-
公开(公告)号:CN106741337A
公开(公告)日:2017-05-31
申请号:CN201610989015.4
申请日:2016-11-10
Applicant: 广州大学
IPC: B62H5/20 , B60R25/10 , B60R25/102 , B60R25/34
CPC classification number: B62H5/20 , B60R25/1006 , B60R25/102 , B60R25/34
Abstract: 本发明公开了一种自行车防盗智能检测报警系统及其设计方法,自行车防盗智能检测报警系统包括自行车动作识别装置、振动检测装置、轮胎转动检测装置以及信息处理系统,所述自行车动作识别装置、振动检测装置、轮胎转动检测装置均与信息处理系统连接;设计方法包括:自行车动作识别装置识别处理自行车动作状况;振动检测装置判别处理自行车振动状况;轮胎转动检测装置检测处理自行车轮胎的转动状况;信息处理系统获取各装置的处理状况并传达给用户客户端。本发明实现了自行车自我检测是否处于被盗窃状态的智能化,也实现用户远程了解和掌握自行车的安全信息,便于用户及时对突发情况进行应对,降低了自行车被盗的概率,提高了自行车自身安全系数。
-
公开(公告)号:CN106710109A
公开(公告)日:2017-05-24
申请号:CN201710045980.0
申请日:2017-01-20
Applicant: 广州大学
IPC: G08B13/19
CPC classification number: G08B13/19613
Abstract: 本发明涉及一种自行车防盗动作姿势识别方法及装置,方法包括以下步骤:A、微处理器通过动作传感器实时采集自行车的动作姿势数据进行平稳去噪;B、微处理器基于去噪后的动作姿势数据开始自动判别自行车的动作姿势;C、微处理器对自行车动作姿势数据进行量化;D、微处理器基于量化后的动作姿势数据识别出自行车当前的动作姿势;E、微处理器基于当前的动作姿势相应控制扬声器的报警动作。本发明可准确判断出自行车当前的动作姿势,排除正常干扰动作,识别出自行车的危险动作姿势,并相应报警,从而大幅度加强防盗检测,杜绝被盗而识别不出的等问题。
-
公开(公告)号:CN104188599B
公开(公告)日:2016-09-14
申请号:CN201410373104.7
申请日:2014-07-31
Applicant: 广州大学
Abstract: 本发明公开了一种智能清洁机器人的自动充水控制方法及其装置,其中装置包括水龙头、接口装置,水龙头包括进水端、出水端,进水端设有电磁阀,电磁阀与控制器电连接,出水端为锥形,并在出水端外壁设有环形凹槽;接口装置设于智能清洁机器人上,包括密封圈、底盘、弹簧以及止动自定心销钉,底盘为一带上盖的圆环形盒体,底盘的内环壁上均匀分布有至少两个安装口,每个安装口各设有一个止动自定心销钉,弹簧设于止动自定心销钉与底盘的外环壁之间,密封圈设于底盘底部;水龙头的环形凹槽与接口装置的止动自定心销钉卡合连接。本发明装置原理、结构简单,生产安装无需特别的技术,易于实现,可安装于绝大部分需自动加水的新型智能清洁机器人上。
-
公开(公告)号:CN119810115A
公开(公告)日:2025-04-11
申请号:CN202411869376.6
申请日:2024-12-17
Applicant: 广州大学
IPC: G06T7/10 , G06T7/00 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种混合结构的医学图像分割系统,通过结合卷积神经网络、高效通道注意力模块和Transformer,以提高分割精度和效率,对医疗图像数据集Synapse进行预处理,然后利用三层卷积神经网络进行浅层特征提取,接着通过高效通道注意力模块增强特征,再将这些高分辨率特征图输入到Transformer中进行深层特征处理,最后通过解码器部分的卷积神经网络进行上采样操作,得到最终的预测分割结果。通过在跳跃连接中加入通道注意力,增强了特征融合能力,从而提高了分割结果的准确性,为医学图像分割领域提供了一种高效的方法。
-
公开(公告)号:CN118740212A
公开(公告)日:2024-10-01
申请号:CN202410937670.X
申请日:2024-07-12
Applicant: 广州大学
IPC: H04B7/04 , H04B7/0456 , H04W28/06
Abstract: 本发明公开了一种多变量联合优化方法、装置、设备及介质,其中,该方法通过获取所述基站至所述智能反射面的第一信道矩阵,以及所述智能反射面至所述用户端的第二信道矩阵;将所述第一信道矩阵和所述第二信道矩阵输入至混合级联网络,得到所述混合级联网络输出的混合预编码矩阵、预测相移矩阵和用户分配功率;根据所述混合预编码矩阵、所述预测相移矩阵和所述用户分配功率,对所述毫米波通信系统的系统总和速率目标进行最大化优化,得到多变量联合优化后的毫米波通信系统。该方法可以有效降低对多变量进行优化时的计算复杂度,所需的计算资源较少,提高毫米波通信系统的响应速度。本发明可广泛应用于无线通信技术领域。
-
公开(公告)号:CN113613095B
公开(公告)日:2024-05-10
申请号:CN202110789285.1
申请日:2021-07-13
Applicant: 广州大学
Abstract: 本发明涉及一种无人机通信技术结合无线能量传输的联合优化方法,包括步骤:S1、建立无人机与地面传感器无线能量传输和数据传输模型,联合优化无线能量传输区间、数据传输区间、无人机速度、无人机在无线能量传输区间工作的时间和无人机在数据传输区间工作的时间,进而最小化无人机总的飞行时间;S2、求解无人机对一个地面传感器的最小飞行时间;S3、扩展无人机对所有地面传感器的解。本发明通过无人机飞行速度的优化,能量传输和数据收集两个阶段的时间优化,对无人机飞行时间进行优化,使其在满足无人机与地面传感器通信要求的同时,减少无人机的飞行时间,能够节省无人机的飞行能耗,提升无人机作为飞行基站进行辅助通信的应用价值。
-
公开(公告)号:CN113747397B
公开(公告)日:2024-03-29
申请号:CN202111047650.8
申请日:2021-09-08
Applicant: 广州大学
Abstract: 本发明公开了一种无人机辅助行进车辆通信系统优化方法,包括步骤:S1、利用无人机搭建同时为多个行进车辆服务的无人机辅助行进车辆通信系统;S2、通过无人机辅助行进车辆通信系统辅助多个行进车辆进行通信;S3、建立无人机辅助行进车辆通信系统的优化问题:无人机与车辆k之间的通信传输速率总和最大化问题P1;S4、在考虑了车辆移动和环境因素的情形下,求解无人机与车辆k之间的通信传输速率总和最大化问题P1,从而优化变量:无人机飞行轨迹、子载波分配和各个子载波的功率分配。本发明不单使得无人机能辅助多个行进车辆进行通信,还在考虑了车辆的移动和环境因素的情形下,对无人机飞行轨迹、子载波分配和各个子载波发射功率分配进行联合优化。
-
公开(公告)号:CN117669148A
公开(公告)日:2024-03-08
申请号:CN202311466999.4
申请日:2023-11-07
Applicant: 广州大学
Abstract: 本发明涉及射频天线领域,且公开了多频段贴片天线智能设计方法,将特定的2D图像设计成贴片天线,而且该贴片天线具有多频段,并能够实现对天线性能的智能优化。首先,通过使用图像分割技术对贴片天线的目标形状进行分割和提取,得到特定频段的天线结构模型。然后,提取天线结构的多端口微波网络,选择天线内部端口的“开路”和“短路”状态,以实现调整天线性能,使得天线在不同频段的工作。最后,建立多端口微波网络模型与天线的辐射特性之间的关系,并使用遗传算法对多频段贴片天线进行全局优化,以实现天线在不同频段上的最佳阻抗匹配。通过迭代过程,可以找到满足多个频段的无线通信要求的最佳天线设计参数。
-
公开(公告)号:CN117369964A
公开(公告)日:2024-01-09
申请号:CN202311184597.5
申请日:2023-09-13
Applicant: 广州大学
Abstract: 本申请公开了一种边缘计算系统的任务处理方法及相关装置。其中,方法包括:通过在预先构建的边缘计算仿真系统中,根据仿真服务器执行仿真终端发送的仿真任务时的利用率生成第一优化目标,构建效用优化问题,然后构建外层优化问题和内层优化问题,并建立分层模型,若仿真服务器的利用率达到第一预设目标,则根据分层模型得到任务传输比例策略、传输时隙分配策略、任务缓存比例策略、计算资源分配策略和带宽资源分配策略,接下来基于上述五个策略对目标任务进行执行,从而使得边缘服务器的利用率满足第一预设目标,进而使得在边缘计算系统中有效地提高边缘服务器的利用率,并有效地降低终端执行目标任务时所需的资源成本。
-
公开(公告)号:CN117335851A
公开(公告)日:2024-01-02
申请号:CN202311325400.5
申请日:2023-10-12
Applicant: 广州大学
IPC: H04B7/06 , H04B7/08 , H04B17/391
Abstract: 本发明公开了基于强化学习的NOMA无人机网络能效优化方法及系统,该方法包括:构建智能反射面协作多小区NOMA无人机通信网络能效最大化模型;进行NOMA多小区划分与用户分配;考虑无人机飞行线路的能耗问题,在优化无人机轨迹的情况下,研究了IRS辅助NOMA‑UAV系统的轨迹和资源分配设计,采用强化学习方法通过与环境的交互不断改进其行为,从而得到最优的下行链路总容量和无人机传输信号和移动所要消耗的能量效率比值。本发明通过无人机三维轨迹设计和NOMA小区划分和IRS的无源波束成形来最大化整个系统的能源效率。本发明作为基于强化学习的NOMA无人机网络能效优化方法及系统,可广泛应用于NOMA无人机网络技术领域。
-
-
-
-
-
-
-
-
-