一种面向道路路况的车载传感器协同监测方法

    公开(公告)号:CN102932812A

    公开(公告)日:2013-02-13

    申请号:CN201210437660.7

    申请日:2012-11-06

    Abstract: 本发明提供了一种面向道路路况的车载传感器协同监测方法,由携带传感器的车辆节点和路侧基站协作共同完成。车辆节点将传感器采集的数据、经过本地数据融合得到的观察数据发送到本地路侧基站,路侧基站接收并存储该观察数据,并决策是否需要启动协同监测,若符合条件则开始基于车载传感器数据的协同事件监测过程;挖掘位置相关、时间相关和行驶行为相关的车载传感器数据,在获取这些数据相关性后,采用投票加权方式进行处理;路侧基站根据处理结果判定本地子小区是否有路况事件产生,若能判定事件则由路侧基站发布事件。

    一种面向道路路况的车载传感器协同监测方法

    公开(公告)号:CN102932812B

    公开(公告)日:2014-11-19

    申请号:CN201210437660.7

    申请日:2012-11-06

    Abstract: 本发明提供了一种面向道路路况的车载传感器协同监测方法,由携带传感器的车辆节点和路侧基站协作共同完成。车辆节点将传感器采集的数据、经过本地数据融合得到的观察数据发送到本地路侧基站,路侧基站接收并存储该观察数据,并决策是否需要启动协同监测,若符合条件则开始基于车载传感器数据的协同事件监测过程;挖掘位置相关、时间相关和行驶行为相关的车载传感器数据,在获取这些数据相关性后,采用投票加权方式进行处理;路侧基站根据处理结果判定本地子小区是否有路况事件产生,若能判定事件则由路侧基站发布事件。

    基于感知自适应比特分配的音频精细分级编码方法及系统

    公开(公告)号:CN101800050A

    公开(公告)日:2010-08-11

    申请号:CN201010107402.3

    申请日:2010-02-03

    Applicant: 武汉大学

    Abstract: 本发明涉及音频编码技术领域,尤其涉及一种基于感知自适应比特分配的音频精细分级编码方法及系统。本发明方法对输入信号进行预处理、对频域信号进行子带划分、计算每个子带的感知重要度,并根据感知重要度按照从大到小的顺序统一对子带排序,提取感知重要度最大的子带、进行可分级纵向矢量量化、对矢量量化后的最大重要感知重要度子带进行自适应调整;本发明系统包括预处理模块、子带划分模块、子带感知重要度计算排序及提取模块、分级量化编码模块、自适应调整模块、分级编码结束判断模块。本发明实现了高效的精细可分级音频编码,较好地实现了量化精度和量化效率的统一,提高编码效率的同时也满足了高音质的需求。

    基于高斯混合模型的分裂矢量量化编解码方法及其装置

    公开(公告)号:CN101695000B

    公开(公告)日:2012-08-29

    申请号:CN200910272395.X

    申请日:2009-10-13

    Applicant: 武汉大学

    Abstract: 本发明提供了一种基于高斯混合模型的分裂矢量量化编解码方法,以及相应两个装置。其中编码装置包括高斯混合模型参数训练模块、归一化无偏估计模块、量化器比特数分配模块、矢量分裂模块、子矢量比特数分配模块、矢量量化模块、编码逆量化模块、编码子矢量合并模块、失真计算模块、最小值判断模块、最小失真量化索引获取模块、码流写入模块;解码装置包括码流读取模块、解码逆量化模块、解码子矢量合并模块、高斯模型参数获取模块、逆归一化无偏估计模块。本发明所提供技术方案能够在低存储空间的条件下,实现对高维矢量进行的基于高斯混合模型的分裂矢量量化。

    基于D-S证据理论的车载传感器网络事件区域检测方法

    公开(公告)号:CN102665294B

    公开(公告)日:2014-09-03

    申请号:CN201210125372.8

    申请日:2012-04-25

    Applicant: 武汉大学

    Abstract: 本发明提供了一种基于D-S证据理论的车载传感器网络事件区域检测方法,能够在缺少先验知识、针对高移动性网络拓扑和应对复杂多变道路交通场景的情况下,有效实现检测出事件的发生区域。本发明包括车载传感器网络场景初始化和维护、道路划分子小区事件监测概率模块、道路划分子小区事件发生概率模块、事件发生置信度模块、证据合并冲突计算模块、事件区域判定模块和事件检测触发模块。

    基于高斯混合模型的分裂矢量量化编解码方法及其装置

    公开(公告)号:CN101695000A

    公开(公告)日:2010-04-14

    申请号:CN200910272395.X

    申请日:2009-10-13

    Applicant: 武汉大学

    Abstract: 本发明提供了一种基于高斯混合模型的分裂矢量量化编解码方法,以及相应两个装置。其中编码装置包括高斯混合模型参数训练模块、归一化无偏估计模块、量化器比特数分配模块、矢量分裂模块、子矢量比特数分配模块、矢量量化模块、编码逆量化模块、编码子矢量合并模块、失真计算模块、最小值判断模块、最小失真量化索引获取模块、码流写入模块;解码装置包括码流读取模块、解码逆量化模块、解码子矢量合并模块、高斯模型参数获取模块、逆归一化无偏估计模块。本发明所提供技术方案能够在低存储空间的条件下,实现对高维矢量进行的基于高斯混合模型的分裂矢量量化。

    一种基于信息质量的参与式感知激励方法

    公开(公告)号:CN105809477A

    公开(公告)日:2016-07-27

    申请号:CN201610124190.7

    申请日:2016-03-04

    Applicant: 武汉大学

    CPC classification number: G06Q30/0206 G06Q30/0283

    Abstract: 本发明提供一种基于信息质量的参与式感知激励方法。将参与式感知系统建模为离散时间系统,将感知活动按时间分成多轮,由平台并按“轮”启动针对该任务的激励机制,每轮中根据参与者的感知贡献度进行事先报酬分配,在数据收集结果上传到平台后进行贡献度更新和本轮信息质量评估,并根据当前报酬和信息质量制定下一轮报酬折扣或补偿策略,实现基于信息质量的感知任务的动态定价,以激励参与者可持续的完成感知活动。

    基于感知自适应比特分配的音频精细分级编码方法及系统

    公开(公告)号:CN101800050B

    公开(公告)日:2012-10-10

    申请号:CN201010107402.3

    申请日:2010-02-03

    Applicant: 武汉大学

    Abstract: 本发明涉及音频编码技术领域,尤其涉及一种基于感知自适应比特分配的音频精细分级编码方法及系统。本发明方法对输入信号进行预处理、对频域信号进行子带划分、计算每个子带的感知重要度,并根据感知重要度按照从大到小的顺序统一对子带排序,提取感知重要度最大的子带、进行可分级纵向矢量量化、对矢量量化后的最大重要感知重要度子带进行自适应调整;本发明系统包括预处理模块、子带划分模块、子带感知重要度计算排序及提取模块、分级量化编码模块、自适应调整模块、分级编码结束判断模块。本发明实现了高效的精细可分级音频编码,较好地实现了量化精度和量化效率的统一,提高编码效率的同时也满足了高音质的需求。

    基于D-S证据理论的车载传感器网络事件区域检测方法

    公开(公告)号:CN102665294A

    公开(公告)日:2012-09-12

    申请号:CN201210125372.8

    申请日:2012-04-25

    Applicant: 武汉大学

    Abstract: 本发明提供了一种基于D-S证据理论的车载传感器网络事件区域检测方法,能够在缺少先验知识、针对高移动性网络拓扑和应对复杂多变道路交通场景的情况下,有效实现检测出事件的发生区域。本发明包括车载传感器网络场景初始化和维护、道路划分子小区事件监测概率模块、道路划分子小区事件发生概率模块、事件发生置信度模块、证据合并冲突计算模块、事件区域判定模块和事件检测触发模块。

Patent Agency Ranking