基于粒子化和积算法的无线传感器网络目标跟踪方法

    公开(公告)号:CN105898691A

    公开(公告)日:2016-08-24

    申请号:CN201610143862.9

    申请日:2016-03-14

    Inventor: 李威

    CPC classification number: H04W4/023 H04W64/003 H04W84/18

    Abstract: 本发明公开了一种基于粒子化和积算法的无线传感器网络目标跟踪方法,包括:传感器观测自身与目标之间的距离;传感器构建目标跟踪的因子图模型,采用粒子化和积算法计算目标状态的本地后验概率分布;传感器广播目标状态的本地后验概率分布,并接收邻居传感器的本地后验概率分布;传感器采用粒子化和积算法计算目标状态的全局后验概率分布;传感器估计目标的位置;判断距离目标最近的传感器,并广播目标的估计位置。本发明采用因子图模型对无线传感器网络目标跟踪进行建模,并采用粒子化和积算法通过计算目标状态的后验概率分布,实现对目标位置的估计。

    基于重要性采样的粒子化和积算法

    公开(公告)号:CN105809244A

    公开(公告)日:2016-07-27

    申请号:CN201610111737.X

    申请日:2016-02-29

    Inventor: 李威

    CPC classification number: G06N3/006 G06N7/005

    Abstract: 本发明公开了一种基于重要性采样的粒子化和积算法,包括:(1)因子结点的粒子化消息更新准则,包括以下步骤:输入变量结点的粒子化消息,变量结点消息的权重判断,因子结点消息的蒙特卡罗积分表示,因子结点消息的重要性采样;(2)变量结点的粒子化消息更新准则,包括以下步骤:输入因子结点的粒子化消息,因子结点消息的混合高斯表示,辅助变量的重要性采样,高斯密度函数乘积的计算,高斯密度函数乘积的直接采样,重采样。本发明采用蒙特卡罗积分方法表示因子结点消息中的积分运算,采用重要性采样方法对变量结点消息的乘积进行粒子化,有效的降低了和积算法中消息更新准则的计算复杂度,提高了算法的实时性。

    程控液晶模组测试图像发生系统及其控制方法

    公开(公告)号:CN102054414A

    公开(公告)日:2011-05-11

    申请号:CN201010561489.1

    申请日:2010-11-28

    Inventor: 李威

    Abstract: 本发明公开了一种程控液晶模组测试图像发生系统及其控制方法,包括PC机的输出端与微控制单元的输入端连接,微控制单元的输出端与数据处理单元的输入端连接,数据处理单元的输出端与信号转换单元的输入端连接,存储单元与微控制单元通信连接,输入单元的输出端与微控制单元的输入端连接,显示单元的输入端与微控制单元的输出端连接,PC机输出测试图像和时序信号至微控制单元的输入端,微控制单元将测试图像和时序进行存储、转换和传输,数据处理单元完成对测试图像的高速存取且输出行场同步和数据选通信号至信号转换单元的输入端转换为液晶模组识别的LVDS信号。本发明具有测试图像和时序能够编辑和下载,且能够进行自动、手动测试的优点。

    基于机器视觉的碳纤维丝束缺陷检测方法

    公开(公告)号:CN115266732A

    公开(公告)日:2022-11-01

    申请号:CN202210906598.5

    申请日:2022-07-29

    Inventor: 李威 王冬慧

    Abstract: 本发明涉及机器视觉领域,具体涉及一种基于机器视觉的碳纤维丝束缺陷检测方法,包括如下步骤:采集碳纤维丝束的图像;对采集到的图像进行图像增强和阈值分割;提取区域的特征和缺陷特征;根据缺陷特征值对四个不同缺陷进行定性判断;统计各类缺陷的信息和位置;本发明只需采样少量样本数据即可对碳纤维丝束缺陷进行检测出来,开发时间周期短,投入时间、精力少,方法可维护,可扩展性强,如果出现新的缺陷需要检测,可以快速的进行增补检测方法,对CPU性能要求低,普通的CPU就满足训练要求,而不需要高成本的硬件配置,也由于成本更低,因此可以更快地改进迭代。

    基于粒子化和积算法的无线传感器网络目标跟踪方法

    公开(公告)号:CN105898691B

    公开(公告)日:2019-06-04

    申请号:CN201610143862.9

    申请日:2016-03-14

    Inventor: 李威

    Abstract: 本发明公开了一种基于粒子化和积算法的无线传感器网络目标跟踪方法,包括:传感器观测自身与目标之间的距离;传感器构建目标跟踪的因子图模型,采用粒子化和积算法计算目标状态的本地后验概率分布;传感器广播目标状态的本地后验概率分布,并接收邻居传感器的本地后验概率分布;传感器采用粒子化和积算法计算目标状态的全局后验概率分布;传感器估计目标的位置;判断距离目标最近的传感器,并广播目标的估计位置。本发明采用因子图模型对无线传感器网络目标跟踪进行建模,并采用粒子化和积算法通过计算目标状态的后验概率分布,实现对目标位置的估计。

    一种河道视频监控平台综合供电系统

    公开(公告)号:CN107104436A

    公开(公告)日:2017-08-29

    申请号:CN201710351237.8

    申请日:2017-05-18

    Abstract: 本发明公开了一种河道视频监控平台综合供电系统,包括再生能源发电系统、控制器、储能装置、摄像装置和照明系统;再生能源发电系统包括风能发电系统、太阳能发电系统和水能发电系统,风能发电系统、太阳能发电系统和水能发电系统通过直流汇流装置与控制器连接,摄像装置和照明系统均通过逆变电路与控制器连接,储能装置与控制器连接,控制器还外接市电,控制器通过通信网络连接监控中心。本发明的系统有可再生能源供电、储能供电和市电供电,多种供电方式,在电力不可及的地区可也进行视频监控,掌握河面状况,同时适时选择并切换供电方式,以实现对负载的不间断供电,保证视频监控的稳定。

    基于机器视觉的碳纤维丝束缺陷检测方法

    公开(公告)号:CN115266732B

    公开(公告)日:2024-05-28

    申请号:CN202210906598.5

    申请日:2022-07-29

    Inventor: 李威 王冬慧

    Abstract: 本发明涉及机器视觉领域,具体涉及一种基于机器视觉的碳纤维丝束缺陷检测方法,包括如下步骤:采集碳纤维丝束的图像;对采集到的图像进行图像增强和阈值分割;提取区域的特征和缺陷特征;根据缺陷特征值对四个不同缺陷进行定性判断;统计各类缺陷的信息和位置;本发明只需采样少量样本数据即可对碳纤维丝束缺陷进行检测出来,开发时间周期短,投入时间、精力少,方法可维护,可扩展性强,如果出现新的缺陷需要检测,可以快速的进行增补检测方法,对CPU性能要求低,普通的CPU就满足训练要求,而不需要高成本的硬件配置,也由于成本更低,因此可以更快地改进迭代。

    一种基于边缘计算的数据采集和边缘计算系统

    公开(公告)号:CN111478960A

    公开(公告)日:2020-07-31

    申请号:CN202010258431.3

    申请日:2020-04-03

    Abstract: 本发明公开了一种基于边缘计算的数据采集和边缘计算系统,包括边缘设备模块、数据预处理模块和边缘计算模块,边缘设备模块通过以太网或串口与数据预处理模块连接,数据预处理模块与边缘计算模块连接,边缘设备模块通过连接以太网和串口向数据预处理模块发送数据,数据预处理模块检查当前信道状态并对接收到的数据进行预处理,随后将预处理后的数据传送给边缘计算模块,所述边缘计算模块先将接收到的数据进行解包和提取数据,再将提取出的数据进行打包,通过其中的云端服务器接入单元上传至云端服务器。本发明实现了对大量的不同协议数据的集中采集和处理,极大提高了数据向云端的传输速度,同时减轻了大量数据传输给云端的压力。

Patent Agency Ranking