abstract: 本发明公开了一种并联式踝关节康复训练装置，包括基座、动平台、约束支链和主动支链，可实现踝关节背屈/跖屈，内翻/外翻，内旋/外旋等三个方向的转动。所述基座包括底座和支撑平台，所述支撑平台上固设有四个电机，所述四个电机采用了水平及高低错开的布置方式；所述动平台包括上动平台和下动平台，所述上动平台通过垫片与所述下动平台固接；所述约束支链包括承重平台、左支撑连杆、右支撑连杆和弧形连杆；所述主动支链包括第一主动支链、第二主动支链、第三主动支链和第四主动支链，所述四条主动支链结构相同。本发明装置不仅具有良好的运动性能，还具有简洁和紧凑的结构。
-
Patent Agency Ranking
公开(公告)号：CN106943140A
公开(公告)日：2017-07-14
申请号：CN201710136166.X
申请日：2017-03-08
Applicant: 重庆邮电大学
IPC: A61B5/0476 , A61B5/00
CPC classification number: A61B5/0476 , A61B5/7267
Abstract: 本发明公开了一种基于RandomSelect‑RCSP的运动想象脑电信号特征提取方法，包括以下步骤：S1，利用Bagging随机选择的采样思想，重新构造训练数据样本；S2，构造基于被试者脑电信号的协方差矩阵；S3，基于被试者数据样本，同样利用Bagging思想随机选择引入一部分其他人的脑电信号数据；S4，正则化协方差矩阵；S5，进行正则化的协方差矩阵估计；S6，利用这个协方差矩阵提取RCSP特征。本发明能够保证在小样本脑电数据集中，提取的左右手运动想象脑电信号特征具有较高的识别率，且方差小，鲁棒性好。
-
公开(公告)号：CN106790225A
公开(公告)日：2017-05-31
申请号：CN201710026384.8
申请日：2017-01-13
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种应对信息中心网络恶意内容传播的解决方法，属于通信技术领域。该方法主要包括用户发送请求、内容提供商回复内容对象、内容对象验证节点确定、关键节点验证等几个关键步骤。恶意内容提供商沿兴趣包路由的反向路径回复数据包至用户，中间节点根据验证节点确定策略确定是否对数据包进行验证，确定进行验证的节点执行节点验证流程，根据验证结果对内容对象执行相应操作。该方案利用基于内容名的路由方式，使中间路由器可以对内容目标进行验证，尽早发现虚假内容，并停止向下游传递该虚假内容，因此避免了传送虚假内容而造成网络资源的浪费。本方法能够保证服务质量。同时，减轻网路中节点的计算负担，同时也减少众多节点获取密钥而产生的时延。
-
公开(公告)号：CN106529476A
公开(公告)日：2017-03-22
申请号：CN201610993354.X
申请日：2016-11-11
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深层堆叠网络的脑电信号特征提取及分类方法，首先使用Emotiv脑电信号采集仪采集脑电信号数据；对脑电信号进行去均值、滤波、归一化等预处理；然后使用多个受限玻尔兹曼机对单通道的脑电信号进行独立预训练，提取单个通道的脑电信号，将训练得到的参数用于神经网络的参数初始化；最后采用批量梯度下降的方法对网络进行微调，对各通道的脑电信号特征进行有效融合；对网络进行性能测试并实现分类。本发明能够获得较高的分类准确率。
-
公开(公告)号：CN103095711B
公开(公告)日：2016-10-26
申请号：CN201310018798.8
申请日：2013-01-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种应用层DDoS攻击检测方法及防御系统，涉及网络安全，特别是应用层DDoS攻击检测与防御。本发明通过对用户访问行为进行分析，提出了基于用户点击序列预测的检测方法与防御系统。首先提取网站的页面URL，利用聚类算法进行聚类，得到该网站的页面分类Vj和用户点击序列；然后利用用户点击序列构建随机游走图，通过随机游走过程计算用户下一观测周期点击序列；最后计算预测序列与点击序列的序列相似度，通过训练阈值来判断用户点击序列的异常性。本发明能有效检测应用层DDoS攻击，特别是模拟正常用户行为的攻击请求，可广泛应用于数据中心网站服务器安全防御。
-
公开(公告)号：CN105740349A
公开(公告)日：2016-07-06
申请号：CN201610049581.7
申请日：2016-01-25
Applicant: 重庆邮电大学
CPC classification number: G06F17/30705 , G06F17/2775 , G06F17/30737 , G06N3/084
Abstract: 本发明请求保护一种结合Doc2vec和卷积神经网络的情感分类方法，该方法将Doc2vec和CNN进行有效的结合。该结合方法对于特征的表示，不但考虑到了词与词之间的语义关系，并且解决了维数灾难，还考虑到了词与词之间的顺序问题。CNN可以通过学习一种深层的非线性的网络结构来弥补浅层特征学习方法的不足，采用分布式表示输入数据的表征，展现了强大的特征学习能力，特征提取和模式分类可以同时进行，CNN模型的稀疏连接和权重共享两个特点可以减少网络的训练参数，使神经网络结构变得更简单，适应性更强。结合Doc2vec和CNN来处理情感分类问题可显著提高情感分类的准确率。
-
-
-
-
-
-
-
-
-
Search Results
375
records
(took 0.032 seconds)
