-
公开(公告)号：CN117419706A
公开(公告)日：2024-01-19
申请号：CN202311353762.5
申请日：2023-10-18
Applicant: 桂林电子科技大学
IPC: G01C21/08 , G06N3/0464 , G06N3/0442 , G01C21/16 , G01C21/20
Abstract: 本申请适用于室内定位领域，提供了一种基于多特征驱动的神经网络地磁定位方法、计算机可读存储介质及计算机设备。所述方法包括：接收移动终端采集的地磁信号和传感器信息，创建用于地磁定位和步长估计的多维数据集；基于ResNet‑GRU‑LSTM神经网络模型进行地磁定位估计，得到预测的地磁定位结果；利用层级GRU神经网络模型得到用于预测得到行人航迹推算PDR定位的步长、步频和方向角；根据步长、步频和方向角以及地磁定位结果，通过粒子滤波进行地磁辅助多特征驱动的PDR定位，得到目标最终的位置。本申请能有效消除地磁定位和PDR定位带来的模糊定位误差和异常值，从而显著提高了定位性能，可以有效缓解设备的异构性，并具有很强的鲁棒性。
-
公开(公告)号：CN117372642A
公开(公告)日：2024-01-09
申请号：CN202311416054.1
申请日：2023-10-30
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明提出了一种基于数字孪生的三维建模方法及可视化系统，包括一：获取园区倾斜摄影图像数据，导入建模软件中得到园区倾斜摄影实景三维模型；二：将步骤一所述的图像数据导入Arcgis中，绘制得到园区道路WGS84杆状物、面状物、线状物shapefile矢量数据；三：采用3dsmax构建整个园区三维虚拟模型，对模型进行材质贴图和V‑ray渲染后分别导出.fbx格式模型；四：将步骤二所述shapefile文件导入Thingjs数字孪生开发平台，得到园区对应的地理位置，导入.fbx格式模型调整到对应地理位置发布得到融合GIS数据后的三维场景url地址；五：园区模型可视化采用发布的url地址动态加载园区模型；六：采用数据驱动的方法进行园区车辆行驶轨迹跟踪监控,读取后端车辆位置数据实时虚实映射到可视化平台上。
-
公开(公告)号：CN116720434A
公开(公告)日：2023-09-08
申请号：CN202310658397.2
申请日：2023-06-06
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明提出了一种基于BP神经网络PID算法的电离层闪烁模型实现方法，涉及电离层闪烁技术领域。该方法包括：复高斯信号权值分配、闪烁信号生成以及基于BP神经网络PID的权值更新；复高斯信号权值分配用于重新分配下一次的每段的复高斯信号对应的权值；闪烁信号生成用于根据模型设置参数和更新后的复高斯信号生成闪烁信号；基于BP神经网络PID的权值更新用于根据幅度指数的误差，迭代更新权值。本发明专利解决了电离层闪烁信号准确复现和随着数据更新周期越大，Cornell模型生成的闪烁信号，无法准确描述电离层幅度闪烁强度的问题，提高了仿真的电离层闪烁信号的真实性和复杂变换条件下的信号模拟的准确性。
-
公开(公告)号：CN116630666A
公开(公告)日：2023-08-22
申请号：CN202310723725.2
申请日：2023-06-19
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明提出一种应用于无人机图像匹配的SIFT‑KNN特征匹配方法，包括一：将图像均匀分割成m×n个相同的区域，将每个区域按逐行的顺序分别存储在集合{s1,s2,…,sm}中；二：构建尺度空间，输入图像通过二维高斯函数连续的对尺度进行参数变换，最终得到多尺度空间；三：采用Harris算子检测特征点,通过求解矩阵M特征值判断一个窗口是平面、边缘、角点；四：建立特征点KD树索引，将所有特征点分成两部分，直到每个叶子节点只包含一个像素值，顺着KD树计算出待匹配点的最佳匹配点对；五：判断图像1中的特征点对(f,f')，图像2中的匹配点对(f',f”)，匹配点f的像素值Ix，匹配点f”的像素值Iy，若Ix＝Iy，则(f,f')为初步正确的特征点对；六：采用渐近一致采样法在步骤五的基础上选取正确率相对要高的匹配点对。
-
公开(公告)号：CN116229293A
公开(公告)日：2023-06-06
申请号：CN202310088363.4
申请日：2023-02-09
Applicant: 桂林电子科技大学
Abstract: 本发明涉及无人机影像技术领域，具体涉及一种基于PMVS改进的多视角影像匹配方法，首先采用Harris+DoG算子对无人机图像进行特征点检测，在图像匹配阶段引入渐近一致采样法进行误匹配消除，提高了图像匹配的准确性，同时在面片生成上结合正态分布空间阈值选择空间点云，减少了面片生成的盲目性，最后在面片优化阶段采用改进的拟牛顿算法优化面片参数，在保证算法全局收敛性的情况下，提高了面片中心和法向量等相关参数的准确性，本发明能够有效解决PMVS算法图像匹配中的误匹配问题，选取正确率较高的匹配点集合，同时提高了算法中面片初始化和面片优化的效率，为面片扩散提高置信度较高的面片。
-
Patent Agency Ranking
公开(公告)号：CN115542359A
公开(公告)日：2022-12-30
申请号：CN202210881141.3
申请日：2022-07-26
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及全球卫星导航技术领域，具体涉及一种基于卡方检验的AWPSO姿态解算方法，利用姿态角与基线矢量的关系，构造姿态角的单历元适应度函数模型，通过适应度函数进行姿态角搜索，规避了整周模糊度求解带来的大运算量，同时采用自适应权重因子和候选解的方式提高了姿态角的搜索范围，减少算法早熟，提高算法收敛性，最后利用卡方检验对候选解进行有效性检测，并通过剔除无效解减小局部最优解引起的误差，提高了解算的精度和鲁棒性。
-
公开(公告)号：CN115170956A
公开(公告)日：2022-10-11
申请号：CN202210751710.2
申请日：2022-06-28
Applicant: 桂林电子科技大学
Abstract: 本发明涉及高光谱遥感图像处理技术领域，具体涉及基于多尺度熵率超像素的后验概率高光谱图像分类方法，包括对高光谱图像数据进行预处理，得到处理图像，对高光谱图像进行初始分类，得到多个初始分类标签光谱信息，对预处理图像进行主成分分析，得到前三个主要成分，对三个主要成分进行图像处理，得到不同尺度下的超像素图像，对超像素图像进行融合处理，得到降维的高光谱图像，对多个初始分类标签和降维的高光图像进行域变换插值卷积滤波处理，得到重排列分类标签，对高光谱图像进行分类，再进行超像素分割操作、特征提取和修正，得到最后的分类标签，从而改善现有的光谱图像分类技术提取空间信息不足以及忽视超像素边缘信息的问题。
-
公开(公告)号：CN113129337B
公开(公告)日：2022-07-19
申请号：CN202110400856.8
申请日：2021-04-14
Applicant: 桂林电子科技大学
Abstract: 本发明适用于计算机视觉跟踪领域，提供了背景感知跟踪方法、计算机可读存储介质及计算机设备，包括：构建背景感知模型，从背景感知模型中提取真实样本用于训练滤波器，所述真实样本指从测试视频中实时提取的目标信息和背景信息；从测试视频之外的视频数据集中以参考目标为条件来搜索目标对象，挖掘包括与目标相关度高于预设阈值的图像作为困难样本，重新根据所述困难样本训练并更新滤波器；通过更新后的滤波器更新DCFNet框架的输出，实现对目标的在线跟踪。解决了由傅里叶频域卷积带来的边界效应问题，增强了跟踪的鲁棒性。
-
公开(公告)号：CN114726688A
公开(公告)日：2022-07-08
申请号：CN202210375109.8
申请日：2022-04-11
Applicant: 桂林电子科技大学
IPC: H04L25/02 , H04B17/309 , H04B17/391 , H04L27/26 , H04L25/03
Abstract: 本申请提出了一种信道估计方法、系统、设备及可读存储介质。该方法包括：生成延时‑多普勒域随机序列矩阵并进行星座图映射，得到目标数据符号矩阵后转换为时频域数据符号矩阵；将导频矩阵插入至发射的时频域符号矩阵，得到时频域发射端符号矩阵后进行快速傅里叶逆变换，得到时域发射信号矩阵后进行并串变换处理，将串行的发射端符号序列发送至接收端后进行串并变换处理，得到接收端的时域接收矩阵并进行快速傅里叶变换，生成频域的接收信号矩阵；采用基扩展模型对快速时变信道进行建模，根据还原的时域信道矩阵计算出信道估计后的接收信号，从而进行误符号率性能分析。本申请能够应用于OTFS系统且兼容OFDM系统，并有效提高信道估计方法的性能。
-
公开(公告)号：CN113269809B
公开(公告)日：2022-06-21
申请号：CN202110496902.9
申请日：2021-05-07
Applicant: 桂林电子科技大学
Abstract: 本申请适用于图像处理领域，提供了一种多特征融合相关滤波目标跟踪方法、计算机可读存储介质及计算机设备。所述方法包括以下步骤：接收视频，在当前视频帧中获取待跟踪目标图像和待跟踪目标的跟踪框；分别计算待跟踪目标图像的深度特征和三个手工特征，首先对三个手工特征进行串行融合，得到一个单通道的手工特征图，然后对待跟踪目标图像进行深度特征提取，得到一个单通道的深度特征图，将手工特征图与深度特征图并行融合调整为相同尺寸再进行对应像素相加，得到最终的融合特征；基于树形结构尺度自适应的目标跟踪算法对待跟踪目标的跟踪框中的目标进行尺度缩放判断，得到目标的最佳尺度响应值；在相关滤波模型KCF中，根据最终的融合特征和目标的最佳尺度响应值确定待跟踪目标。本申请能增加目标的外观模型的可区分性。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.042 seconds)
