-
公开(公告)号：CN118072109A
公开(公告)日：2024-05-24
申请号：CN202410431556.X
申请日：2024-04-11
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/092 , G06N3/0895
Abstract: 本发明公开了一种基于数据增强和对比学习的图像识别方法及系统，涉及图像识别技术领域，包括以下步骤：接收原始EEG数据，对原始EEG数据进行预处理，得到纯净的EEG数据，对纯净的EEG数据进行分段切片划分，得到EEG数据集；将EEG数据集输入至预先建立的VAE‑GAN的数据增强模型内，输出得到EEG人工样本；将纯净的EEG数据和EEG人工样本输入至预先建立的基于CRL和多任务自编码器的特征学习模型内，输出得到学习特征，将学习特征输入至Softmax分类器内得到分类识别结果。
-
公开(公告)号：CN117176226A
公开(公告)日：2023-12-05
申请号：CN202311270016.X
申请日：2023-09-28
Applicant: 南京信息工程大学
IPC: H04B7/06 , H04W72/044
Abstract: 本发明公开了一种基于公平性的NOMA辅助STAR‑RIS网络波束形成设计方法，包括如下步骤：步骤1、建立一个STAR‑RIS辅助下行链路MISO‑NOMA系统；步骤2、提出BS处的主动波束形成向量、传输矩阵和反射矩阵的联合优化问题；步骤3、针对步骤2中的联合优化问题，对于给定的透射和反射矩阵研究有源波束形成的最优设计；步骤4、根据步骤2中所得的波束形成优化方案，进一步优化IRS处的传输和反射相移；步骤5、将步骤3中BS处优化的主动波束形成和步骤4中IRS处的相移进行联合优化，找到最优的最小传输速率。本发明通过固定RIS的发射和反射矩阵来表征BS处主动波束形成的最优解，在给定的主动波束形成条件下对RIS的发射和反射矩阵进行优化，以实现最大最小公平性。
-
公开(公告)号：CN117074531A
公开(公告)日：2023-11-17
申请号：CN202311068545.1
申请日：2023-08-23
Applicant: 南京信息工程大学
IPC: G01N29/04
Abstract: 本发明公开了一种基于参考信号预测的兰姆波损伤概率成像方法，包括：获取布置在目标检测区域传感器阵列中每条路径上响应信号，计算每条路径上响应信号的希尔伯特谱；确定初始信号及其对应路径长度；计算每条路径的参考信号的希尔伯特谱；根据每条路径上响应信号的希尔伯特谱和参考信号的希尔伯特谱，计算这条路径的希尔伯特谱损伤指数；根据每条路径发射传感器和接收传感器的坐标，计算这条路径的成像区域内坐标点处的空间分布函数；根据所有路径的希尔伯特谱损伤指数和空间分布函数，利用椭圆概率成像方法对目标检测区域内的缺陷进行成像。直接分析待检测薄板结构的有损信号，实现全部区域的缺陷检测成像，使得检测的效率和准确度大大增加。
-
公开(公告)号：CN116259321A
公开(公告)日：2023-06-13
申请号：CN202211100596.3
申请日：2022-09-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于鸟鸣声的鸟种类识别方法、装置及存储介质，该方法包括：(1)获取若干段鸟鸣声，并对鸟鸣声进行预处理；(2)分别采用两组不同的滤波器组对鸟鸣声的功率谱进行滤波，并分别提取滤波后的信号的系数，再将两组系数、鸟鸣声短时能量和鸟鸣声短时过零率组成当前鸟鸣声的特征向量；(3)构造非线性分类模型，并采用猎物优化方法寻找到非线性分类模型中的最优核函数；(4)将提取的鸟鸣声特征向量输入非线性分类模型进行学习；(5)提取待识别鸟鸣声的特征向量，并将特征向量输入已学习好的非线性分类模型中，识别出鸟种类。本发明复杂度低、精确度高。
-
公开(公告)号：CN116092505A
公开(公告)日：2023-05-09
申请号：CN202310115088.0
申请日：2023-02-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了声音识别技术领域的一种基于声音特征优化选择的鸟声识别方法，包括以下步骤：先对鸟声信号做傅里叶变换并加权；计算鸟声的功率谱，设计两组滤波器对功率谱滤波，并分别提取滤波后的滤波信号的系数，对每组滤波后的信号的系数求协方差矩阵，得到优化后的鸟声特征，最后将两组优化后的鸟声特征组成鸟声的特征向量；构造非线性分类模型f(x)，并采用改进的优化方法寻找到非线性分类模型中的最优核函数；将提取的鸟声特征向量输入非线性分类模型进行学习。本发明鸟声识别方法相较于其他鸟声识别方法，通过设计新的鸟声特征并优化选择、优化非线性分类方法的核参数，使得鸟声具有更优的分类准确率，且计算时间短，简单易行，实时性好。
-
Patent Agency Ranking
公开(公告)号：CN110346600B
公开(公告)日：2021-04-06
申请号：CN201910772635.6
申请日：2019-08-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种超声波风速风向测量方法，该方法首先建立十字交叉的超声波风速测量装置，然后采集换能器发射信号和相对应换能器接收信号的时间数据，基于风速和角度补偿计算正交路径超声波测风仪的风速和风向，缩小风速和风向测量值和实际值的误差。本发明解决超声波测风仪换能器阴影效应带来误差使风速风向测量精度降低的问题，极大的提高测量数据的精确性。
-
公开(公告)号：CN111861886A
公开(公告)日：2020-10-30
申请号：CN202010682515.X
申请日：2020-07-15
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于多尺度反馈网络的图像超分辨率重建方法，包括如下步骤：(1)建立图像数据集；(2)提取输入图像的特征，其次用多尺度上、下投影单元递归实现低分辨率和高分辨率的特征映射，得到不同深度的高分辨率特征图，然后把高分辨率特征图用卷积计算得到残差图像，最后对低分辨率图像插值并与残差图像相加得到输出的图像；(3)用数据集训练多尺度反馈网络，生成训练后的网络模型；(4)将待处理的低分辨率图像输入训练好的网络中得到输出的高分辨率图像。本方法不但通过较小的参数调整就可以训练不同深度的网络以及扩展到其他放大倍数、节约了训练成本，而且可以实现更大倍数的放大，提高重建图像的峰值信噪比和结构相似性。
-
公开(公告)号：CN111798530A
公开(公告)日：2020-10-20
申请号：CN202010683173.3
申请日：2020-07-15
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种遥感图像分类方法，该方法包括以下步骤：建立彩色遥感图像集；对彩色图像灰度化处理得到灰度图像并用圆形局部二值模式方法计算灰度图像的局部特征纹理图像；对彩色图像和局部特征纹理图像分别归一化；归一化后的彩色图像和归一化后的局部特征纹理图像融合得到融合图像；计算融合图像的卷积；构建胶囊网络；用融合图像的卷积训练胶囊网络，生成训练后的胶囊网络模型；将待分类的遥感图像输入到训练好的胶囊网络中，计算出待分类的遥感图像的类别。该方法不但具有更好的收敛性，而且还能提高遥感图像的分类准确率，尤其是针对纹理信息较为丰富的图像。
-
公开(公告)号：CN106707235B
公开(公告)日：2019-07-02
申请号：CN201710133354.7
申请日：2017-03-08
Applicant: 南京信息工程大学
IPC: G01S5/10
Abstract: 本发明公开了一种基于改进的无迹卡尔曼滤波的室内测距定位方法，包括选用卡尔曼滤波对接收到的RSSI值进行预处理得出状态向量的最优估计；采用最小二乘法对经过卡尔曼滤波处理过的RSSI值进行数据拟合，得出当前实验环境下的两个环境参数A和m；用改进的无迹卡尔曼滤波方法对RSSI值进行二次处理，得出锚节点和目标节点间的距离值；将求得的锚节点和目标节点间的距离值通过三边测量法估计出未知节点位置坐标。本发明方法借助于鲁棒目标函数实时修正无迹卡尔曼滤波中的噪声估计值，降低噪声不准的估计值的权重，提高状态变量估计精度。
-
公开(公告)号：CN109856252A
公开(公告)日：2019-06-07
申请号：CN201910105027.X
申请日：2019-02-01
Applicant: 南京信息工程大学
IPC: G01N29/44
Abstract: 本发明公开了一种基于频散补偿与盲分离的多模式兰姆波分离方法，沿兰姆波的传播路径上选取N个位置点，分别测量得到对应点的N个模式混叠信号并设其中一位置点为初始点。对其它点的混叠信号用随机选择一个模式频散特性根据与初始点的距离进行补偿，使得不同距离的兰姆波信号补偿回到初始点，利用盲分离联合近似对角化法以及该模式的时频分布特性，将兰姆波信号中包含的该模式信号分离出来。分别根据N个模式的频散特性重复上述频散补偿及盲分离操作即可将初始点混叠信号中包含的N个模式一一分离出来，实现多模式兰姆波信号的模式分离。本发明方法能够准确地分离出多模式兰姆波信号中的各个模式，提高分离的精度。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.055 seconds)
