-
公开(公告)号：CN114581958B
公开(公告)日：2022-08-16
申请号：CN202210484261.X
申请日：2022-05-06
Applicant: 南京邮电大学
Abstract: 一种基于CSI信号到达角估计的静态人体姿势估计方法，通过CSI估计感知区域内的信号到达角并构建图像，利用师生网络从图像估计人体姿势。具体如下：首先使用带有移动轨道的接收天线柱，在不同的高度收集感知区域内的CSI信号。其次构造二维AoA图像特征，利用MUSIC算法将CSI信息转换为一维AoA数据，并将不同高度的一维AoA数据组合为二维AoA图像，设计环境降噪算法以消除静态环境因素，增强人体感知部分。最后构建师生网络模型，使用基于视觉的教师网络对基于二维AoA图像的学生网络进行监督，最终学生网络模型能独立地由CSI估计人体姿势。本方法能够识别多种静态人体姿势，以较低成本获得较高预测准确率。
-
公开(公告)号：CN115833975B
公开(公告)日：2025-04-11
申请号：CN202310058760.7
申请日：2023-01-16
Applicant: 南京邮电大学
IPC: H04B17/309 , H04W4/33 , H04W84/12 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明属于无线信号的跨域行为感知技术领域，公开了一种适用于WiFi跨场景感知的源域选择方法，充分考虑源域、目标域的全局数据分布和带标签数据的局部分布，设计一种基于全局和局部距离线性组合的评价策略，选择距离目标域最近的源域来构建跨域感知模型，保障跨场景无源感知的可靠性和精度；还为基于WiFi的跨场景感知问题，提供了新的研究思路。
-
公开(公告)号：CN119151020B
公开(公告)日：2025-03-07
申请号：CN202411669744.2
申请日：2024-11-21
Applicant: 南京邮电大学
IPC: G06N20/00 , G06F18/25 , G06N3/0499 , G06N3/08 , G06F18/213
Abstract: 本发明属于人工智能和机器学习领域，公开了一种具有鲁棒性的多模态联邦学习框架，包括：S1获取缺失模态，筛选出和缺失模态相关性强的模态，采用多层感知机训练进行预测，完成模态对齐；S2对模态中的特征数据打上标签，结合特征数据合成特征向量；S3使用基于注意力机制，融合特征数据，构成模态向量；S4对已经对齐并融合的模态数据进行本地训练；S5上传本地训练模型至服务器，采用联邦学习框架进行聚合操作，并将模型分发给客户端进行下轮迭代直至模型收敛。本发明通过预测缺失模态与多模态数据融合，有效解决模态缺失时训练模型精度降低的问题，减轻了模态缺失对训练精度的影响，提高了联邦学习的可靠性。
-
公开(公告)号：CN118172799B
公开(公告)日：2024-07-30
申请号：CN202410591561.7
申请日：2024-05-14
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V10/762 , G06V10/80 , G06V10/40
Abstract: 本发明的一种毫米波雷达行人重识别方法、设备及存储介质，包括以下步骤，采集不同场景的行人步态数据并预处理；对行人步态数据进行子采样模拟和生成具有不同速度的步行序列，即慢、中、快步态；使用分层注意力机制模型提取训练集中不同速度的步态的上下文特征，然后进行融合，最终得到能够描述不同速度关键信息的特征向量；再通过全连接层，将特征向量映射到一个256维的空间得到最终的输出结果，通过标签不断优化分层注意力机制模型并更新模型参数；本发明采用子采样策略，分别模拟慢、中、快速度路径，并利用层次注意力机制表征速度特异性和跨速度序列依赖性，以生成更鲁棒的步态表征，提高了毫米波雷达做行人重识别任务的准确性。
-
公开(公告)号：CN118350933A
公开(公告)日：2024-07-16
申请号：CN202410445254.8
申请日：2024-04-15
Applicant: 南京邮电大学
IPC: G06Q40/04 , H04L9/00 , G06Q30/0207 , G06F16/27
Abstract: 本发明的一种基于区块链的众包数据交易的在线激励方法、设备及介质，涉及区块链、激励机制技术领域；包括：在给定的预算约束下，设计了一个多阶段拍卖交易并引入时间折扣因子，刺激工人参与众包数据交易任务，最大化请求者效益；在真值发现算法基础上设计了一个细粒度的工人声誉计算模块，量化工人的任务贡献；通过设计上界置信算法对拍卖的选择过程进行公平性优化；在区块链的智能合约中设计了具体方案，能够实现去中心化，并保证交易安全性和公平性。本发明主要在区块链上设计众包数据交易激励机制与真实数据发现机制，保证了数据交易安全和公平的激励分配，并实现了真实性、预算可行性和个体理性等所有理想的经济属性。
-
Patent Agency Ranking
公开(公告)号：CN117574152A
公开(公告)日：2024-02-20
申请号：CN202311570810.6
申请日：2023-11-23
Applicant: 南京邮电大学
IPC: G06F18/214 , G06F18/213 , G06F18/23 , G06N20/00
Abstract: 本发明公开了一种基于元学习训练机制的跨域无线行为感知方法，属于跨域无线信号行为感知技术领域；方法为：将源域数据设计成多个任务，以每个任务为单位，训练源域数据，生成元预训练模型；将目标域的数据导入当前的元预训练模型，优化当前元预训练模型；循直至到达指定的迭代次数，将训练好的元预训练模型作为目标域的最终模型；将目标域的测试样本数据输入到训练好的元预训练模型中，输出行为感知的预测结果。本发明通过源域数据对模型进行预训练并利用目标域中有标签、无标签数据优化元预训练模型，缩小源域和目标域之间的差异性对模型迁移的影响，提升跨域无线感知的精度；利用聚合过新的特征向量能够减少样本的数量，加快模型优化的速度。
-
公开(公告)号：CN116340849B
公开(公告)日：2023-08-15
申请号：CN202310556403.3
申请日：2023-05-17
Applicant: 南京邮电大学
IPC: G06F18/241 , G06F18/10 , G06F18/214 , G06F18/22 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/08 , H04B17/391
Abstract: 一种基于度量学习的非接触式跨域人体活动识别方法，通过对已采集到的活动数据采用自编码器进行数据增强，然后通过采用度量学习完成未出现在训练集中的新活动类别的识别。具体步骤如下：在室内环境中采集人员活动时对应的无线信号数据，从中提取CSI原始数据；对原始CSI数据进行数据预处理，数据插值，统一数据长度，数据去噪；对已知活动类型的数据使用自编码器进行数据增强，扩充数据集；使用扩充后的数据集训练特征提取网络，将待识别活动数据和支持集输入特征提取网络得到相应特征，使用度量学习的方法将待识别数据特征与支持集数据特征一一对比，从而判断活动类型。本方法对于未训练的活动类型能实现较高识别精度，增强泛化性和鲁棒性。
-
公开(公告)号：CN115801152B
公开(公告)日：2023-04-25
申请号：CN202310062463.X
申请日：2023-01-16
Applicant: 南京邮电大学
IPC: H04B17/309 , H04W4/33 , H04W84/12 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明提供一种基于层次化transformer模型的WiFi动作识别方法，通过采集人员在室内场景下的多种动作的WiFi信号，获得CSI数据作为样本数据，并标注活动类别标签后，获得数据集，将数据集划分得到训练集和测试集；构建层次化transformer模型，层次化transformer模型提取局部关联特征，以获得样本的全局特征，并得到样本的最终特征表达后，获得分类标签；获得训练后的层次化transformer模型；将测试集的样本数据输入到训练后的层次化transformer模型，输出人体动作识别的预测结果；该方法能够有效提高无线感知动作识别的精度和效率，且具有更高的可靠性和更强的泛化能力。
-
公开(公告)号：CN117200873B
公开(公告)日：2024-05-31
申请号：CN202311471452.3
申请日：2023-11-07
Applicant: 南京邮电大学
IPC: H04B7/185 , H04W28/084 , H04W84/06
Abstract: 卫星边缘计算网络中考虑卫星移动性的计算卸载方法，可以将用户任务卸载到卫星上计算，从而快速响应用户服务请求，减少资源和能量消耗；分析卫星移动的四种场景，建立了考虑卫星移动的时延模型，并根据时延和能耗模型建立计算卸载的优化问题，有效解决卫星移动速度快的问题；运用ADMM算法对问题进行求解，将原问题分解为多个子问题，每个子问题分别在卫星求解，在多用户场景下，有效加快算法收敛速度。本发明针对资源有限、卫星移动、用户海量的卫星边缘计算网络，对用户卸载决策进行优化，以最小化网络时延和能耗。
-
公开(公告)号：CN117295059B
公开(公告)日：2024-02-13
申请号：CN202311589924.5
申请日：2023-11-27
Applicant: 南京邮电大学
IPC: H04W12/02 , H04W12/63 , H04W12/122 , H04W4/35 , G06Q10/0631 , G06Q40/04
Abstract: 本发明属于数据安全、隐私计算等相关技术领域，公开了一种面向移动感知工人的个性化位置隐私数据交易框架的构建方法，包括：根据最大可接受质量损失阈值确定每个感知工人位置的模糊范围；在模糊范围内产生基于k‑匿名的扰动集来隐藏感知工人的实际位置；通过对扰动集中的工人位置执行指数机制，得到一个最终的模糊位置，以实现 个性化的差分隐私；基于最终的模糊位置对感知工人分配感知任务并对位置隐私损失进行量化，做出合理的隐私补偿。本(56)对比文件Wang, Jian, et al..Locationprotection method for mobile crowdsensing based on local differentialprivacy preference..Peer-to-PeerNetworking and Applications 12.2019,全文.Wang, Yingjie, et al. .Adifferentially k-anonymity-based locationprivacy-preserving for mobilecrowdsourcing systems..Procedia ComputerScience 129.2018,全文.Jin, Wenqiang, et al..If you do notcare about it, sell it: Trading locationprivacy in mobile crowd sensing.IEEEINFOCOM 2019-IEEE Conference on ComputerCommunications.2019,全文.叶阿勇;孟玲玉;赵子文;刁一晴;张娇美.基于预测和滑动窗口的轨迹差分隐私保护机制.通信学报.2020,(第04期),全文.
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.022 seconds)
