-
公开(公告)号：CN119312226A
公开(公告)日：2025-01-14
申请号：CN202411371971.7
申请日：2024-09-29
Applicant: 南京邮电大学
IPC: G06F18/2431 , G06F18/25 , G06F18/2131 , G06F18/15 , G06N3/0464 , G06N3/084 , G06F18/214 , G06F18/21
Abstract: 本发明提出了一种基于深度学习的跨域无人机识别方法，主要步骤包括：对不同时间采集的无人机射频数据进行预处理，生成时频图谱；利用多分辨率分析技术，将原始时频图谱分解为多个子频谱；应用轻量级、多尺度的神经网络架构，提取子频谱中的射频特征；采用特征增强方法，丰富和优化提取的特征；最后进行标签分类。该方法有效减少复杂频谱中的数据冗余，实现准确可靠的无人机识别。通过结合多尺度分析、轻量级网络架构和特征增强技术，本发明显著提升了模型的鲁棒性和泛化能力，具有广泛的应用潜力，在无人机管理和智慧城市监控等领域，为复杂电磁环境下的无人机识别提供了一种高效且可靠的技术方案。
-
公开(公告)号：CN108460381B
公开(公告)日：2022-06-10
申请号：CN201810203890.4
申请日：2018-03-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于图像识别的发票报销信息定位方法，包括从发票图像中分离提取全机打字符二值化图像；对全机打字符二值化图像进行黑白转换，获取相应的反转图像；对反转图像进行连通域连接，得到腐蚀成块图像；对腐蚀成块图像进行外部矩形边界检测，检测出各报销信息块的顶点和底点位置信息。本发明还公开了一种发票报销信息截取方法，包括采用前述的发票报销信息定位方法，按照纵向分行顺序截取各报销信息块。将本发明应用于发票报销中能够检测出所采集的发票图像中各个可报销信息连通域的位置信息，并根据位置信息对发票图像进行分块截取，提高了发票报销的工作效率、降低了出错率，具有较高的稳定性和鲁棒性。
-
公开(公告)号：CN113155197A
公开(公告)日：2021-07-23
申请号：CN202110494737.3
申请日：2021-05-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种智能水物联网系统，该系统包括从动传感单元，用于采集每个子监测范围的水质数据，并将采集的水质数据传输至主动传感单元；水位监测单元，用于对每个子监测范围内的水位进行监测；主动传感单元，用于接收从动传感单元及水位监测单元采集的水质数据及水位高度数据，并对水质数据进行筛选后，且将筛选后的水质数据及采集到的水位高度数据输送至计算机终端；计算机终端，用于接收主动传感单元输送的筛选后的水质数据及采集到的水位高度数据，并在数据异常时进行推送及预测下一天的数据；供电单元，用于为主动传感单元及计算机终端提供电能。有益效果：计算压力变小，传输成本降低，能够及时准确的得知水域水质信息。
-
Patent Agency Ranking
公开(公告)号：CN113109344A
公开(公告)日：2021-07-13
申请号：CN202110494738.8
申请日：2021-05-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于物联网技术实时高效的新型水质监测系统，该系统包括以下组成部分：水质监测模块，用于对水质进行实时监测，采集生成图像信息及水质数据并进行预处理；固定基站，用于接收水质数据进行进一步处理，并实现信号的放大与传递；检修无人机，用于对数据异常水域的实时检测与破旧设备回收；处理控制中心，用于接收图像信息与水质数据并进行处理分析，得到水质信息的参数；显示终端，用于将转换得到的参数直观进行显示。有益效果：通过设置水质监测模块及其内部的多个传感器，配合组成的mesh组网，能够对待测水域进行完整覆盖，降低功耗，传输可靠性高，传输速率快，通用性好及实用性强，进而大大提高检测的效率。
-
公开(公告)号：CN119474968A
公开(公告)日：2025-02-18
申请号：CN202411493538.0
申请日：2024-10-24
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于双流特征嵌入与一致性正则化的射频指纹识别方法，依次包括：获取并构建带标签的无线信号数据集，并分离内容信息与硬件特征；将无线信号数据集导入双流特征嵌入模块，提取原始信号和屏蔽信号的硬件特征；计算交叉熵分类损失与正则化损失，确保特征提取和分布一致性；基于综合损失函数对双流特征嵌入模块的参数进行优化；动态扩展双流特征嵌入模块，增加新类别分类器以适应新设备；部署模型进行在线识别，并实时更新模型权重。本发明通过一致性指导的稳健学习框架，有效增强了RFF在内容篡改场景下的识别性能和鲁棒性。
-
公开(公告)号：CN119316256A
公开(公告)日：2025-01-14
申请号：CN202411371975.5
申请日：2024-09-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于时频特征融合的脉冲神经网络通信制式识别方法、系统、电子设备及存储介质，其中方法包括：从物联网设备中获取通信制式数据并制作为初始通信制式数据集，将初始通信制式数据集按照比例划分为训练集、验证集和测试集数据；将划分的训练集导入时频域特征融合模块，获得综合时频域信息的样本特征；将综合时频域信息的样本特征输入脉冲神经网络模型，获得初始模型预测值、模型权重；将模型预测值与标签值代入分类损失函数计算，获得分类损失值；使用分类损失值更新脉冲神经网络模型参数，直至获得最优的脉冲神经网络模型；本发明提高对复杂现实环境中的通信制式数据检测效率与识别精度，同时降低资源受限场景下的识别能耗问题。
-
公开(公告)号：CN118395322A
公开(公告)日：2024-07-26
申请号：CN202410354397.8
申请日：2024-03-27
Applicant: 南京邮电大学
IPC: G06F18/2431 , G06F18/15 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了基于信号时频一致性预训练的小样本识别信号类型的方法，包括：采集样本信号；将样本信号输入预先训练好的联合模型中，输出识别的调制信号类型；其中，所述联合模型包括目标域深度特征提取模型和特征识别模型，所述联合模型是基于预先训练的时频一致性深度特征提取模型搭建的目标域初始化深度特征提取模型以及初始化特征识别模型，并利用目标域小样本有标签信号数据集以有效完成下游任务为目标对所述目标域初始化深度特征提取模型以及初始化特征识别模型进行训练得到的；本发明在小样本场景下无法有效、准确地提取信号内在深度特征来解决下游任务的问题，创造性地引入深度学习模型架构和时频一致性预训练加微调的训练范式，有效地实现小样本场景下对信号时频域内在深度特征进行提取，从而有效完成下游任务，具有相对较高的准确性、稳定性和鲁棒性。
-
公开(公告)号：CN115935154A
公开(公告)日：2023-04-07
申请号：CN202310232775.0
申请日：2023-03-13
Applicant: 南京邮电大学
IPC: G06F18/211 , G06F18/2136 , G06F18/2431 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于稀疏表示与近端算法的射频信号特征遴选与识别方法，其以遴选出稀疏特征进行信号识别为目标，首先获取物联网WiFi设备信号，输入搭建的复数卷积神经网络，实现原始特征的提取；接着为特征层添加稀疏参数，并在损失函数中加入正则化项对稀疏参数进行约束；然后采用随机梯度下降算法与近端梯度下降算法对稀疏参数进行反向传播过程；最后得到稀疏特征，并实现信号识别任务。本发明解决了网络提取的原始特征冗余而造成的信号识别任务准确率下降与资源浪费的问题，适用于多种不同的射频信号，在射频信号识别领域具有较高的应用价值。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.027 seconds)
