-
公开(公告)号：CN106993186B
公开(公告)日：2019-04-30
申请号：CN201710238369.X
申请日：2017-04-13
Applicant: 宁波大学
Abstract: 本发明涉及一种立体显著性检测方法，输入待检测立体图像的左图及待检测立体图像的深度图，将左图进行CIELab颜色空间变换，提取颜色空间变换后的左图的L亮度通道、a颜色通道和b颜色通道；将颜色变换后的左图和输入的待检测立体图像的深度图进行SLIC超像素分割，计算区域间对比度，归一化，去噪后得到待检测立体图像的空域显著图；分别对每个R通道子块、G通道子块和B通道子块进行DCT变换，计算区域间对比度，归一化、去噪后得到待检测立体图像的变化域显著图；融合空域显著图和变化域显著图，得到待检测立体图像的最终显著图。与现有技术相比，本发明的优点在于：能准确的检测出复杂背景图像图像显著性区域，鲁棒性与适应性更强。
-
公开(公告)号：CN105813089B
公开(公告)日：2019-01-15
申请号：CN201610297025.1
申请日：2016-05-05
Applicant: 宁波大学
IPC: H04W16/14 , H04B17/382 , H04B17/20 , H04B17/309 , H04B17/336
Abstract: 本发明公开了一种对抗噪声不确定性的匹配滤波频谱感知方法，其对天线接收到的时域连续的射频信号进行带通滤波和下变频处理，得到对应的时域连续的基带信号；然后对时域连续的基带信号进行时域采样处理，得到时域离散的基带信号；接着对时域离散的基带信号进行匹配滤波处理，得到匹配滤波处理输出的样本值；再根据时域离散的基带信号中的所有采样值和匹配滤波处理输出的所有样本值，计算噪声功率；之后根据噪声功率计算检验统计量，并根据噪声功率和设定的虚警概率计算判决门限；最后比较检验统计量与判决门限的大小，判定其它无线通信业务是否占用信道；优点是不需要知道噪声功率的精确值，在存在噪声不确定性时仍然具有较高的检测性能。
-
公开(公告)号：CN109188869A
公开(公告)日：2019-01-11
申请号：CN201811147993.X
申请日：2018-09-29
IPC: G03F7/20
Abstract: 本发明涉及一种在不透明基底上制备微结构的方法，该方法引入螺旋塔图案，该螺旋塔图案为由标示连续排列成的阵列，该阵列在水平面的投影中，由左向右横向排列n个标示后，朝上竖向排列n个标示，接着由右向左横向排列n个标示，然后向下竖向排列n-1个标示…依次循环而构成回形图，各相邻标示在水平投影上的间距均为a，且各标示分别比按排列顺序位于其前面的标示竖向上升高度b，其中5≤n≤8，从而能在不同高度尝试刻写，进而找到合适的焦点起始位置，继而能实现在不透明基底上的准确光刻。本发明加工速度快，精度高，灵活性强，可在不透明基底上制备各种微结构，且制备过程简单易操作。
-
公开(公告)号：CN107765216A
公开(公告)日：2018-03-06
申请号：CN201710755832.8
申请日：2017-08-29
Applicant: 宁波大学
IPC: G01S5/02
Abstract: 本发明公开了一种非同步无线网络中的目标位置和时钟参数联合估计方法，其根据目标源与传感器之间互发测量信号的时间戳，获取原始模型；然后对原始模型进行简化处理，处理后只剩下目标源的时钟漂移未知；接着用线性加权最小二乘估计方法获得时钟漂移的估计值；之后根据简化模型得到关于目标源的位置和时钟偏移的加权最小二乘问题，并松弛得到二阶锥规划问题，是凸问题，用内点法求解得到位置和时钟偏移的初步估计值；最后在加权最小二乘问题中加入正则化项，并松弛成二阶锥规划问题，用内点法求解得到位置和时钟偏移的最终估计值；优点是即使在大噪声环境中，也具有高定位精度。
-
公开(公告)号：CN105425206B
公开(公告)日：2017-09-05
申请号：CN201510740797.3
申请日：2015-11-04
Applicant: 宁波大学
IPC: G01S5/00
Abstract: 本发明公开了一种非同步无线网络中的稳健最小二乘定位方法，其先获取未知目标源发射的测量信号经传播到达传感器网络中各个传感器再经中转处理后转发返回到未知目标源时的基于往返到达时间的测量信号等效传输距离测量值；然后根据每个传感器对应的测量信号等效传输距离测量值，获取每个传感器相对应的等效距离测量模型；接着根据重新描述后的距离测量模型建立稳健最小二乘问题；之后通过引入优化变量及利用二阶锥松弛技术，将稳健最小二乘问题松弛为二阶锥规划问题；最后利用内点法技术对二阶锥规划问题求解，得到未知目标源的坐标估计值；优点是能够有效地抑制时钟漂移与中转时间对定位精度的影响，定位精度高，并且有较高的高精度定位稳定性。
-
Patent Agency Ranking
公开(公告)号：CN106842121A
公开(公告)日：2017-06-13
申请号：CN201610972773.5
申请日：2016-11-07
Applicant: 宁波大学
IPC: G01S5/06
CPC classification number: G01S5/06
Abstract: 本发明公开了视距与非视距混合环境中基于到达时间差的稳健定位方法，其将视距环境下的距离差测量模型和非视距环境下的距离差测量模型分开处理，建立最坏情况下的鲁棒最小二乘问题，同时又针对非视距环境下的参考路径为视距且普通路径为非视距和参考路径为非视距且普通路径为视距两种情况设计特定的约束，实现具体情况具体分析，充分利用了路径的状态信息；其针对视距环境下的距离差测量模型处理与非视距环境下的距离差测量模型处理的不平衡性问题，基于视距与非视距环境下定位精度的差异设计了一个有效的权值，将最坏情况下的鲁棒最小二乘问题调整为加权最小二乘问题，使得视距路径的作用得到充分发挥，从而使得定位精度得到了进一步的提升。
-
公开(公告)号：CN103581923B
公开(公告)日：2016-08-17
申请号：CN201310535442.1
申请日：2013-11-01
Applicant: 宁波大学
Abstract: 本发明公开了一种基于加权矩阵滤波的能量检测方法，其处理过程为：对监测频带中的信号进行采样得到采样信号；对采样信号中的所有采样点的信号进行分组，每组中的所有采样点的信号构成一个列向量；根据要进行频谱感知的监测信道的频率范围和一组中包含的采样点的信号的总个数，利用凸优化技术获取用于滤波的加权矩阵；利用加权矩阵和所有列向量计算要进行频谱感知的监测信道的能量；通过比较该监测信道的能量与判决门限，判定在该监测信道内有无授权用户信号，实现频谱感知；优点是本发明方法获得的加权矩阵能够直接获得监测信道的能量；另一方面，在用于滤波的加权矩阵的阶数和FIR滤波器的阶数相同时，本发明方法能够获得更高的频谱感知性能。
-
公开(公告)号：CN103179070B
公开(公告)日：2016-04-27
申请号：CN201210539586.X
申请日：2012-12-12
Applicant: 宁波大学
CPC classification number: Y02D70/00
Abstract: 本发明公开了OFDMA中继系统中一种基于速率约束的资源分配方法，其通过在建立优化资源分配模型时加入了用户间速率成比例约束条件，利用松弛用户速率比例约束条件确定各用户应至少分配到的子载波个数，然后为速率约束比最小的用户优先分配子载波，这样可使得本发明方法保证了用户间比例公平性；将剩余子载波根据信道增益最大分配给相应的用户，能够最大化系统总容量；在假定平均功率分配条件下，进行子载波分配和中继选择，然后在完成子载波分配和中继选择的基础上进行子载波上的优化功率分配，有效降低了计算复杂度。
-
公开(公告)号：CN103051583B
公开(公告)日：2016-04-27
申请号：CN201310005806.5
申请日：2013-01-07
Applicant: 宁波大学
Abstract: 本发明公开了一种基于速率自适应的OFDMA资源分配方法，该方法首先进行用户间的子载波数目分配，然后进行子载波分配，最后进行功率分配，优点是在子载波数目分配过程中是基于用户间预先设定的速率要求对应的比例系数而分配的；在子载波分配过程中先是基于最大化最小速率要求与对应的比例系数之比分配子载波，然后将剩下的子载波分配给信道增益最大的用户，这种子载波分配方式更能提高系统的吞吐量；在功率分配过程中是基于用户的速率要求对应的比例系数及相对信道增益按比例分配的，不仅易于实现，而且计算复杂度低。
-
公开(公告)号：CN105334495A
公开(公告)日：2016-02-17
申请号：CN201510741438.X
申请日：2015-11-04
Applicant: 宁波大学
IPC: G01S5/02
CPC classification number: G01S5/02
Abstract: 本发明公开了一种无线网络中基于信号到达时间的非视距稳健定位方法，其计算测量信号从未知目标源发射到每个传感器接收的传输距离测量值；然后对每个传感器相对应的距离测量模型进行重新描述；接着根据重新描述后的距离测量模型，建立一个初始的稳健最小二乘问题；之后根据稳健最小二乘问题得到上镜图形式；再利用二阶锥松弛技术松弛约束条件得到二阶锥规划问题；最后利用内点法技术对二阶锥规划问题求解得到未知目标源的位置的估计值；优点是利用二阶锥松弛技术对稳健最小二乘问题的描述进行松弛得到二阶锥规划问题的描述，可以确保得到全局最优解而不受局部收敛的影响，定位精度高；求解的未知优化变量少，因此计算复杂度较低。
-
-
-
-
-
-
-
-
-
Search Results
182
records
(took 0.03 seconds)
