公开(公告)号：CN112101461A

公开(公告)日：2020-12-18

申请号：CN202010974728.X

申请日：2020-09-16

Applicant: 北京邮电大学

Inventor： 王松 ,  胡燕祝 ,  王子威

IPC: G06K9/62 ,  G10L25/57

Abstract: 本发明涉及基于HRTF‑PSO‑FCM的无人机侦察视觉信息可听化方法，是一种对无人机侦察方向的分布式视觉信息实现可听化的算法实现，属于目标追踪与机器学习领域，其特征在于采用如下步骤：(1)计算更新隶属度；(2)计算更新适应度；(3)更新每个粒子的速度；(4)更新每个粒子的位置；(5)进行灰度变换；(6)确定图像与声音的映射关系。本设计采用PSO‑FCM算法很好的将背景与信息主体相分离，极大加快主要信息的图像向声音的转换的过程，提高系统效率，促进实时性转换。采用声音的频率、响度和音长特征进行编码，有利于将图像信息的多维空间信息进行表示，提高图像信息转化为声音信息的辨识能力。

公开(公告)号：CN112085117A

公开(公告)日：2020-12-15

申请号：CN202010976289.6

申请日：2020-09-16

Applicant: 北京邮电大学

Inventor： 王松 ,  胡燕祝 ,  李家乐

IPC: G06K9/62

Abstract: 本发明涉及基于MTLBP‑Li‑KAZE‑R‑RANSAC的机器人运动监测视觉信息融合方法，是一种对国防军事和民用领域机器人运动监测的的分布式视觉信息融合的方法，属于目标跟踪领域，其特征在于采用如下步骤：(1)确定中心元素LBP值；(2)确定每一子区域内的8维描述向量；(3)计算两个描述向量之间的近似欧式距离；(4)进行图像的匹配点对，确定图像间投影变换的参数矩阵；(5)对剩下的特征点对进行dv操作；(6)确定采样迭代次数；(7)确定似然比；(8)确定最佳阈值。本发明相较于传统的识别方法有着高精度、高效率、低延时的特点，大大提高目标识别的速度。对于错误数据的识别和剔除有着较为准确的判断，提高精确信息的置信度，获得更准确的识别结果。

公开(公告)号：CN112085116A

公开(公告)日：2020-12-15

申请号：CN202010974725.6

申请日：2020-09-16

Applicant: 北京邮电大学

Inventor： 王松 ,  胡燕祝 ,  陈茜颖

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/12 ,  G10L25/18 ,  G10L25/21 ,  G10L25/30 ,  G10L25/39

Abstract: 本发明涉及基于GAQN‑ASTFT‑IDKPCA的运动过程视听信息融合方法，是一种对机器人运动过程中分布式视觉信息和听觉信息进行融合的方法，属于分布式光纤与信息融合领域，其特征在于采用如下步骤：(1)确定视觉信息与听觉信息的映射关系；(2)确定染色体编码长度；(3)确定适应函数；(4)确定产生的新个体；(5)确定融合信息的STFT变换；(6)确定融合信息的频谱特征；(7)确定高维特征空间协方差矩阵；(8)确定矩阵的特征值和特征向量。本发明充分考虑视觉信息和听觉信息叠加带来的选取权值较难的问题，通过对利用GAQN算法融合后的视听信息进行频域分析，获取其频谱数据，根据IDKPCA算法进行降维处理，最终实现全分布式视听信息融合。

公开(公告)号：CN112052629A

公开(公告)日：2020-12-08

申请号：CN202010976279.2

申请日：2020-09-16

Applicant: 北京邮电大学

Inventor： 王松 ,  胡燕祝 ,  康慧兵

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F119/08 ,  G06F119/14 ,  G06F111/06

Abstract: 本发明涉及基于ADLASSO‑SEMPSO‑RBF的分布式光纤信号听觉信息解耦方法，是一种对分布式光纤信号进行热力解耦的方法，属于信号处理与机器学习领域，其特征在于采用如下步骤：(1)确定布里渊频移随温度和应变变化的关系；(2)确定Lasso回归损失函数；(3)确定MPSO优化模型的惯性权重；(4)确定MPSO模型的学习因子；(5)确定MPSO中损失函数的迭代更新公式；(6)确定RBF神经网络隐藏层的输出；(7)确定隐藏层到输出层的权重矩阵变化量；(8)确定RBF神经网络的输出。本发明结合ADLASSO和SEMPSO方法对分布式光纤温度、应变信号进行了热力解耦处理，考虑了光纤本身随温度变化而导致的应变和应力的变化，为分布式光纤信号的热力解耦提供了一种有效实用的方法。

公开(公告)号：CN110659695A

公开(公告)日：2020-01-07

申请号：CN201910925989.X

申请日：2019-09-27

Applicant: 北京邮电大学

Inventor： 赵兴昊 ,  王松 ,  胡燕祝

IPC: G06K9/62

Abstract: 本发明涉及基于AWE-OTLMS-RC-OTL的数据流分类算法，是一种对数据流进行分类的方法，属于数据分析与机器学习领域，其特征在于采用如下步骤：(1)计算每个基分类器分类误差；(2)计算无效数据检测及剔除函数；(3)构建基分类器；(4)加权整合输出分类概率；(5)判定概念漂移样本错误率；(6)构建新的加权分类器。本发明有效的抑制了“负迁移”导致的分类准确率下降现象，降低了在检测到概念漂移之前发生概念漂移导致分类准确率下降的程度，加快了适应重现概念速度。这说明本发明达到较好分类效果，为数据流分类提供了一种准确率较高的新方法。

公开(公告)号：CN107576380A

公开(公告)日：2018-01-12

申请号：CN201710854451.5

申请日：2017-09-20

Applicant: 北京邮电大学

Inventor： 胡燕祝 ,  孟臻 ,  艾新波 ,  王松 ,  郝圣禹

IPC: G01H9/00

Abstract: 本发明涉及一种面向Φ-OTDR技术的三维振动信号分类方法，属于全分布式光纤传感技术中的信号处理领域。分为如下步骤：步骤一、确定原始信号的平均信噪比和信号有效范围；步骤二、原始信号的预处理；步骤三、原始信号的特征提取；步骤四、随机森林的信号分类。

公开(公告)号：CN104955107B

公开(公告)日：2017-02-22

申请号：CN201510227130.3

申请日：2015-05-06

Applicant: 南昌大学 ,  北京邮电大学

Inventor： 肖霖 ,  张天魁 ,  王松 ,  杨鼎成 ,  罗欢

IPC: H04W28/18 ,  H04W52/02 ,  H04W56/00

CPC classification number: Y02D70/00

Abstract: 本发明提出了一种无线传感网络占空比自适应调整方法。首先，针对自适应占空比调整方法中，线性调整占空比无法实现占空比与流量快速最佳匹配的问题，本发明将采用基于强化学习的预测方法，直接预测得出与节点流量相匹配的最佳占空比。其次，为了尽量减少簇头节点和普通节点间的通信，本发明将强化学习方法用于普通节点，由普通节点直接根据自身的流量情况预测得出下一周期的最佳占空比。

公开(公告)号：CN104955107A

公开(公告)日：2015-09-30

申请号：CN201510227130.3

申请日：2015-05-06

Applicant: 南昌大学 ,  北京邮电大学

Inventor： 张天魁 ,  王松 ,  杨鼎成 ,  罗欢 ,  肖霖

IPC: H04W28/18 ,  H04W52/02 ,  H04W56/00

CPC classification number: Y02D70/00 ,  H04W28/18 ,  H04W24/00 ,  H04W52/0203 ,  H04W56/001 ,  H04W74/08 ,  H04W84/18

Abstract: 本发明提出了一种无线传感网络占空比自适应调整方法。首先，针对自适应占空比调整方法中，线性调整占空比无法实现占空比与流量快速最佳匹配的问题，本发明将采用基于强化学习的预测方法，直接预测得出与节点流量相匹配的最佳占空比。其次，为了尽量减少簇头节点和普通节点间的通信，本发明将强化学习方法用于普通节点，由普通节点直接根据自身的流量情况预测得出下一周期的最佳占空比。