公开(公告)号：CN118971981A

公开(公告)日：2024-11-15

申请号：CN202410987441.9

申请日：2024-07-23

Applicant: 吉林大学

Inventor： 李芊 ,  刘维 ,  石文孝 ,  毛勇名

IPC: H04B10/61 ,  H04B10/11 ,  G01J9/00 ,  G06F17/15 ,  G06N3/0464

Abstract: 本发明涉及一种基于CCNN算法的AO系统夏克哈特曼传感器优化方法，属于自由空间光通信技术领域。目的是解决现有的夏克哈特曼传感器光斑质心定位方法存在着质心定位精度较低以及重构效果较差的问题。该方法包括以下步骤：步骤1：将CCNN算法作为SHWFS光斑质心预测算法；步骤2：将性能优化后的SHWFS应用到AO系统，来校正FSOC系统由大气湍流干扰产生的波前像差。本发明的基于CCNN算法的AO系统夏克哈特曼传感器优化方法，使用光斑质心位置预测精度更高的CCNN算法应用到FSOC系统中。仿真结果表明，该算法使得夏克哈特曼传感器拥有更优的波前重构能力，提高了FSOC系统的混频效率并降低了误码率。

公开(公告)号：CN119559378A

公开(公告)日：2025-03-04

申请号：CN202411597723.4

申请日：2024-11-11

Applicant: 吉林大学

Inventor： 石文孝 ,  尹孝萱 ,  刘维 ,  石迪 ,  刘安祺 ,  李芊

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提供了一种基于改进后YOLOv8的车对车OCC系统目标识别方法，首先预处理原始图像数据，在现有的YOLOv8的基础上进行改进；在骨干网络中用CAIFI对原有的SPPF进行替换、引入EC2f模块，来提取OCC系统目标的特征信息；引入BIFPN模块并更改其权重函数进行特征融合删除对OCC系统目标贡献较小的特征网络达到简化网络、结合高层特征的信息与底层的信息的目的；边框损失函数采用Shape_IoU函数，考虑OCC系统目标LED阵列其自身的形状与尺度定位LED阵列的边界；本方法能做到较高的识别精度，能对LED阵列进行准确度高的识别，能够对移动中的LED进行较好识别，帮助我们更好的对后续LED阵列解码，提取LED阵列中所包含的信息，例如车牌信息、故障信息等。

公开(公告)号：CN119561556A

公开(公告)日：2025-03-04

申请号：CN202411597721.5

申请日：2024-11-11

Applicant: 吉林大学

Inventor： 石文孝 ,  石迪 ,  刘维 ,  尹孝萱 ,  刘安琪 ,  李芊

IPC: H03M13/11 ,  H04L1/00

Abstract: 本发明提供了一种基于OCC的车对车通信系统前向纠错编译码方法，发射端编码器对信息源码进行QC‑LDPC快速编码，编码信息以波长为808nm的红外光为信息载体，经过自由空间光信道被接收端相机实时拍摄得到LED灯阵列图像；拍摄图像经过边缘检测算法得到LED灯轮廓进而得到其中心坐标，计算每个LED灯的平均灰度值，经过归一化处理后将编码信息传输至接收端译码器，译码器通过LBP译码算法对校验矩阵的每一层做和积译码，将得到后验信息转为二进制，根据校验等式判断译码后信息是否正确，完成译码，去除编码信息中的校验向量以及纠正传输过程中由于各种干扰因素造成的误码，降低系统误码率，提高通信的可靠性。