-
公开(公告)号：CN117973283A
公开(公告)日：2024-05-03
申请号：CN202311567762.5
申请日：2023-11-23
申请人： 东南大学 , 南京集成电路设计自动化技术创新中心
IPC分类号： G06F30/3315 , G06F117/12
摘要： 本发明公开了一种亚阈值区组合逻辑单元统计延时建模方法，仿真不同输入转换时间的延时波动标准差，同时通过对快输入、慢输入不同情形的单元统计延时模型求解不同输入转换时间的延时波动标准差，得到二者的归一化误差进而划定输入过渡区边界。通过快输入、慢输入不同情形的单元统计延时模型获得输入过渡区两边界的延时波动标准差，最终获得输入过渡区的延时统计模型。本发明提供的一种亚阈值区组合逻辑单元统计延时建模方法仿真开销低，预测精度高，对于数字集成电路的静态时序分析时序签核具有重要意义。
-
公开(公告)号：CN113362251B
公开(公告)日：2024-03-26
申请号：CN202110715304.6
申请日：2021-06-27
申请人： 东南大学
IPC分类号： G06T5/60 , G06T5/70 , G06N3/0464 , G06N3/088 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/044
摘要： 基于双判别器与改进损失函数的对抗网络图像去雾方法。首先，在生成器中引入两层由Inception网络组成的细节生成模块以生成包含更加准确和逼真细节的图像，其次，引入双判别器结构，判别器D1网络结构较为简单，负责对生成器生成的图片Ifake的底层特征进行判别，D2网络结构较为复杂，负责对生成器生成的图片Ifake的高层特征进行判别，当生成器G生成的图片成功同时地欺骗过判别器D1和D2时，训练结束。最后，为了针对去雾任务完成针对性优化，将暗通道先验理论引入生成器的损失函数中，提升去雾效果。本发明可用于以无人机、无人车以及无人船等为载体的，易受大雾、雨天等恶劣条件影响的基于视觉的导航、目标识别和辅助驾驶等任务。
-
公开(公告)号：CN112507281B
公开(公告)日：2024-01-02
申请号：CN202011302705.0
申请日：2020-11-19
申请人： 东南大学
摘要： 一种基于双状态多因子抗差估计SINS/DVL紧组合系统的方法。通过下列步骤实现：步骤1：获取载体当前时刻SINS和DVL的采集数据；步骤2：根据步骤1的采集数据建立状态方程和量测方程；步骤3：对状态量和量测量进行卡方检测；步骤4：计算模型误差和量测误差的自适应因子；步骤5：根据步骤4的多因子调节卡尔曼滤波的增益矩阵；步骤6：根据步骤2的系统方程和步骤5的增益矩阵，利用卡尔曼进行最优估计，将递推结果反馈到SINS的解算结果，得到最终速度和位置信息。该方法利用DVL四波束的多普勒频移测量信息，在四波束测量值缺失非完整情况下依旧保证连续的测量信息。该方法能够有效抑制导航状态中的不确定噪声，提高导航精度。
-
-
公开(公告)号：CN117036287A
公开(公告)日：2023-11-10
申请号：CN202311005546.1
申请日：2023-08-10
申请人： 东南大学
摘要： 一种基于双分辨率结构表示单元的动态点云识别方法，动态对象识别与移除是机器人在变化的室外环境中完成任务需要解决的一项关键问题。先验地图中存在的动态点云的痕迹影响着后续路径规划和重定位技术的性能。然而，城市中复杂的环境，激光雷达扫描的遮挡问题，定位与建图的精度都影响着动态对象识别的精度。尽管之前的一些工作已经提出了一些使用高分辨率栅格或人为标注来识别动态对象的方法，但这些方法无法保证在对动态点具有高拒绝率的同时仍有着很好的对静态点的保留率。本申请移除方法在极大的减少静态点误杀的同时，还对动态点云具有极高的拒绝率，最终建立更为准确的全局静态地图。
-
公开(公告)号：CN117029811A
公开(公告)日：2023-11-10
申请号：CN202311006062.9
申请日：2023-08-09
申请人： 东南大学
摘要： 本发明提供了一种基于多波束测深仪的紧组合地形辅助导航方法，包括：建立一种搭载于水下自主航行器的地形辅助导航系统，包括捷联惯导系统、多普勒计程仪、多波束测深仪，将各类传感器误差引入系统模型中进行精确建模；提出一种基于两步迭代法的等角多波束测深仪量测建模方法并将其应用于导航滤波；将传统松组合算法中DR系统、地形辅助导航粒子滤波器、系统卡尔曼滤波器集成至核心紧组合粒子滤波器，各传感器原始信息直接输入粒子滤波器进行定位信息修正。本发明提出的紧组合地形辅助导航方法，能够有效提高导航定位系统的效率、精度和稳定性。
-
公开(公告)号：CN115761667A
公开(公告)日：2023-03-07
申请号：CN202211383301.8
申请日：2022-11-07
申请人： 东南大学
IPC分类号： G06V20/56 , G06V20/40 , G06V10/774 , G06V10/776 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/80 , G06V10/25 , G06N3/0464 , G06N3/08 , G06N5/04
摘要： 一种基于改进FCOS算法的无人车辆搭载摄像头目标检测方法，涉及计算机视觉领域。由无人车采集图像，将图像进行预处理后，放入改进的FCOS网络模型中进行训练，训练过程中模型会对图像进行特征提取，预测，损失计算，参数更新，经多多次迭代后，可以得到训练完成的检测模型文件，经过模型转换后，就可以应用部署在无人车等终端设备上。本发明在特征提取的能力上更强，而且构建的两阶段模型在小目标上的检测效果更优，有效地提升了模型的识别准确率，改善了模型的漏检和误检。
-
公开(公告)号：CN109324330B
公开(公告)日：2022-11-18
申请号：CN201811087892.8
申请日：2018-09-18
申请人： 东南大学
摘要： 本发明提供的是一种基于混合无导数扩展卡尔曼滤波的USBL/SINS紧组合导航定位方法，特别适用于水下设备的定位。本发明由超短基线水声定位系统USBL和捷联惯性导航系统SINS组成，采用混合无导数扩展卡尔曼滤波HDEKF进行组合导航。超短基线系统通过计算超声波信号在应答器和水听器之间单向传播的时间，得到两者之间的斜距测量值，并通过坐标转换公式得到观测方程。再根据捷联惯导系统的误差传递公式建立误差状态方程。最后进行混合无导数卡尔曼滤波，使用标准线性卡尔曼滤波进行时间更新，使用无导数扩展滤波进行量测更新。本发明能有效提高USBL/INS组合导航系统的导航精度和稳定性，并减少实时计算量。
-
公开(公告)号：CN115307643A
公开(公告)日：2022-11-08
申请号：CN202211018647.8
申请日：2022-08-24
申请人： 东南大学
摘要： 一种双应答器辅助的SINS/USBL组合导航方法，1)建立SINS/USBL组合导航状态方程，2)建立SINS/USBL斜距差量测方程，3)建立测量时序到达不一致量测模型，4)根据逆Gamma分布求解噪声参数，计算量测噪声估计结果，5)根据最大熵原则和步骤4)估计的量测噪声估计结果计算增益矩阵，6)对步骤5的模型进行卡尔曼滤波融合，对SINS进行反馈校正，输出导航结果。重复上述步骤，直至导航结束。本发明提出的基于斜距差的紧组合模型可以抑制USBL定位过程中的不可建模误差，基于最大熵与变分贝叶斯的鲁棒滤波方法对SINS/USBL的未知或者时变噪声进行最优估计，提高水下复杂环境下的定位精度。
-
公开(公告)号：CN111290398B
公开(公告)日：2022-10-25
申请号：CN202010174346.9
申请日：2020-03-13
申请人： 东南大学
IPC分类号： G05D1/02
摘要： 基于生物启发神经网络和强化学习的无人艇路径规划方法。本发明涵盖如下步骤：动态调整栅格大小；改进动作集；生物启发神经网络优化设计奖励函数；设计贪婪策略；训练样本；还原路径。本发明以无人艇实际大小建立栅格模型，膨胀障碍物，保证无人艇安全通行，改进Q(λ)算法中选择合适的动作步长和状态集，加快系统收敛的速度；借助生物启发神经网络算法计算每个栅格的活性输出值优化奖励函数，避免系统收敛到局部最优解。
-
-
-
-
-
-
-
-
-
搜索结果
236 条记录 (耗时 0.047 秒)
