-
公开(公告)号：CN105785347A
公开(公告)日：2016-07-20
申请号：CN201610197124.2
申请日：2016-03-31
Applicant: 北京理工大学
IPC: G01S7/539
CPC classification number: G01S7/539
Abstract: 本发明公开了一种矢量天线阵鲁棒自适应波束形成方法，首先利用阵列输出信号张量的多次快拍值估计出阵列输出协方差张量其次对进行收缩运算，分别得到阵列输出空间平滑协方差矩阵R(b)以及阵列输出极化平滑协方差矩阵R(a)；根据设计准则，求解波束形成器权张量进一步可得到最后，对优化问题进行求解；同理获得和获得了张量域波束形成器的输出yW(t)。解决了矢量天线阵列自适应波束形成中由天线指向误差、天线位置误差、极化扰动、通道不一致性等误差因素所导致的导向矢量失配及其所引起的信号相消问题。
-
公开(公告)号：CN103323383A
公开(公告)日：2013-09-25
申请号：CN201310217688.4
申请日：2013-06-03
Applicant: 北京理工大学
Abstract: 本发明公开一种基于电阻抗技术的微流控芯片微粒计数系统，包括微流控芯片和信号检测电路，其中微流控芯片包括：玻璃基片、PDMS基片和两对用作电极的金属针，在微流控芯片中利用常见的导电金属针作为微流控芯片的电极，从而产生用于产生横跨微通道的电场，使得芯片的制造工艺及成本相对简单。信号检测电路包括：两个I/V转换电路、差分电路、包络检波电路、高通滤波电路、低通滤波电路和放大电路。在信号检测电路中利用信号差分检测的方法对其阻抗信号进行检测，以保证信号检测的精确性。
-
公开(公告)号：CN111738054B
公开(公告)日：2023-04-18
申请号：CN202010303192.9
申请日：2020-04-17
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于时空自编码器网络和时空CNN的行为异常检测方法，考虑群体异常行为稀少并且难以界定，检测模型难以学习到异常行为的特征信息，先用正样本训练时空自编码器网络，再将包含异常行为的视频输入时空自编码器网络，通过选择重建误差阈值筛选负样本，对筛选后负样本再进行扩充，减轻正负样本不均衡的程度；通过筛选后的负样本和原有正样本训练时空CNN，得到最终的检测模型；通过构建时空自编码器网络网络和时空CNN，这两个网络都可以从视频中提取高级语义特征，实现了视频图像中异常人群行为的检测，并提高了该算法在各种场景下的适用性。由于时空CNN模型结构简单，可以在仅使用CPU的环境中实现高精度的实时检测。
-
公开(公告)号：CN113096142B
公开(公告)日：2022-12-30
申请号：CN202110486616.4
申请日：2021-04-30
Applicant: 北京理工大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于联合嵌入空间的白质神经束自动分割方法。本发明利用联合嵌入空间学习了低维嵌入空间中输入和标签之间的对应于分割任务的关系，在分割预测的过程中隐式地利用了标签的相关性信息。此外，权重自适应调整策略使得两个支路的损失能在训练过程中阶段性地达到平衡，促进网络收敛。进一步地，单标签掩膜的后处理过程还能有效过滤掉分割结果中的假正例。因此本发明能够有效提升白质束分割的性能。实验表明，本发明所提出的方法能够提升分割结果的Dice系数。
-
公开(公告)号：CN110533668B
公开(公告)日：2021-09-21
申请号：CN201910693876.1
申请日：2019-07-30
Applicant: 北京理工大学
Abstract: 本发明公开了基于统计约束损失函数的脑梗塞病灶自动分割方法，能够提升病灶分割结果的准确性。其主要的思路为：获取脑部弥散加权磁共振图像进行预处理，获得b0图像和DWI图像并计算出表观扩散系数ADC真值图像；构建卷积神经网络，取手工标注的病灶标注图像、DWI图像以及ADC真值图像输入到卷积神经网络中进行迭代训练，卷积神经网络中预先定义四项损失函数，包括Dice系数损失函数、交叉熵损失函数、体积误差损失函数以及ADC值误差损失函数；在每一次迭代过程中，根据卷积神经网络的分割结果和病灶标注图像对四项损失函数进行优化；迭代训练结束后获得训练好的卷积神经网络；采用训练好的卷积神经网络对脑部弥散加权磁共振图像进行脑梗塞病灶的自动分割。
-
Patent Agency Ranking
公开(公告)号：CN112990074A
公开(公告)日：2021-06-18
申请号：CN202110351375.2
申请日：2021-03-31
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于VR的多场景自主式控制的混合脑机接口在线系统，包括视听觉刺激与应用场景呈现模块、双模态信号采集模块、自主式目标选择模块、单试次信号同步模块、数据预处理模块、信号特征提取与融合分类模块、控制指令发送模块、在线系统管理模块；该系统利用自主式目标选择实时采集用户在VR场景下的多模态数据，实时在线同步采集数据，分析数据，并将结果通过控制指令发送模块反馈到虚拟现实环境和其他智能设备上；本发明提高了脑机接口系统的鲁棒性和自主式控制的实际应用价值，为用户提供了多场景的训练和控制任务。
-
公开(公告)号：CN109062401B
公开(公告)日：2020-12-15
申请号：CN201810758578.1
申请日：2018-07-11
Applicant: 北京理工大学
Abstract: 本发明公开一种基于肌电信号的实时手势识别系统包括刺激模块、采集模块、数据截取模块、数据处理模块、分类模块和结果输出模块；刺激模块对使用者进行指定时长的手势引导并在指定时长的起始时刻发出标记信号，采集模块采集使用者作手势过程中的肌电信号以及标记信号；数据截取模块根据标记信号所在时刻以及指定时长对肌电信号进行截取；数据处理模块对截取后的肌电信号进行降噪处理和特征提取得到特征向量；分类模块利用训练数据进行训练，并对未知手势进行分类识别；结果输出模块对实时分类结果进行输出显示，本发明能够实现实时识别手势。
-
公开(公告)号：CN111738054A
公开(公告)日：2020-10-02
申请号：CN202010303192.9
申请日：2020-04-17
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于时空自编码器网络和时空CNN的行为异常检测方法，考虑群体异常行为稀少并且难以界定，检测模型难以学习到异常行为的特征信息，先用正样本训练时空自编码器网络，再将包含异常行为的视频输入时空自编码器网络，通过选择重建误差阈值筛选负样本，对筛选后负样本再进行扩充，减轻正负样本不均衡的程度；通过筛选后的负样本和原有正样本训练时空CNN，得到最终的检测模型；通过构建时空自编码器网络网络和时空CNN，这两个网络都可以从视频中提取高级语义特征，实现了视频图像中异常人群行为的检测，并提高了该算法在各种场景下的适用性。由于时空CNN模型结构简单，可以在仅使用CPU的环境中实现高精度的实时检测。
-
公开(公告)号：CN106872935B
公开(公告)日：2019-04-12
申请号：CN201710166691.6
申请日：2017-03-20
Applicant: 北京理工大学
IPC: G01S3/74
Abstract: 本发明提供了一种基于MUSIC的全电磁矢量传感器非圆信号波达方向估计方法，通过二维谱峰搜索获得信号的二维波达方向。在本方法中，将EMVS看作三组共点正交磁环和偶极子(COLD)天线，构造出一种空域极化域解耦的四元数模型，以及增广四元数域观测矢量，本发明相比于复数MUISC和四四元数MUSIC方法，其模型更简洁且不存在表达冗余，没有孔径损失，并且当接收信号中存在非圆信号时，本发明所提模型还可以对孔径进行虚拟扩展，对波达方向的估计精度优于现有算法。
-
公开(公告)号：CN109062401A
公开(公告)日：2018-12-21
申请号：CN201810758578.1
申请日：2018-07-11
Applicant: 北京理工大学
Abstract: 本发明公开一种基于肌电信号的实时手势识别系统包括刺激模块、采集模块、数据截取模块、数据处理模块、分类模块和结果输出模块；刺激模块对使用者进行指定时长的手势引导并在指定时长的起始时刻发出标记信号，采集模块采集使用者作手势过程中的肌电信号以及标记信号；数据截取模块根据标记信号所在时刻以及指定时长对肌电信号进行截取；数据处理模块对截取后的肌电信号进行降噪处理和特征提取得到特征向量；分类模块利用训练数据进行训练，并对未知手势进行分类识别；结果输出模块对实时分类结果进行输出显示，本发明能够实现实时识别手势。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.071 seconds)
