-
公开(公告)号：CN114841103B
公开(公告)日：2022-09-27
申请号：CN202210763399.3
申请日：2022-07-01
Applicant: 南昌大学
IPC: G06F30/331 , G06F30/327
Abstract: 本发明提出一种门级电路的并行仿真方法、系统、存储介质及设备，该方法包括：对电路结构文件中各个门节点连接的网络状态及各主输入节点的输入进行赋初始值，再从电路激励文件中获取各主输入门节点的激励信号，与其初始激励信号进行对比，若发生变化，则根据因变化的激励信号引起的网络状态的变化创建新的网表事件并加入到事件队列中，再对事件队列中的所有网表事件进行并行处理，以将网表事件对应的网络的状态值赋予相关联的门节点，并将该门节点加入到门队列中进行调度，门队列中各个门节点的电路求解逻辑相同，同时并行执行，相较于串行仿真极大减少了门级仿真所需的验证周期，对两个队列进行反复处理，以确保门级仿真的有序进行。
-
公开(公告)号：CN117292439B
公开(公告)日：2024-03-22
申请号：CN202311587557.5
申请日：2023-11-27
Applicant: 南昌大学
IPC: G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/096 , G01S7/41
Abstract: 本发明提供了一种基于室内毫米波雷达的人体姿态识别方法及系统，该方法通过获取由调频连续波毫米波雷达设备采集的人体姿态样本数据；将人体姿态样本数据进行预处理，得到多普勒特征图谱构成的第一目标数据集，并进行混合数据增强处理，得到第二目标数据集；构建小样本迁移学习识别网络模型，并将第二目标数据集的数据输入模型中进行训练，得到目标模型；实时获取人体动作数据，输入目标模型中，输出姿态识别结果，具体的，由于对样本数据依次进行预处理和混合数据增强处理，得到扩充的毫米波雷达数据集，同时，为了降低深度学习网络的数据需求，及处理多普勒特征图谱的性能损失，提出了上述模型，以降低过拟合风险。
-
公开(公告)号：CN115984633B
公开(公告)日：2023-06-06
申请号：CN202310266384.0
申请日：2023-03-20
Applicant: 南昌大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/084
Abstract: 本发明公开了一种门级电路组件识别方法、系统、存储介质及设备，涉及数据处理技术领域，该方法包括：获取一待识别的门级电路的电路数据，将所述门级电路的门级网表转换至图数据，并为所述门级电路中每个节点赋予其对应的初始特征；将所述门级网表的图数据导入至预设的图神经网络模型中，以作为所述图神经网络模型的输入层；通过所述图神经网络模型对所述门级网表的图数据中每个节点进行分类，输出所述门级网表的图数据的分类结果；根据所述分类结果，基于所述图数据中每个节点的类别识别所述门级网表中每个节点所属的组件类别。本发明能够解决现有技术中门级电路中组件识别精度不高的技术问题。
-
公开(公告)号：CN114841103A
公开(公告)日：2022-08-02
申请号：CN202210763399.3
申请日：2022-07-01
Applicant: 南昌大学
IPC: G06F30/331 , G06F30/327
Abstract: 本发明提出一种门级电路的并行仿真方法、系统、存储介质及设备，该方法包括：对电路结构文件中各个门节点连接的网络状态及各主输入节点的输入进行赋初始值，再从电路激励文件中获取各主输入门节点的激励信号，与其初始激励信号进行对比，若发生变化，则根据因变化的激励信号引起的网络状态的变化创建新的网表事件并加入到事件队列中，再对事件队列中的所有网表事件进行并行处理，以将网表事件对应的网络的状态值赋予相关联的门节点，并将该门节点加入到门队列中进行调度，门队列中各个门节点的电路求解逻辑相同，同时并行执行，相较于串行仿真极大减少了门级仿真所需的验证周期，对两个队列进行反复处理，以确保门级仿真的有序进行。
-
公开(公告)号：CN117310646B
公开(公告)日：2024-03-22
申请号：CN202311587556.0
申请日：2023-11-27
Applicant: 南昌大学
Abstract: 本发明提供了一种基于室内毫米波雷达的轻量化人体姿态识别方法及系统，该方法通过获取由调频连续波毫米波雷达设备采集的人体姿态样本数据，将人体姿态样本数据进行预处理，得到多普勒特征图谱，并根据多普勒特征图谱，生成由多普勒特征图谱构成的第一目标数据集；构建mMNYOLOv5轻量级网络模型，并将第一目标数据集的数据输入该网络模型中进行训练，得到目标模型；实时获取人体动作数据，输入目标模型中，输出姿态识别结果，具体的，采用mMNYOLOv5轻量级网络模型可以增强重要特征而弱化非重要特征，并降低传输过程的雷达图谱的特征冗余，进而在极大地降低网络规模和计算量的同时，提高人体姿态识别准确度。
-
Patent Agency Ranking
公开(公告)号：CN116559818A
公开(公告)日：2023-08-08
申请号：CN202310811664.5
申请日：2023-07-04
Applicant: 南昌大学
IPC: G01S7/41 , A61B5/11 , A61B5/05 , A61B5/00 , G01S13/88 , G06F18/10 , G06F18/2131 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/0985
Abstract: 本发明提供了一种人体姿态识别方法、系统、计算机及可读存储介质，该方法包括：获取毫米波雷达实时采集到的通道中频信号，并对通道中频信号进行预处理，以获取到多普勒‑距离‑时间数据和多普勒时间图；根据多普勒时间图计算出人体运动特征，并根据人体运动特征拟合出运动特征曲线；检测出运动特征曲线中包含的波峰点以及波谷点，并根据波峰点以及波谷点确定出数据分割的起始点以及终止点；根据起始点以及终止点对多普勒‑距离‑时间数据进行分割处理，以获取到目标多普勒距离数据；将目标多普勒距离数据输入至优化后的CNN‑GRU‑Attention神经网络中，以识别出目标人体动作。本发明能够实现随机连续动作的精准监测以及识别。
-
公开(公告)号：CN114638184B
公开(公告)日：2022-08-09
申请号：CN202210559324.3
申请日：2022-05-23
Applicant: 南昌大学
Abstract: 本发明提供一种门级电路的仿真方法、系统、存储介质及设备，方法包括：读取转译后的有向图文件；输入初始节点的ID及对所述初始节点进行赋值，根据所述初始节点的ID在所述有向图文件中进行查询以找到初始节点并将值赋给所述初始节点的输入端口以仿真给所述初始节点输入激励信号；以所述初始节点为仿真起点依序对有向图的各节点进行仿真求解及递归传播，若有向图的任一节点的仿真求解结果发生变化且所述节点为多输入节点则将所述节点调入全局仿真队列以依序等待仿真求解并在仿真求解后将仿真求解结果传递给下一个节点，直至得到最终仿真结果，本发明采用了递归传播与事件队列配合调度相结合的方式能够降低仿真时间及仿真复杂度。
-
公开(公告)号：CN117310646A
公开(公告)日：2023-12-29
申请号：CN202311587556.0
申请日：2023-11-27
Applicant: 南昌大学
Abstract: 本发明提供了一种基于室内毫米波雷达的轻量化人体姿态识别方法及系统，该方法通过获取由调频连续波毫米波雷达设备采集的人体姿态样本数据，将人体姿态样本数据进行预处理，得到多普勒特征图谱，并根据多普勒特征图谱，生成由多普勒特征图谱构成的第一目标数据集；构建mMNYOLOv5轻量级网络模型，并将第一目标数据集的数据输入该网络模型中进行训练，得到目标模型；实时获取人体动作数据，输入目标模型中，输出姿态识别结果，具体的，采用mMNYOLOv5轻量级网络模型可以增强重要特征而弱化非重要特征，并降低传输过程的雷达图谱的特征冗余，进而在极大地降低网络规模和计算量的同时，提高人体姿态识别准确度。
-
公开(公告)号：CN117292439A
公开(公告)日：2023-12-26
申请号：CN202311587557.5
申请日：2023-11-27
Applicant: 南昌大学
IPC: G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/096 , G01S7/41
Abstract: 本发明提供了一种基于室内毫米波雷达的人体姿态识别方法及系统，该方法通过获取由调频连续波毫米波雷达设备采集的人体姿态样本数据；将人体姿态样本数据进行预处理，得到多普勒特征图谱构成的第一目标数据集，并进行混合数据增强处理，得到第二目标数据集；构建小样本迁移学习识别网络模型，并将第二目标数据集的数据输入模型中进行训练，得到目标模型；实时获取人体动作数据，输入目标模型中，输出姿态识别结果，具体的，由于对样本数据依次进行预处理和混合数据增强处理，得到扩充的毫米波雷达数据集，同时，为了降低深度学习网络的数据需求，及处理多普勒特征图谱的性能损失，提出了上述模型，以降低过拟合风险。
-
公开(公告)号：CN114638184A
公开(公告)日：2022-06-17
申请号：CN202210559324.3
申请日：2022-05-23
Applicant: 南昌大学
Abstract: 本发明提供一种门级电路的仿真方法、系统、存储介质及设备，方法包括：读取转译后的有向图文件；输入初始节点的ID及对所述初始节点进行赋值，根据所述初始节点的ID在所述有向图文件中进行查询以找到初始节点并将值赋给所述初始节点的输入端口以仿真给所述初始节点输入激励信号；以所述初始节点为仿真起点依序对有向图的各节点进行仿真求解及递归传播，若有向图的任一节点的仿真求解结果发生变化且所述节点为多输入节点则将所述节点调入全局仿真队列以依序等待仿真求解并在仿真求解后将仿真求解结果传递给下一个节点，直至得到最终仿真结果，本发明采用了递归传播与事件队列配合调度相结合的方式能够降低仿真时间及仿真复杂度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.018 seconds)
