-
公开(公告)号：CN117388791A
公开(公告)日：2024-01-12
申请号：CN202311181504.3
申请日：2023-09-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种6GISCA系统宽带信号DOA估计算法，涉及通信宽带技术领域，其技术方案要点是：包括以下步骤：利用均匀线性阵列接收K个远场天线发射的宽带信号，将K个宽带型号分为F个窄带信号，其中K为正整数，构成输出信号矩阵Y。本发明基于均匀线性阵列，根据宽带入射信号的特点建立接收信号的稀疏信号模型，其次对模型中各变量构建基于狄利克雷过程先验的概率模型，然后引入虚拟节点，提出基于GAMP算法的变分贝叶斯宽带DOA估计方法；在对未知参数进行初始化后，输入接收天线阵列数据Y，通过DP‑GAMP算法进行迭代更新，得到概率模型参数的各估计值；最后，根据所得到的参数估计值，计算DOA的估计值。该方法具有复杂度低、估计精度高的特点。
-
公开(公告)号：CN117322852A
公开(公告)日：2024-01-02
申请号：CN202310730735.9
申请日：2023-06-20
Applicant: 联想新视界(南昌)人工智能工研院有限公司 , 桂林电子科技大学
IPC: A61B5/0205 , A61B5/00 , G16H50/30 , G06N3/04 , G06N3/09
Abstract: 本发明公开了一种基于深度学习的智能服装健康监护系统及方法。该系统主要包括智能服装模块、深度学习算法模块和云中心管理模块三个部分。其中智能服装模块由服装、传感器模块和无线通信模块组成，用于获取用户的各项生命体征数据，与深度学习算法模块进行数据交互。深度学习算法模块集成了训练好的人工智能模型，能实现对采集到的数据的分析和计算，得到相应的输出结果。云中心管理模块能和深度学习算法模块进行交互，集中管理储存所有采集到的信息、并进行分析和呈现，并生成相应的数据周边或月报，使用户更加直观地查看各项生命体征数据的变化。本发明创新性地将智能服装与深度学习算法、云中心计算技术和数据预处理技术相结合，采集信息更加全面，提高了输出结果的准确性，能够实现对用户生命体征数据的采集、处理、呈现，并将处理后的结果反馈给用户，对异常生命体征信息做出提醒，有效保障用户的健康，同时能够生成周报、月报反映用户生命体征的变化。
-
公开(公告)号：CN116758249A
公开(公告)日：2023-09-15
申请号：CN202310731683.7
申请日：2023-06-20
Applicant: 联想新视界(南昌)人工智能工研院有限公司 , 桂林电子科技大学
Abstract: 本发明公开了一种基于元宇宙的数字虚拟人社会系统及方法，该系统包括：虚拟原生人主控中心、虚拟人终端、虚拟原生人终端，所述虚拟原生人终端模块包括交互模块、数据存储模块、智能决策模块、模型建模模块，可实现虚拟原生人的自主决策功能，与虚拟人和原生人的交互社交功能，将数据传输至主控中心以及保存数据等功能；所述虚拟人终端包括物联网模块、数据分析模块、模型建模模块，可实现以人类外形在元宇宙中生成虚拟形象，并且与虚拟原生人进行交互社交，并上传数据至主控中心等功能；所述虚拟原生人主控中心包括数据存储模块、社会模拟模块，可实现将所获得的数据进行存储分析，对虚拟原生人下达决策指令，使虚拟原生人模拟现实社会行动等功能。
-
公开(公告)号：CN116740124A
公开(公告)日：2023-09-12
申请号：CN202310655750.1
申请日：2023-06-05
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: 本发明涉及小目标检测与多目标跟踪技术领域，具体涉及一种基于改进YOLOv8的车辆跟踪与车牌识别联合检测方法，将车辆检测跟踪与车牌识别融合在一个统一的系统中，通过以下步骤实现联合检测，首先采用改进YOLOv8算法对车辆与车牌进行检测，再使用基于匈牙利算法的BOT‑SORT跟踪算法进行车辆目标跟踪，同时使用LPRNet进行车牌识别，通过使用了可变形卷积操作代替标准卷积，可根据图像改变感受野大小，同时添加了MHSA注意力网络，在保证轻量化的同时，大大提升了物体检测精度，同时本发明将车辆多目标跟踪和车牌识别集成在一个系统中，使用方便，容易部署在边缘设备中。
-
公开(公告)号：CN116627099A
公开(公告)日：2023-08-22
申请号：CN202310730288.7
申请日：2023-06-20
Applicant: 联想新视界(南昌)人工智能工研院有限公司 , 桂林电子科技大学
IPC: G05B19/418
Abstract: 本发明提供一种基于Ceph大数据的生产环境无人机监控系统，涉及大数据监控技术领域和无人机领域，是两个领域的有机结合，所述无人机监控系统包括以下模块：大数据监控中心，所述监控中心负责数据处理、交换，数据传递，并根据处理的数据进行学习，自主地向无人机发送指令；其中包括数据处理主机、数据存储主机、冗余主机、以及用于连接各设备的路由器。节点工作站，所述工作站为无人机和监控中心建立通信，无人机通过zigbee协议与工作站通信，工作站将收集到数据上传导监控中心，同时也作为无人机的充电站。无人机系统，所述无人机包括：中央控制单元、通讯模块、用于获取监测信息的摄像头、用于扫描的激光模块、报警模块、定位模块、声音采集模块、模块化转接模块、无人机投影模块；中央控制单元能够存储少量的数据以及做少量的数据处理；模块化转接模块用于转接其他高级模块，实现模块化设计；投影模块用于无人机通话。
-
Patent Agency Ranking
公开(公告)号：CN116595899A
公开(公告)日：2023-08-15
申请号：CN202310409756.0
申请日：2023-07-18
Applicant: 桂林电子科技大学 , 桂林慧光空间科技有限公司
IPC: G06F30/28 , G09B9/00 , G09B25/02 , G09B19/00 , G06T17/00 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于软件的通用虚拟水下机器人训练平台实现方法。包括云服务资源管理模块，训练仿真模块两大部分。云服务资源管理模块包括预设资源和用户自定义上传资源，其功能即更新虚拟水下任务场景任务和不同水下机器人，记录用户水下机器人运动状态和实时操作记录，保存预设资源和用户上传资源，以供用户预览和下载。训练仿真模块主要提供不同水下机器人并实现对水下环境进行模拟仿真，和水下机器人的运动仿真，并通过UI界面提供给用户自定义改变水底场景和部分已有资源，并通过降低渲染所需性能来适配各种设备。
-
公开(公告)号：CN116385730A
公开(公告)日：2023-07-04
申请号：CN202310371404.0
申请日：2023-04-10
Applicant: 桂林电子科技大学
Abstract: 协助水下机器人作业的图像处理及识别方法，属于水下机器人作业的图像处理技术领域。为了解决现有的水下机器人图像处理系统图像模糊问题及工作效率低的问题。本发明结合水下机器人回传图像的光源是人造光源的特点，将图像分割分为光源区与非光源区，将去除光源后的有雾暗通道图像带入大气光成分算法中得到大气光成分A1，将原始有雾暗通道图像带入大气光成分算法得到的大气光成分A0，然后将A0与A1进行加权融合，进而获得曝光较好的去雾图像。本发明对YOLOV5进行下采样替换，还对训练集清洗进行了改进，将较好的去雾图像输入改进的YOLOV5模型进行目标识别，能够有效提升识别准确率。
-
公开(公告)号：CN115658913A
公开(公告)日：2023-01-31
申请号：CN202211284698.5
申请日：2022-10-17
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于Handle标识解析的电力设备信息图谱构建方法，具体步骤如下：步骤S1：对于在二级节点运营商上进行标识注册的电力设备，获取其标识码；步骤S2：通过Handle标识解析系统，对这些电力设备的标识码进行标识解析；步骤S3：通过设定的规则，将标识解析后得到电力设备的相关信息转换成若干个三元组；步骤S4：将上述三元组进行整合，构建形成一个图谱化的设备信息知识库；步骤S5：建立数据管理平台与设备信息知识库的联系，用于电力设备信息的维护和查询。采用上述一种基于Handle标识解析的电力设备信息图谱构建方法，能够实现将标识解析后的数据进行图谱化，加强了电力设备信息的可视化数据管理。
-
公开(公告)号：CN110334221B
公开(公告)日：2022-12-09
申请号：CN201910649318.5
申请日：2019-07-18
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F16/9535
Abstract: 本发明公开一种基于知识图谱路径的可解释性推荐方法，该方法通过获取用户的交互历史，将交互历史作为知识图谱的种子集，从种子集中获取用户‑项的数据集，在得到种子集的前提下，对种子集进行对应知识图谱的三元组查询，并将这些三元组抽取出来，将三元组信息中的组合实体和关系的语义来生成路径表示，根据路径进行推理来推断用户偏好；确定一个三元组路径后，在限制路径长度为4的前提下，查询该路径头实体到尾实体其它的路径，用多个三元组表示；找到多条路径后，对每条路径进行池操作来区分不同路径对预测推荐的贡献；选择贡献分最大的路径对用户进行解释性推荐。该方法推荐精度高，并解决了推荐的不透明性问题。
-
公开(公告)号：CN111949884B
公开(公告)日：2022-06-21
申请号：CN202010872372.9
申请日：2020-08-26
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06K9/62 , G06N3/04
Abstract: 本发明公开一种基于多模态特征交互深度融合推荐方法，该方法在xdeepfm模型的基础上，提出了一种融合多种模型的多模态特征交互深度融合模型。该模型将多个模型进行结合，并且将多模态特征进行融合，不仅能同时以显式和隐式的方式自动学习高阶的特征交互，使特征交互发生在向量级，还兼具记忆与泛化的学习能力，并且可以进行多任务训练。该方法推荐精度高，并提升了推荐的多模态特征融合的效果。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.055 seconds)
