-
公开(公告)号：CN111726301B
公开(公告)日：2022-03-22
申请号：CN202010414567.9
申请日：2020-05-15
Applicant: 北京理工大学
IPC: H04L43/0852 , H04L43/0882 , H04L43/0894 , H04L47/25 , H04L65/80
Abstract: 本发明公开了一种实时视频中保证视频质量的拥塞控制方法及系统，能够快速响应带宽变化、并克服码率增加过多的缺点，提高了码率对带宽的跟踪速度，提高了带宽利用率，克服了码率增加过多造成网络拥塞的缺点。具体方案为：实时接收视频数据包，并计算延迟梯度。根据延迟梯度对当前网络状态进行过载检测，获得当前网络状态信号；当前网络状态信号为过载状态信号Overuse、正常状态信号Normal或低载状态信号Underuse。构建有限状态机，根据当前网络状态信号进行状态转换。根据状态机的当前状态，进行码率计算。根据计算出来的下一时刻即ti时刻的码率设定视频数据包的发送码率。
-
公开(公告)号：CN114119395A
公开(公告)日：2022-03-01
申请号：CN202111345303.3
申请日：2021-11-15
Applicant: 北京理工大学
Abstract: 本发明提出了一种失真检测与复原一体化的图像处理系统与方法，能够实现失真情况未知的图像的失真检测与复原，且复原效果较好。对于失真情况未知的原始图像，本发明的失真检测模块通过多个并行的分类器检测原始图像中各类型失真的失真程度，并以此建立该原始图像的失真向量，不仅可以检测出待处理图像中所含失真的类型，还能检测出相应的失真程度，检测结果正确率高；该原始图像输入到图像复原模块的主支路，对应失真向量输入到图像复原模块的调节支路，调节支路以失真向量作为先验信息对主支路进行调节，使其适应不同失真原始图像的复原，适用对象范围广，且这种设计考虑了多种失真之间的影响。
-
公开(公告)号：CN112508856A
公开(公告)日：2021-03-16
申请号：CN202011278437.3
申请日：2020-11-16
Applicant: 北京理工大学
Abstract: 本公开的混合失真图像的失真类型检测方法，将混合失真图像输入到残差网络中进行特征提取，得到所述混合失真图像的M维特征向量，M为正整数；将所述M维特征向量输入到多标签分类器中，得到混合失真图像的失真类型检测结果向量，根据所述失真类型检测结果向量的值得到所述混合失真图像的失真类型。能够完成混合失真图像的检测与判别任务，特征提取模块简单，可根据具体图像处理任务对所涉及到的失真类型进行相应的调整。
-
公开(公告)号：CN112347967A
公开(公告)日：2021-02-09
申请号：CN202011290529.3
申请日：2020-11-18
Applicant: 北京理工大学
Abstract: 本发明公开了一种融合运动信息的复杂场景下的行人检测方法，由运动目标识别网络和行人检测网络两个支路构成，将视频输入网络，分别获得运动目标框和行人检测提议候选框，将两种候选框进行融合，然后根据框的面积大小分成两组，送入两个子网络，分别进行分类和回归，最终合并输出结果；本发明针对分辨率较低、行人在画面中尺寸较小的视频，相较于其他算法可以达到更高的检测率；本发明的行人检测网络是利用运动信息减少漏检，对动态与静态行人目标的检测效果都很好。
-
公开(公告)号：CN119048347A
公开(公告)日：2024-11-29
申请号：CN202410984824.0
申请日：2024-07-22
Applicant: 北京理工大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/084
Abstract: 本发明属于图像处理技术领域，具体涉及一种真实世界图像超分辨率方法及装置。该方法为：获取用于神经网络训练的真实世界原始图像；构建包括浅层特征提取模块、深层特征提取模块以及高质量超分重建模块的神经网络；深层特征提取模块由n个高效超分组、1个LayerNorm层和1个卷积层组成；浅层特征提取模块的输入为原始图像，输出为浅层特征图；深层特征提取模块的输入为浅层特征图，输出为深层特征图；高质量超分重建模块的输入为预超分特征图，输出为超分图像；预超分特征图通过将深层特征图经过二维到三维的张量重塑后，和浅层特征图对应元素相加得到；利用原始图像对神经网络进行训练，利用训练好的神经网络获得真实世界图像超分辨图像。
-
Patent Agency Ranking
公开(公告)号：CN117377054A
公开(公告)日：2024-01-09
申请号：CN202311265112.5
申请日：2023-09-27
Applicant: 北京理工大学
Abstract: 本发明公开了低时延自组网系统中碰撞导致缺省同步码的载波同步方法，是利用未被碰撞的相邻脉冲的频偏和相位估计信息对碰撞丢失同步码的脉冲进行估计。本发明的频偏补偿的方法是根据已有频偏值计算出相对速度后计算出其他频点处频偏值。还可以使用利用频点图案对频偏值进行线性映射、用其他加权函数计算缺省值等，都要以一包数据内相对速度不变或变化较少的前提。本发明采用的相位补偿方法是基于连续相位调制实现跳时跳频通信，在该体制的基础上，可以实现高动态通信系统的频偏和相偏估计，进一步可以实现抗碰撞同步。抗碰撞的载波同步技术需要在连续相位调制方法的基础上进行。
-
公开(公告)号：CN116782239A
公开(公告)日：2023-09-19
申请号：CN202310358547.8
申请日：2023-04-06
Applicant: 北京理工大学
IPC: H04W16/10 , H04W72/0446 , H04W72/0453 , H04W84/18 , H04L41/12
Abstract: 本发明涉及一种基于网络环境感知的自组网时频资源管理方法，属于无线自组织网络通信技术领域。该方法基于RODD系统，发射和接收处理相分隔开，前期根据节点的吞吐量需求设计对应的跳时跳频图案，选取图案使得当前目标网络内频谱资源离散化，各个频点内的信息量保持相对均衡，当出现新的节点加入网络时，作网络环境感知，去除掉环境中干扰的影响，测量各个频点的占空比，估计新加节点的吞吐量，从前期构建的库中选出跳时跳频图案使得各个频点内的信息量依旧保持相对均衡，使得资源分布相对合理，减少由于资源分配带来的误包丢包问题，使得网络中各个节点通信保持相对稳定。
-
公开(公告)号：CN115396270B
公开(公告)日：2023-07-04
申请号：CN202210899354.9
申请日：2022-07-28
Applicant: 北京理工大学
IPC: H04L27/26 , H04L27/38 , G06N3/0464 , G06N3/09 , G06F18/24
Abstract: 本发明提出一种基于数据类型识别的调频信号时频同步系统及方法，使用深度学习网络根据基带信号时域、频域与时频域三种特征图对每段数据进行分类，每段数据由0、1两种符号或噪声构成，将两种符号数量相近的数据段分类为有效数据段，数量相差较大的数据段分类为无效数据段，无符号的数据段分类为噪声。将分类结果作用于现有的频率同步和码元同步模块，频率同步模块使用鉴频曲线计算频偏估计值，码元同步模块使用两种符号的功率差计算码元偏移估计值，实现联合频率同步和码元同步，并使用相干解调方法经采样判决得到解调结果。解决了连续相同符号会影响时频同步性能的问题，且支持任意调制频率的调频信号时频同步，提高了解调抗干扰能力和适用性。
-
公开(公告)号：CN116128755A
公开(公告)日：2023-05-16
申请号：CN202310018848.6
申请日：2023-01-06
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于边缘增强和失真估计的混合失真图像复原方法，涉及图像处理技术领域。该方法的具体实施方式包括：获取待复原图像；其中，待复原图像包括一种或多种失真；将包括一种或多种失真的待复原图像输入图像复原模型，将待复原图像输入特征提取模块，得到待复原图像的图像特征图；将图像特征图输入边缘检测模块，根据边缘检测模块的输出，得到边缘图像；将图像特征图输入失真估计模块，对待复原图像中的失真信息进行估计，得到失真向量；将图像特征图、边缘图像和失真向量输入图像重建模块，根据图像重建模块的输出，得到复原图像。该实施方式能够基于图像特征图、失真向量、边缘图像进行重建，得到复原后的图像，提高图像复原质量。
-
公开(公告)号：CN112637861A
公开(公告)日：2021-04-09
申请号：CN202011531181.2
申请日：2020-12-22
Applicant: 北京理工大学
Abstract: 本发明提供一种高效减少路由碰撞的组网协议，基于DSDV路由协议，修改周期性路由包和触发路由包的发包机制，采用随机化节点发包时刻的策略，为每个节点设置不同的固定路由周期，即让各个节点的路由周期随机错开，而每个节点本身的路由周期不进行适应性的变化，以达到减少各个节点间路由包碰撞的目的；由此可见，本发明为一种随机错开路由包发送时刻的高效减少路由碰撞的组网协议，能克服因路由包碰撞导致拓扑信息传递失败的缺点，还能降低节点间路由包碰撞的概率，提高路由包传递路由信息的效率。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.056 seconds)
