-
公开(公告)号：CN113313313A
公开(公告)日：2021-08-27
申请号：CN202110645958.6
申请日：2021-06-10
Abstract: 一种面向城市感知的移动节点任务规划方法涉及任务规划技术领域，解决了现有成本高的问题，包括步骤一、根据外部因素对于需要感知的任务点数量的影响、历史周期的任务点，预测当前周期需要感知任务点的数量；步骤二、根据步骤一预测的当前周期需要感知任务点的数量，将当前周期划分为多个步骤，并确定步长；步骤三、感知每一步步长对应的任务点；步骤四、根据步骤三得到的任务点对多移动节点进行调度直至完成所有任务；步骤五、所有任务点的执行结果进行质量评估，若满足一定质量要求时，移动节点任务规划结束，若不满足则返回步骤二。本发明中任务能够并行执行并减少质量评估的次数，感知成本小，适合面向城市感知的移动节点任务规划。
-
公开(公告)号：CN113313313B
公开(公告)日：2022-09-27
申请号：CN202110645958.6
申请日：2021-06-10
IPC: H04W4/029
Abstract: 一种面向城市感知的移动节点任务规划方法涉及任务规划技术领域，解决了现有成本高的问题，包括步骤一、根据外部因素对于需要感知的任务点数量的影响、历史周期的任务点，预测当前周期需要感知任务点的数量；步骤二、根据步骤一预测的当前周期需要感知任务点的数量，将当前周期划分为多个步骤，并确定步长；步骤三、感知每一步步长对应的任务点；步骤四、根据步骤三得到的任务点对多移动节点进行调度直至完成所有任务；步骤五、所有任务点的执行结果进行质量评估，若满足一定质量要求时，移动节点任务规划结束，若不满足则返回步骤二。本发明中任务能够并行执行并减少质量评估的次数，感知成本小，适合面向城市感知的移动节点任务规划。
-
公开(公告)号：CN118252481B
公开(公告)日：2025-05-09
申请号：CN202410603196.7
申请日：2024-05-15
Applicant: 北京邮电大学
Abstract: 本发明提供一种重搏切迹无关的血压监测算法，其特征在于，包括：舒张压建模；脉压建模；形态无关的血压特征提取以及血压监测算法四个部分；与传统的PTT方法或示波法相比，本发明的设计方法可以在白天和夜间进行连续的血压监测，且舒适度高；相比于最新的深度学习方法，本发明可以更好地适应重搏切迹缺失问题；对收缩压和舒张压估计误差分别为0.01±6.74 mmHg以及0.02±6.27mmHg，满足AAMI标准（美国医疗器械促进协会颁布的评价电子血压计的国际标准：≤5±8mmHg），而其他方法在舍弃掉重搏切迹相关特征后，对舒张压和收缩压的估计误差不满足AAMI标准，本发明的连续血压监测精度高，适合推广应用。
-
公开(公告)号：CN119513394A
公开(公告)日：2025-02-25
申请号：CN202411651028.1
申请日：2024-11-19
Applicant: 北京邮电大学
IPC: G06F16/953 , G06F18/22 , G06F18/214 , G06N3/08
Abstract: 本发明提供一种基于海量异质数据的相似子轨迹搜索方法，包括：候选集筛选阶段和子轨迹定位阶段；所述候选集筛选阶段：用于从大规模轨迹数据集中选择一个固定大小的候选集，所述候选集包含与查询轨迹具有相似子轨迹的轨迹，从而减少后续的搜索空间；所述子轨迹定位阶段：用于准确识别所述候选集中所有轨迹与所述查询轨迹最相似的子轨迹，本发明支持广泛的下游应用；包括易感人群挖掘、异常路线检测、拼车服务优化等，助力城市交通管理、公共安全提升以及智慧城市建设等领域，在海量异质数据中进行相似子轨迹搜索时，能够确保获取结果的准确性、高效性和鲁棒性；相较于现有技术具有多方面的优势。
-
公开(公告)号：CN119380410A
公开(公告)日：2025-01-28
申请号：CN202411479856.1
申请日：2024-10-23
Applicant: 北京邮电大学
Abstract: 本发明提供一种面向移动场景手势识别的毫米波雷达数据生成方法，其特征在于，包括：动态数据生成网络(人体‑相机位置估计器、深度预测模型、背景反射提取器、人体反射模型和数据拟合模型)和动态手势识别网络(空间特征提取模块和全局特征融合模块)两个单元架构，通过动态数据生成网络生成的大规模逼真的雷达数据，训练动态手势识别网络架构，利用动态视频数据来生成动态的毫米波雷达手势数据，提出适用于移动场景的毫米波雷达手势识别模型；解决了移动场景中背景和人的复杂反射特性难模拟问题、手势特征难提取问题；实现移动场景下普适的手势识别，有效扩充了毫米波雷达数据集，降低数据收集的成本，拓宽了移动场景下无线传感的潜在应用。
-
Patent Agency Ranking
公开(公告)号：CN118428448A
公开(公告)日：2024-08-02
申请号：CN202410579421.8
申请日：2024-05-11
Applicant: 北京邮电大学
IPC: G06N3/096 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06F18/22
Abstract: 本发明属于迁移学习技术领域，具体涉及一种面向边端设备的轻量化对比迁移学习方法。本发明的方法包括以下步骤：首先基于包含预训练权重的边端设备定制模型，添加可学习的SiameseResidual模块；然后构建LiteSiamese对比迁移学习架构，并使用对比迁移学习方法用冻结主干网络、只更新SiameseResidual模块的方式微调边端设备定制模型。本发明的方法通过冻结主干网络的预训练权重，引入可学习的SiameseResidual模块显著减少了训练所需的内存，利用LiteSiamese对比迁移学习架构微调可学习权重并使用预训练权重约束对比损失，提高了模型在边端设备上的性能。
-
公开(公告)号：CN118383740A
公开(公告)日：2024-07-26
申请号：CN202410603051.7
申请日：2024-05-15
Applicant: 北京邮电大学
IPC: A61B5/021 , A61B5/00 , G06N3/0499 , G06N3/08 , G16H50/70
Abstract: 本发明提供一种基于静水压效应的个性化血压参数建模方法，包括：两种简单姿势实现个性化血压比例系数建模；基于静水压效应，通过改变被测位置的不同高度，获取特定压力变化所对应的PPG波形的变化；通过改变手指与心脏之间的相对高度，观察到与压力变化相对应的PPG波形变化；将测量的舒张压和收缩压与求解的比例系数k带入血压算法求解出偏差系数；再进行个性化血压监测；本发明相较于现有的血压校准方法，能做到简化用户的校准过程，仅需一次测量，减轻血压估计模型校准负担重的问题，降低计算复杂度的同时，实现了更加通用的连续血压监测，设计科学严谨，适合推广应用。
-
公开(公告)号：CN118379580A
公开(公告)日：2024-07-23
申请号：CN202410480166.1
申请日：2024-04-22
Applicant: 北京邮电大学
IPC: G06V10/774 , G01S13/88 , G01S7/41 , G06V10/25 , G06V10/44 , G06V40/20 , G06V20/40 , G06V20/64 , G06N3/0455 , G06N3/0464 , G06N3/042
Abstract: 一种面向手势识别的细粒度毫米波雷达数据生成方法，属于毫米波雷达感知领域，包括：提取人体组成部位、2D骨骼点坐标和深度信息；根据深度信息将2D骨骼点转换成3D骨骼点；对其进行扩充生成手势运动反射点；根据反射点计算出每个手势运动反射点相对于雷达的RCS和径向速度；输入深度信息和RCS来模拟雷达信号的传播特性并输出人体反射强度图；将其与径向速度拼接成雷达数据；利用编码‑解码模型生成逼真的雷达数据；采用损失函数来衡量生成和真实的雷达数据在数量和分布上的相关性；用生成和真实数据混合训练手势识别模型。本发明有效解决了细粒度毫米波雷达数据不足及多样化、细粒度手势反射特征难模拟的问题，降低了数据采集成本。
-
公开(公告)号：CN114091754B
公开(公告)日：2024-07-19
申请号：CN202111390810.9
申请日：2021-11-23
Applicant: 北京邮电大学
IPC: G06Q10/0631 , G06Q50/06 , G06Q10/047 , G06N3/0464 , G06N3/092
Abstract: 本发明公开了一种多无人机移动基站协同部署及调度方法，基于深度强化学习，将网络服务区域均匀地划分为较小的网格和较大的区块，使用仿真软件获得区域的模拟吞吐量，在每个调度时间区间，使用基于深度强化学习的多无人机移动基站协同部署模块，找到能够提供较高吞吐量的区块的集合；使用基于深度强化学习的多无人机移动基站协同调度模块，规划无人机扫描能够提供较高吞吐量的区块的集合的路线，在无人机能量不足时及时充电；无人机在扫描完成后，在最高吞吐量的网格处悬停提供服务，直到这个调度时间区间结束；重复以上步骤，直到整个网络服务的任务完成。本发明以较少的执行时间达到较好的效果，最大限度地提供总服务时间及更好的工作负载平衡。
-
公开(公告)号：CN116310941A
公开(公告)日：2023-06-23
申请号：CN202211719956.8
申请日：2022-12-30
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于视频生成毫米波雷达数据的方法及装置，首先利用变体孪生网络选择出视频中的关键数据片段，然后利用人体区域索引算法实现人体网格数据和人体位置信息的一对一匹配，再利用人体网格模型和深度预测模型生成相应的深度信息、雷达横截面和径向速度，随后采用多人反射模型模拟雷达信号的多径反射和衰减，输出可转换的粗糙雷达数据，最后使用Transformer模型生成逼真的雷达数据，解决了不同动作类别之间的不平衡问题，同时确保了用于人体感知的机器学习模型稳定性，解决了深度信息和多人网格数据错误匹配问题，解决了雷达信号在发射和接收过程中存在的多径反射和衰减问题，可应用到人体动作识别、目标检测等人体感知相关下游任务中。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.07 seconds)
