-
公开(公告)号：CN113988135B
公开(公告)日：2025-01-10
申请号：CN202111273722.0
申请日：2021-10-29
Applicant: 南京邮电大学
IPC: G06F18/213 , G06F18/214 , G06F18/24 , G06F18/25 , G06F3/01 , G06N3/044 , G06N3/0464 , G06N3/08 , A61B5/397
Abstract: 一种基于双分支多流网络的肌电信号手势识别方法，将每一个采集电极获得的肌电信号数据，经过数据预处理后，直接作为网络流的一个独立输入，并构建了合适的模型架构与这一输入方式相匹配。相较于传统的先合并数据后分割方式，该方式在数据预处理时更加简便，同时能够减少因分割操作带来的时间开销，提高模型的运行效率；构建的网络模型分别从整体与局部的角度，分析肌电信号与对应手势之间的内在关联性，同时利用投票机制结合两个分支网络的输出来确定最终识别结果，使两个分支网络形成互补效益，弥补了各自的固有缺陷，进而提高手势识别的准确度。
-
公开(公告)号：CN117370840A
公开(公告)日：2024-01-09
申请号：CN202311391907.0
申请日：2023-10-25
Applicant: 南京邮电大学
IPC: G06F18/24 , G06F18/10 , G06N3/0464 , G06N3/08 , G01S7/41
Abstract: 本发明属于毫米波雷达和神经网络技术领域，公开了一种基于FMCW雷达多特征矩阵手部模型的手势识别方法，本发明利用特征矩阵对手部模型进行构建，通过毫米波雷达获取动态手势的回波复数信号，再根据傅里叶变换从原始信号中得到距离、多普勒信息，采用峰值选点等方法人为设置阈值得到一定数量的关键点，再对关键点求其角度值，由距离信息、多普勒信息、角度信息共同构建一个多特征矩阵，并将特征矩阵输入到网络中学习。本发明可以在轻量数据以及轻量网络的情况下，提高系统的泛化能力，具有鲁棒性强，稳定性高、实时性和高效性的特点。
-
公开(公告)号：CN111914212B
公开(公告)日：2023-05-16
申请号：CN202010754784.2
申请日：2020-07-31
Applicant: 南京邮电大学
Abstract: 面向数据降维的邻域重建方法，能够在给定数据中心点和初始邻域集的条件下，产生与数据中心点更加相似的邻域集。所述方法包括：将数据中心点和邻域集组成基础矩阵，然后将基础矩阵迭代地右乘系数矩阵产生新的邻域集。每一次迭代过程中产生的邻域集放到同一个矩阵中能够产生扩充邻域集。计算数据中心点和扩充邻域集之间的欧氏距离，并在扩充邻域集的每一行中选取一个与数据中心点距离最小的数据，选中的数据即重建的数据中心点的邻域集。通过本发明的技术方法，能够寻找到与数据中心点在结构上更具相似性的邻域集。对于图像分类和图像超分辨率等领域具有重要理论和实际意义。
-
公开(公告)号：CN115708675A
公开(公告)日：2023-02-24
申请号：CN202211461927.6
申请日：2022-11-21
Applicant: 南京邮电大学
IPC: A61B5/024 , A61B5/0507
Abstract: 本发明提供一种基于毫米波雷达的心率估计方法，通过使用毫米波雷达对人体进行采样，获得多个调频连续波的扫频信号；构成距离‑慢时间矩阵，并定位人体到雷达的距离；使用反正切函数提取人体相位，利用相位展开函数来展开相变超过设定阈值的相位，获得相邻帧相位差，使用内插值法来平滑超过阈值的差值；采用小波变换去除平滑后相位信号的噪声，获得重构后的相位信号；结合EEMD‑ICA方法分离重构后的相位信号中的心跳信号、呼吸信号、呼吸谐波和噪声，得到心跳波形；使用多信号分类算法构造空间谱函数，通过谱峰搜索对心跳频率做出估计；该方法能够准确地分离出心跳信号，大幅提高心跳频率估计的准确性。
-
公开(公告)号：CN111770544B
公开(公告)日：2023-02-10
申请号：CN202010744985.4
申请日：2020-07-29
Applicant: 南京邮电大学
Abstract: 一种基于Q‑Learning的卫星物联网路由方法，针对复杂环境下的卫星物联网路由问题，考虑卫星物联网拓扑结构、节点状态动态变化，将整个卫星物联网视作强化学习的环境，将卫星节点和地面节点视作智能体，首先，初始化卫星物联网参数；其次，每一个节点维护一张Q值表，根据卫星节点跳数，距离，方向以及缓冲区占用率，利用Q值更新公式，学习Q值表；最后，通过学习得到的Q值表，根据贪心选择策略，转发数据包。并且，考虑卫星节点跳数改进了奖励值，考虑卫星节点距离,方向以及缓冲区占用率改进了折扣因子，以此优化Q值，从而来实现卫星物联网高效路由的目的。因此，本卫星物联网路由方法在航空、航天及社会经济等领域中都有较好的转化应用前景。
-
Patent Agency Ranking
公开(公告)号：CN109444813B
公开(公告)日：2022-10-18
申请号：CN201811255127.2
申请日：2018-10-26
Applicant: 南京邮电大学
Abstract: 一种基于BP和DNN双神经网络的RFID室内定位方法，弥补了传统的基于RSSI室内定位技术中在同一环境下将路径损耗系数n设为常数的缺点，通过结合神经网络技术，建立信号强度与路径损耗系数的转化模型，准确预测出不同位置的路径损耗系数n，减小了传统基于RSSI定位方法中路径损耗系数n固定而产生的误差，提高了系统定位精度；结合BP网络和深度神经网络，将BP网络输出的不同位置的路径损耗系数n，以及接收到的待测标签信号强度作为DNN的输入，能够根据不同的环境输出相应路径损耗系数n，从而更加准确的预测待测标签的坐标，并提高了系统鲁棒性；结合深度神经网络输出待测标签坐标，能够实时的对待测标签进行定位，克服了传统定位方法实时性差的缺点。
-
公开(公告)号：CN114913564A
公开(公告)日：2022-08-16
申请号：CN202210668699.3
申请日：2022-06-14
Applicant: 南京邮电大学
Abstract: 基于ResNet和DenseNet的指静脉识别方法，采用ResNet和DenseNet两种网络分别处理同一静脉图片在不同模态下的静脉图像。其中，ResNet处理原始静脉图像；DenseNet处理ROI（Region Of Interest，ROI）区域定位后的静脉图像。两个网络相互独立，并分别进行特征提取。最后，本发明使用一种自适应阈值融合方法，对两个网络的输出结果进行特征融合，得到最终的识别结果。本方法能够得到更为丰富的特征信息，有利于提升识别准确率；可以对两个网络发挥的效用进行准确的评估，并在此基础上进行综合，有利于提升最终结果的准确性；可以使用相对更少的训练数据，就能达到较好的识别性能。
-
公开(公告)号：CN110610172B
公开(公告)日：2022-08-12
申请号：CN201910912380.9
申请日：2019-09-25
Applicant: 南京邮电大学
Abstract: 一种基于RNN‑CNN架构的肌电手势识别方法，依据肌电信号的时序特性，先对各通道信号使用RNN架构进行特征提取，再使用CNN架构对融合后的特征图进一步提取，主要包含以下步骤：数据预处理；RNN模块对预处理后的数据进行初步的特征提取；融合模块对RNN的输出结果进行融合处理；CNN模块对融合模块的输出结果进行特征提取与分析；分类模块用于模型输出对输入手势信号的判别，即根据当前输入的肌电信号判断它属于哪一个手势类别。本发明可以有效提取数据的时序关联性与特征，同时提高手势识别率；在数据预处理阶段引入最值点选取与拼接方法，减少了模型训练时间；避免了通道间的相互干扰，最后融合阶段利用多个通道的关联性，有利于肌电信号的识别。
-
公开(公告)号：CN111783669B
公开(公告)日：2022-07-22
申请号：CN202010626780.6
申请日：2020-07-02
Applicant: 南京邮电大学
Abstract: 一种面向个人用户的表面肌电信号分类识别方法，设定初始手势数据集Du，并采集使用者数据得到用户手势数据集Dp；进行数据预处理，进行分类标签和去噪处理，并将数据转换为三维格式矩阵；构建训练集，对数据集中的矩阵进行标序，并扩充用户手势数据集Dp，新建包含Du和Dp的手势数据的数据集Dall作为训练神经网络需要的训练集；将训练集输入LeNet‑5模型结构的神经网络中进行训练；通过训练后的神经网络输出得到识别结果，同时保存神经网络的网络权重，下次使用时直接调用，无需再次训练。本方法正确率高、训练结果稳定、训练周期短。
-
公开(公告)号：CN113269080B
公开(公告)日：2022-07-12
申请号：CN202110553089.4
申请日：2021-05-20
Applicant: 南京邮电大学
Abstract: 基于多通道卷积神经网络的掌静脉识别方法，输入手掌静脉图像，并备份原图像，保存为A图像库；ROI区域定位；直方均衡化处理；使用多通道ResNet152网络融合识别。本发明能够减小图像噪音对网络识别的影响，使用直方均衡化能解决图像在定位后灰度分布过于集中、静脉特征不明显等缺点，有效提取出不明显的细小静脉信息，从而增强静脉特征，使用了多通道ResNet152神经网络，融合了整体和局部特征进行识别。原始图像所在通道不进行预处理，更大程度上保留图像的特征信息，实现对特征图像的宏观特征识别；另一个通道采用ROI定位和直方均衡化的结合处理，更注重对特征图像的细微特征识别，有利于提取局部静脉特征。通过使用上述网络结构，可提高掌静脉识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.026 seconds)
