-
公开(公告)号：CN113347666A
公开(公告)日：2021-09-03
申请号：CN202110516347.1
申请日：2021-05-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种高速组播流的多信道绑定传输方法，属于通信技术领域，包括以下步骤：(1)初始化方法参数；(2)中心节点确定覆盖所有从属节点的发送信道集合；(3)中心节点确定本次选择的实际发送速率；(4)中心节点更新待发送业务速率，更新信道带宽速率；(5)中心节点以选择的实际发送速率发送组播帧；(6)从属节点接收组播帧并根据帧序号进行重复帧过滤；本发明通过将高速组播流在多个信道传输，既解决了某些情况下单信道传输带宽无法满足组播流带宽需求的问题，使得组播各接收节点都能完整接收到高速组播帧，同时组播流只在选出的若干信道上被复制传输，从而可降低对信道带宽资源的浪费。
-
公开(公告)号：CN112784690A
公开(公告)日：2021-05-11
申请号：CN202011623078.0
申请日：2020-12-31
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的宽带信号参数估计方法，基于YOLOv4网络和灰度时频图实现宽带特定信号的检测和识别，并对检测结果进一步计算和更新得到每个检测到宽带信号的估计参数，克服了现有方法检测识别精度低、参数估计不准、适用类型少且严重依赖专家先验等问题。本发明主要包括以下步骤：(1)生成宽带特定信号训练集；(2)训练YOLOv4网络；(3)对宽带信号灰度时频图进行检测识别；(4)计算检测识别到的每个宽带特定信号的参数；(5)对宽带特定信号的参数进行判断；(6)更新宽带特定信号参数。本发明具有宽带特定信号检测识别精度高、参数估计准和方法普适等优点，可用于无线电检测和侦查中对宽带信号进行分析。
-
公开(公告)号：CN109498370B
公开(公告)日：2021-02-19
申请号：CN201811603026.X
申请日：2018-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于肌电小波关联维的下肢关节角度预测方法。首先，从人体下肢的相关肌肉组上采集表面肌电信号，运用能量阈值确定表面肌电信号的动作信号段。对动作信号段的表面肌电信号进行小波降噪得到有效表面肌电信号。然后将有效表面肌电信号进行小波多尺度分解,提取每一层的低频系数,再对每一层低频系数计算关联维。结合低频系数和关联维数计算有效肌电信号的小波关联维系数特征,将这一特征作为预测网络的输入。先将提取到的肌电信号分为训练集与测试集,按上述方法提取特征。训练集训练好网络之后,使用测试集验证预测准确率。实验结果表明，该方法获得了较高的人体下肢运动膝关节角度预测率，预测结果优于其它预测方法。
-
公开(公告)号：CN111258426A
公开(公告)日：2020-06-09
申请号：CN202010051096.X
申请日：2020-01-17
Applicant: 杭州电子科技大学
IPC: G06F3/01
Abstract: 本发明涉及到一种基于肌电肌音模型和无迹粒子滤波的关节运动估计方法，首先采集人体上肢肩关节和肘关节在同步连续运动状态下肱二头肌、肱三头肌、肱桡肌、斜方肌、小圆肌、前三角肌、侧三角肌和胸大肌的表面肌电和肌音信号，分别对其进行带通滤波处理；然后提取表面肌电和肌音信号的威尔逊幅值和模糊熵特征；通过参数替代和化简将生理肌肉模型和关节运动学相结合组成关节运动模型，并将提取到的特征组成测量方程作为关节运动模型的反馈，得到肌电肌音状态空间模型；最终通过无迹粒子滤波算法对肩关节和肘关节的同步连续运动进行估计。该方法与传统的多关节同步连续运动估计方法相比，在预测精度和实时性方面有了明显的提高。
-
公开(公告)号：CN109885159A
公开(公告)日：2019-06-14
申请号：CN201910038188.1
申请日：2019-01-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及到一种基于正向动力学与希尔模型的状态空间肌电模型构建方法，首先采集关节在连续运动状态下相关肌肉的肌电信号，并对其进行带通滤波处理，然后由神经激活求出相关肌肉激活，并将其代入希尔肌肉模型，然后对希尔肌肉模型进行化简及参数替代，再将替代后的简化模型与关节正向动力学结合，得出离散时间状态下的预测模型，最后通过对采集到的相关肌电信号进行均方根和小波系数的特征提取，组成测量方程作为状态反馈，并通过拟合方程与关节运动拟合，得到最终的状态空间肌电模型。该模型与传统的角度估计方法相比，在预测精度和实时性等方面都有了明显的改进。
-
Patent Agency Ranking
公开(公告)号：CN109665841A
公开(公告)日：2019-04-23
申请号：CN201910031831.8
申请日：2019-01-14
Applicant: 杭州电子科技大学
IPC: C04B35/50 , C04B35/622 , H01F1/01 , H01F41/00
Abstract: 本发明公开了一种低温合成近室温铁磁体的制备方法，本发明先将高纯度氧化物原料按照摩尔比称量，放入玛瑙研钵中，研磨混合；再将混合均匀的氧化物粉体按照一定的摩尔比例与KCl粉体混合，氧化铝坩埚中，放入马弗炉中，煅烧后的粉体，放入玛瑙研钵中研磨，获得均匀的粉体；将获得粉体放入加热后的蒸馏水中，通过过滤装置过滤，获得含有一定水分的坯体；最后再干燥箱烘干获得不含水分的坯体，最后研磨获得黑色粉体。本发明方法通过熔盐KCl粉体的加入，降低了La2NiMnO6双钙钛矿粉体的合成温度，并且减短了合成时间。
-
公开(公告)号：CN109645995A
公开(公告)日：2019-04-19
申请号：CN201910038177.3
申请日：2019-01-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及到一种基于肌电模型和无迹卡尔曼滤波的关节运动估计方法，首先采集膝关节在连续运动状态下股二头肌、股四头肌、股外侧肌、股内侧肌、半腱肌、股薄肌的肌电信号和实时角度，对其进行带通滤波处理，并提取小波系数和均方根特征，然后使用一种结合了肌肉动力学、关节动力学、骨骼动力学和相关肌电特征的状态空间肌电模型，通过无迹卡尔曼滤波算法，得出Sigma采样集χi和权重Wi，然后进行进一步的预测，计算出系统状态变量和协方差矩阵P(k+1|k)，迭代循环后，实现对膝关节连续运动的估计。该方法与传统的角度估计方法相比，减小了系统误差、累积误差和外部干扰的影响，精度高，稳定性好，对目标机动反应快速，有了明显的改进。
-
公开(公告)号：CN109524112A
公开(公告)日：2019-03-26
申请号：CN201811601572.X
申请日：2018-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于部分定向相干法的脑功能网络构建方法；本发明首先采集脑电信号，对脑电数据进行小波硬阈值去噪、用独立成分分析方法去除心电、眼电。其次，对脑电信号运用多轨道自回归模型进行建模，并通过拉普拉斯变换将其转化到频域上，得到线性部分定向相干值。然后，利用AIC准则确定模型的阶数，采用显著性水平的方法计算阈值，根据阈值确定二值化矩阵。最后，根据二值化矩阵建立脑功能网络连接图。功能网络连接图以采集脑电通道位置作为节点位置。数据显示使用该方法能够鉴别患者发病间期分别与人体视觉、体觉及精神功能相关脑网络结点的变化情况。
-
公开(公告)号：CN109498009A
公开(公告)日：2019-03-22
申请号：CN201811606406.9
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: A61B5/0488 , A61B5/11 , A61B5/00
Abstract: 本发明公开了一种基于特征类可分性指标的人体日常行为肌电特征选择方法。首先，采集了人体下肢活动中四路表面肌电信号，然后计算了10种提取每路肌电信号的10个肌电特征形成肌电特征池，对静态动作、步态动作、静态转换动作的三大类分别计算10个肌电信号特征各自的特征类可分性指标，从肌电特征池中选择特征类可分性指标高于0.6的肌电特征组成静态动作肌电特征组，特征类可分性指标高于0.5的肌电特征组成步态动作肌电特征组，特征类可分性指标高于0.2的肌电特征组成静态转换动作肌电特征组。根据特征类可分性指标可以最大限度的利用各个特征，不会造成特征信息的浪费或冗余，大大降低了算法的复杂度，使分类效果更好。
-
公开(公告)号：CN108681752A
公开(公告)日：2018-10-19
申请号：CN201810525276.X
申请日：2018-05-28
Applicant: 电子科技大学
CPC classification number: G06K9/6262 , G06N3/0454
Abstract: 本发明公开了一种基于深度学习的图像场景标注方法，包括场景图像数据集，构建卷积神经网络，训练模型，图像标注；所述场景图像数据集，用于训练和测试深度学习场景识别模型；所述构建卷积神经网络，构建用于场景识别的卷积神经网络的模型；所述训练模型，通过训练卷积神经网络，得到场景识别模型；所述图像标注，将模型识别图像得到图像的场景标注词。本发明解决了图像场景标注的不足，解决了图像场景标注的准确率。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.026 seconds)
