-
公开(公告)号：CN101608919B
公开(公告)日：2011-06-29
申请号：CN200910023357.0
申请日：2009-07-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于半导体激光器的X射线脉冲星导航嵌入式模拟系统，它包括：数据模拟单元、光子发射单元、光子探测单元和导航实验单元；数据模拟单元模拟X射线脉冲星辐射信号数据送至光子发射单元；光子发射单元使用模拟数据对激光调制激光器光强调制并将激光辐射入大气；光子探测单元从大气中接收光子发射单元的激光，滤除背景日光中非激光光谱成分，并对接收的激光进行光子计数后，送入导航实验单元；导航实验单元对光子探测单元的数据进行消噪、脉冲轮廓累计和脉冲到达时间测量处理，并利用时间测量数据进行导航实验。本发明能为导航信号的获取、信号处理、时间同步和导航设计验证提供完整的仿真实验平台。
-
公开(公告)号：CN118640927A
公开(公告)日：2024-09-13
申请号：CN202410728346.7
申请日：2024-06-06
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于动态特征紧耦合的单目视觉惯性里程计方法，实现步骤是：初始化单目视觉惯性里程计及相关参数；获取图像帧的观测值；对动态观测点进行识别；构造动态特征残差；对动态特征残差与单目VIO系统残差进行紧耦合；获取单目视觉惯性里程计结果。本发明通过充分准确提取动态特征，并对每个动态观测点的动态特征单元的动态特征残差与单目VIO系统残差进行紧耦合，从而充分利用动态信息，从而提高单目VIO系统在动态场景下的定位精度，具有较高的实用价值和应用前景。
-
公开(公告)号：CN118238147A
公开(公告)日：2024-06-25
申请号：CN202410556759.1
申请日：2024-05-07
Applicant: 西安电子科技大学
Inventor： 万波 , 姚炫竹 , 石一飞 , 李大庆 , 李圭印 , 苏柯嘉 , 刘锦辉 , 杨鹏飞 , 霍继旺 , 赵辉 , 罗楠 , 王笛 , 王义峰 , 刘刚 , 王泉 , 艾俊利 , 樊璐
IPC: B25J9/16
Abstract: 本发明公开了一种基于遥操作的仿生机械手人机交互系统及方法。主要解决现有技术手势识别方案稳定性差、遥操作时沉浸感及真实感差的问题。其交互系统包括头戴式VR显示器、可穿戴臂环、力反馈手套、本地主机、无人车平台、深度相机、机械臂和远程主机；该头戴式VR显示器、可穿戴臂环、力反馈手套均与本地主机信号连接，该无人车平台、深度相机、机械臂均与远程主机信号连接，该本地主机与远程主机通信连接。其交互方法包括控制机械臂运动、实现力触觉反馈、显示机械臂相关信息并行的三部分。本发明能提高手势识别的稳定性和鲁棒性，提升远程工作效率及沉浸感，实现虚拟环境和真实工作环境从场景到交互的一致性，可用于代替工作人员进入极端危险环境作业。
-
公开(公告)号：CN118228052A
公开(公告)日：2024-06-21
申请号：CN202410394532.1
申请日：2024-04-02
Applicant: 西安电子科技大学
IPC: G06F18/214 , G06F18/10 , G06F3/05 , G06F17/16 , G06F3/01 , G06F123/02
Abstract: 本发明提出了一种基于时间局部加权的锁相时移数据增强方法，解决了现有技术中扩充数据无法充分保留原始信号特征，信噪比低，训练数据采集耗时长的问题，实现步骤为：采集SSVEP信号，截取得到原始模板信号；按照锁相时移步长滑动窗口，得到锁相时移数据集；得到每个刺激源的时间滤波器；经滤波得到时域滤波后的锁相时移数据集；生成扩充训练数据集。本发明将SSVEP的响应周期长度定义为锁相时移步长，保留了信号的原始特征，通过局部时间协方差矩阵提高了抑制扩充信号中噪声的性能，减少了训练数据的采集时间，在小训练集的情况下也保证了较高的识别准确率，提高了SSVEP‑BCI系统中训练数据的采集效率，可应用在机器人控制等人机交互场景中。
-
公开(公告)号：CN118192808A
公开(公告)日：2024-06-14
申请号：CN202410486925.5
申请日：2024-04-22
Applicant: 西安电子科技大学
IPC: G06F3/01 , G06F18/241 , G06N3/0464 , G06N3/045 , G06N3/094 , G06N3/096 , G06N3/084 , G06F18/25 , G06F18/213
Abstract: 本发明公开了一种基于多源对抗与特征纯化的跨用户肌电手势识别方法，主要解决现有技术中跨用户肌电手势识别方法复杂度高、识别性能低以及稳定性差的问题。其实现方案是：从公开网站获取表面肌电信号数据，对其进行预处理并划分训练集、校准集及测试集；利用训练集构建域不变特征学习模块，分别建立域特异特征学习模块、特征融合模块及分类模块；将域不变特征学习模块与域特异特征学习模块并联后再与特征融合模块、分类模块级联，构成跨用户肌电手势识别迁移模型，并利用校准集对其训练；将测试集输入到训练好的跨用户肌电手势识别迁移模型得到手势识别结果。本发明识别复杂度低、精度高，稳定性好，可用于人机交互、健康监测与康复以及智能辅助设备控制。
-
Patent Agency Ranking
公开(公告)号：CN117442217A
公开(公告)日：2024-01-26
申请号：CN202311214306.2
申请日：2023-09-19
Applicant: 西安电子科技大学
Inventor： 万波 , 李圭印 , 苏柯嘉 , 刘锦辉 , 杨鹏飞 , 乔寒冰 , 李昕泰 , 霍继旺 , 赵辉 , 罗楠 , 王笛 , 王义峰 , 刘刚 , 王泉 , 艾俊利 , 樊璐 , 刘凯
IPC: A61B5/389
Abstract: 本发明公开了一种基于表面肌电信号的可穿戴上肢肌肉负荷强度评估方法。主要解决现有技术适用性差和肌肉负荷强度评估不准确的问题。其实现方案是：结合定性评估的RULA量表和定量评估的表面肌电信号，建立上肢姿态到肌电信号再到负荷强度的映射关系；构建高集成度可自定义扩展的低功耗可穿戴信号采集设备，以采集人体上肢信号；基于迁移学习和上肢信号建立适用不同用户的高鲁棒性神经网络模型，以评估用户的肌肉负荷强度；搭建肌肉负荷强度评估可视化平台，以展示上肢信号和肌肉负荷强度评估结果。本发明增提高了可穿戴设备的便携性、集成度和能耗比，提升了对不同人群上肢肌肉负荷强度评估的整体准确度，可用于评估人体上肢肌肉负荷强度等级。
-
公开(公告)号：CN111832498B
公开(公告)日：2023-07-28
申请号：CN202010692679.0
申请日：2020-07-17
Applicant: 西安电子科技大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的漫画人脸识别方法，其步骤为：(1)生成训练集；(2)生成C‑F Loss损失函数；(3)训练Xception卷积神经网络；(4)生成识别图片集；(5)对漫画人脸图片进行识别。本发明采用Xception卷积神经网络提取特征，可以提取到更完整的漫画人脸特征获得更高的识别率，同时，本发明在交叉熵损失函数的基础上增加了Focal Loss损失函数生成一个C‑F Loss损失函数，解决了不同类中的图片数量的不平衡和图片在训练后输出对应类别名的难易程度的不平衡的问题。
-
公开(公告)号：CN113506374A
公开(公告)日：2021-10-15
申请号：CN202110808508.4
申请日：2021-07-16
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于GPS信息辅助及空间网格划分的点云配准方法，实现步骤为：获取图像及其对应的GPS全局坐标信息；对每个图像集合进行预处理；对每个子场景对应的三维点云坐标进行转换；对无人机采集图像的场景进行空间网格递归划分；为每个空间网格计算全局编码；为每个三维点坐标分配网格编码；获取点云配准结果。本发明在粗配准中通过GPS信息的辅助，将三维点云坐标集合转换到全局坐标系下，有效降低了计算资源和配准的所需时间，在精配准中对无人机采集图像的场景进行空间网格递归划分，实现了由局部到整体的配准，提高了点云配准的精度。
-
公开(公告)号：CN113375665A
公开(公告)日：2021-09-10
申请号：CN202110675571.5
申请日：2021-06-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多传感器松紧耦合的无人机位姿估计方法，解决在无先验信息的环境中，无人机移动时对无人机进行位姿估计的问题。本发明的实现步骤是：分别构建与融合视觉、IMU和GPS传感器信息对应的视觉残差、IMU残差和GPS残差，通过紧耦合优化使残差和最小，得到紧耦合优化后的无人机位姿，再使用紧耦合优化后的位姿和GPS信息，分别构建绝对残差和相对残差，进行松耦合优化，使两个残差项的和最小，得到松耦合优化后的无人机位姿。本发明利用松紧耦合融合多传感器信息的无人机位姿估计方法，有效解决了无人机位姿中存在累积误差的问题，可以鲁棒的估计得到高精度的无人机位姿。
-
公开(公告)号：CN106600622B
公开(公告)日：2019-11-08
申请号：CN201611111975.7
申请日：2016-12-06
Applicant: 西安电子科技大学
IPC: G06T7/162
Abstract: 本发明公开了一种基于超体素的点云数据分割方法，通过考虑点云数据的三维几何关系和区域连通性，利用聚类的方法将点云数据进行过分割，得到依附于目标边界的超体素；计算超体素数据平面拟合的残差值，依该值对其进行排序和筛选得到有效的种子超体素，并利用法线分布直方图、测地距离和欧式距离的差值进行区域增长，最终实现对点云数据的分割处理。以室内局部场景的点云数据作为输入，通过利用超体素和区域增长算法实现点云数据的精确分割。本发明与传统的点云分割方法相比，在保证分割效率的前提下，避免了直接处理点云数据所导致的欠分割和过分割问题，得到具有精确边界信息的分割结果，而且分割方法对点云数据的采样密度和噪音是健壮的。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.034 seconds)
