-
公开(公告)号：CN103024845A
公开(公告)日：2013-04-03
申请号：CN201210543680.2
申请日：2012-12-14
Applicant: 南京邮电大学
Abstract: 本发明提出一种基于UMTS和WLAN的自适应垂直切换方法，包括移动台移入WLAN过程和移动台移出WLAN过程；移动台移入WLAN过程中，计算补偿时间进而求出自适应速度门限，更加准确合理地进行切换判决，有效降低乒乓效应和切换中断概率；移动台移出WLAN过程中，根据用户可容忍的连接中断概率求解自适应的RSS门限，能够有效降低连接中断概率，且能根据业务需要，折中考虑连接中断和WLAN使用率；所述方法非常简单、易于实现，具有很好的应用前景。
-
公开(公告)号：CN102984736A
公开(公告)日：2013-03-20
申请号：CN201210544022.5
申请日：2012-12-14
Applicant: 南京邮电大学
Abstract: 本发明提出了无线泛在异构网络资源优化方法，所述方法通过构建异构网络资源优化模型，采用非合作博弈论方法进行信道分配，对于各类终端设备建立效用函数，之后利用拉格朗日算子法将异构网络资源优化公式分解，分别求解各个网络的吞吐量优化方法，最后根据吞吐量与带宽关系得出应分配的带宽数目；所述方法根据信道变化状况，随时为不同终端提供相应带宽，以保证网络接入公平性的同时最大化带宽利用率，在充分考虑信道变化的前提下，最优化不同终端带宽分配，实现了异构网络无线资源最优化利用。
-
公开(公告)号：CN101304275B
公开(公告)日：2012-02-01
申请号：CN200810100792.4
申请日：2008-05-13
Applicant: 南京邮电大学
Abstract: 应用于移动通信网络的无线信道建模与仿真方法为，首先导出用于产生符合小尺度无线信道特征的瑞利衰落波形的高斯随机序列所需满足的三个基本条件及自相关特性，利用蒙特卡罗方法产生独立标准高斯随机序列，并通过一种线性变换矩阵将其转换为满足相应三个基本条件及自相关特性的高斯随机序列，最后对其取模，从而得出无线信道中瑞利衰落波形；其中，线性变换矩阵通过按列递推的方式得到。该方法简单、实用，能够有效地产生符合小尺度无线信道特征的瑞利衰落波形，满足自相关特性及平稳性的要求，并且可以容易地产生多个相互独立的瑞利衰落波形，从而为研究与分析各种频率分集无线通信系统提供了条件与可能。
-
公开(公告)号：CN101938770A
公开(公告)日：2011-01-05
申请号：CN201010287082.4
申请日：2010-09-20
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于网络信道状态的无线网络最大重传次数的优化方法，属于无线通信网络传输技术领域。首先，根据无线链路的期望传输效率参数ETEij(k)的统计值估计当前网络的整体状态；对于网络状态较差的情况，进一步测量分组成功传递概率P(x)和队列空闲率Queuei，并构建分组丢失区分的判断函数Judge(·)，实现对分组丢失类型的区分；MAC层根据当前网络的主要丢包原因优化最大重传次数，使之适应信道环境的需求，缓解网络的拥塞水平；对于网络状态较好的情况，为了避免出现网络拥塞，仍然进行丢包区分，实现重传优化和速率控制，提高网络性能。
-
公开(公告)号：CN115343573B
公开(公告)日：2024-12-27
申请号：CN202210904249.X
申请日：2022-07-29
Applicant: 南京邮电大学
IPC: G01R31/08 , G01H17/00 , G06F18/15 , G06F18/24 , G06F18/213
Abstract: 本发明提供了一种面向电网监控的声纹模型演化设备故障融合判决方法，包括：实时采集音频，采用基于小波变换的双重分类去噪方法进行干扰噪声去除预处理；提取经过预处理的各类正常状态下的设备声音信号数据的MFCC特征向量，分别得到各类正常状态下的样本数据集，建立并更新目标设备在各类正常状态下的高斯混合模型；提取待测音频样本数据并建立基于投票的多高斯混合模型演化方法，以匹配随时间变化的目标设备声纹特征规律；基于多高斯混合模型，进行目标设备声纹故障融合判决。本发明的方法可以消除环境的弱异常干扰与强异常干扰带来的影响，能够实时匹配样本数据的变化规律，有效地对电网监控场景进行监测，实现异常监测并及时预警。
-
Patent Agency Ranking
公开(公告)号：CN114821769B
公开(公告)日：2024-12-27
申请号：CN202210329331.4
申请日：2022-03-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于元胞自动机思想的人体行为时空联合分析方法，首先基于元胞自动机思想将获得的人体三维骨骼姿态关键点离散化；其次，结合人体三维骨骼姿态关键点能量值以及人体骨骼关键点的位置变化，计算出人体三维骨骼姿态关键点的能量平滑值；最后构建人体时空联合分析深度网络，将人体跌倒视频逐帧提取出的三维坐标信息以及计算出的人体关键变化后能量变化的平滑值输入给构建的人体行为时空联合分析网络进行训练以进行人体姿态检测。本发明将机器视觉领域的行为分析技术从复杂的环境人体图像识别处理简化成对人体三维骨骼关键点的坐标以及人体骨骼关键点的能量变化的简单情况，减少了行为分析所需的计算机算力，有着广阔的应用场景。
-
公开(公告)号：CN114842428B
公开(公告)日：2024-12-24
申请号：CN202210337923.0
申请日：2022-03-31
Applicant: 南京邮电大学
IPC: G06V20/54 , G06V10/80 , G06V10/774
Abstract: 本发明提出了面向智慧交通的复杂多目标分层分级联合精准检测方法，首先构建面向单维场景的三类目标检测模型，然后根据当前时间类、天气类选择相对应的单维时间检测模型和单维天气检测模型，再将这两种模型与m3个单维目标检测模型进行分层联合检测，最后采用一种分级联合机制作为分层联合的标准，对于第一层联合，根据维度、概率这两个不同等级依次确定属于何种目标类别；对于第二层联合检测，根据符合度、概率这两个不同等级依次确定属于何种目标类别。该发明可以广泛应用于机器视觉领域中面向交通复杂多目标的分层分级联合精准检测，在保证成本的同时可以实现各类目标全天时、全天候的精准检测，有非常广阔的应用前景。
-
公开(公告)号：CN114783020B
公开(公告)日：2024-10-18
申请号：CN202210352184.2
申请日：2022-04-03
Applicant: 南京邮电大学
IPC: G06V40/16 , G06T5/73 , G06T5/60 , G06T7/13 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/09 , G06N3/094
Abstract: 本发明公开了基于新型对抗学习去模糊理论的动态人脸识别方法，提升了生成对抗网络的训练速度，避免了找不到纳什平衡点陷入死循环的问题，利用这种新型生成对抗网络对原始模糊图片进行去模糊处理；然后对去模糊后的图片进行模糊度变化率计算，根据模糊度变化率对去模糊后的图片进行分类，对于变化率过高或过低的图片直接进行人脸识别，对于变化率不高且不低的图片添加去模糊后处理模块后再进行人脸识别；本发明采用了新型DeblurGAN_V2对图像进行去模糊操作，提出了新的训练截止方法，解决了生成对抗网络模型训练困难的问题，引入了人脸模糊度计算方法对于输出的图片分类操作，添加了去模糊后处理优化结果，有广阔的应用场景。
-
公开(公告)号：CN118762501A
公开(公告)日：2024-10-11
申请号：CN202410691391.X
申请日：2024-05-30
Applicant: 南京邮电大学
IPC: G08G1/01
Abstract: 本发明公开了基于数字孪生的复杂交通系统动态推演优化方法，该方法包括：步骤1：获取城市路网的环境数据，基于这些数据建立城市路网数字孪生模型；步骤2：将整个城市的交通路网环境划分成每一维分成长度相等的正交区间，基于路网结构的特点构建交通流入流量模型；步骤3：基于交通流量模型，将车流量划分为多个子集；步骤4：构建全局演化模型，建立以概率参数、影响因素以及权重参数的全局态势推演公式；步骤5：定义一个交通态势代价损失函数，不断推演迭代，得到最优的结果；步骤6：提出交通状态的优化方式。本发明使用局部机理模型，并结合全局演化模型，准确预测和优化交通流量分配，提高路网整体运行效率，以及优化车辆行驶时间。
-
公开(公告)号：CN118707968A
公开(公告)日：2024-09-27
申请号：CN202410697180.7
申请日：2024-05-31
Applicant: 南京邮电大学
Abstract: 本发明公开了一种多维决策融合的无人机集群协同决策方法，该方法包括：步骤1：将森林场景进行区域划分，每个区域分配有侦打一体无人机组进行巡查；步骤2：利用侦打一体无人机组进行巡查，并配有摄像头、激光雷达两种外置传感器进行检测；步骤3：基于目标轮廓、位置信息对无人机不同传感器检测信息进行配准，然后基于配准后的检测数据对多无人机检测信息进行配准，构筑集群信息包；步骤4：对不同无人机、不同传感器采集到的检测信息，进行不同层次的信息融合，最终得到识别目标的信息；步骤5：建立无人机决策模型，并进行决策。本发明通过对不同时空下的多智能体采集到的信息数据进行不同层次的融合，从而做出决策，更高效、精准地完成任务。
-
-
-
-
-
-
-
-
-
Search Results
386
records
(took 0.086 seconds)
