-
公开(公告)号：CN114609912B
公开(公告)日：2023-10-03
申请号：CN202210272651.0
申请日：2022-03-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于伪线性最大相关熵卡尔曼滤波的仅测角目标追踪方法,包括以下步骤：S1.初始化噪声方差和状态转移矩阵，初始化目标初始位置状态#imgabs0#选择高斯核核宽σ以及收敛判定系数εt；S2.利用伪线性方法把仅测角观测方程线性化，计算待追踪目标的先验估计值#imgabs1#和先验协方差矩阵Pk|k‑1，根据最大相关熵不定点迭代公式，更新后验估计值#imgabs2#计算伪线性卡尔曼滤波的偏差，并且瞬时在后验估计值上进行补偿；S3.当后验估计值的更新满足判定系数εt时，停止更新，计算后验协方差矩阵，开始下一轮迭代。本发明将最大相关熵理论和伪线性卡尔曼滤波相结合，提出了纯方位目标追踪方法，相比其他伪线性方法，在非高斯环境工作下目标追踪精度更高且不易发散。
-
公开(公告)号：CN114610024B
公开(公告)日：2023-06-02
申请号：CN202210177844.8
申请日：2022-02-25
Applicant: 电子科技大学
IPC: G05D1/02
Abstract: 本发明公开了一种用于山地环境下的多智能体协同搜索节能方法，包括以下步骤：S1.确定智能体的特性参数；S2.进行导航目标选择，获得下一个要遍历的目标位置；S3.构建运动学模型，控制智能体从当前位置运动到目标位置。本发明通过深度强化学习选择导航目标点，并鼓励智能体沿等高线方向在导航目标点之间移动，通过深度强化学习模型，智能体可以自己进行学习，选择最优路径以减少重复覆盖和能量消耗。
-
公开(公告)号：CN114610024A
公开(公告)日：2022-06-10
申请号：CN202210177844.8
申请日：2022-02-25
Applicant: 电子科技大学
IPC: G05D1/02
Abstract: 本发明公开了一种用于山地环境下的多智能体协同搜索节能方法，包括以下步骤：S1.确定智能体的特性参数；S2.进行导航目标选择，获得下一个要遍历的目标位置；S3.构建运动学模型，控制智能体从当前位置运动到目标位置。本发明通过深度强化学习选择导航目标点，并鼓励智能体沿等高线方向在导航目标点之间移动，通过深度强化学习模型，智能体可以自己进行学习，选择最优路径以减少重复覆盖和能量消耗。
-
公开(公告)号：CN114758180B
公开(公告)日：2023-10-10
申请号：CN202210412189.X
申请日：2022-04-19
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/042 , G06N3/084
Abstract: 本发明公开了一种基于知识蒸馏的轻量化花卉识别方法，包括以下步骤：S1.构建花卉数据集，并将花卉数据集划分为训练集和测试集；S2.选定教师网络和学生网络；S3.对教师网络初始化和训练，得到成熟的教师网络；S4.对学生网络进行初始化；S5.在教师网络的辅助下，使用花卉数据集训练初始化后的学生网络，得到成熟的学生神经网络；S6.将成熟的学生神经网络设置为eval模式，不进行反向传播；将待识别花卉图片输入成熟的学生神经网络，通过前向传播计算并输出识别结果，至此花卉识别结束。本发明使得轻量级花卉识别模型在模型大幅压缩的同时还能保持较高的准确率。
-
公开(公告)号：CN114764251A
公开(公告)日：2022-07-19
申请号：CN202210523068.2
申请日：2022-05-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于能耗模型的多智能体协同搜索节能方法，包括以下步骤：S1.确定智能体的参数信息；S2.构建智能体的信息地图和能耗模型；S3.通过深度强化学习，控制各个智能体进行运动，并在每一个智能体每一次运动后，确定该智能体的状态和下一个动作，实现各个智能体的连续运动，以完成智能体的协同搜索。本发明在智能体持续动作过程中，选择下一个动作时，结合了智能体的能耗模型，以保证多智能体系统的全局能耗最低。
-
Patent Agency Ranking
公开(公告)号：CN114758180A
公开(公告)日：2022-07-15
申请号：CN202210412189.X
申请日：2022-04-19
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于知识蒸馏的轻量化花卉识别方法，包括以下步骤：S1.构建花卉数据集，并将花卉数据集划分为训练集和测试集；S2.选定教师网络和学生网络；S3.对教师网络初始化和训练，得到成熟的教师网络；S4.对学生网络进行初始化；S5.在教师网络的辅助下，使用花卉数据集训练初始化后的学生网络，得到成熟的学生神经网络；S6.将成熟的学生神经网络设置为eval模式，不进行反向传播；将待识别花卉图片输入成熟的学生神经网络，通过前向传播计算并输出识别结果，至此花卉识别结束。本发明使得轻量级花卉识别模型在模型大幅压缩的同时还能保持较高的准确率。
-
公开(公告)号：CN114609912A
公开(公告)日：2022-06-10
申请号：CN202210272651.0
申请日：2022-03-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于伪线性最大相关熵卡尔曼滤波的仅测角目标追踪方法,包括以下步骤：S1.初始化噪声方差和状态转移矩阵，初始化目标初始位置状态选择高斯核核宽σ以及收敛判定系数εt；S2.利用伪线性方法把仅测角观测方程线性化，计算待追踪目标的先验估计值和先验协方差矩阵Pk|k‑1，根据最大相关熵不定点迭代公式，更新后验估计值计算伪线性卡尔曼滤波的偏差，并且瞬时在后验估计值上进行补偿；S3.当后验估计值的更新满足判定系数εt时，停止更新，计算后验协方差矩阵，开始下一轮迭代。本发明将最大相关熵理论和伪线性卡尔曼滤波相结合，提出了纯方位目标追踪方法，相比其他伪线性方法，在非高斯环境工作下目标追踪精度更高且不易发散。
-
公开(公告)号：CN110879601B
公开(公告)日：2021-05-18
申请号：CN201911240805.2
申请日：2019-12-06
Applicant: 电子科技大学
Abstract: 本发明公开了一种对于未知风机结构的无人机巡检方法，包括以下步骤：S1.远距离对风机整体进行多角度拍照，风机要全部包含在照片中且靠近照片中心部位，对照片进行处理获取关键巡检点坐标信息；S2.利用已获取的关键巡检点坐标信息计算出将叶片等分的巡检点坐标信息；S3.利用巡检点坐标信息计算出所需的巡航点坐标信息，生成航迹；S4.无人机起飞并到巡航点，利用巡检点坐标信息调整无人机位姿使其正对目标点；S5.在所在巡航点进行拍照的之前对巡检点进行一次目标识别，再次调整云台姿态，将巡检点尽量靠近照片中心。本发明能够将巡检点尽量靠近照片中心，在提升效率的同时，使得无人机自主巡检的可靠性更强。
-
公开(公告)号：CN114764251B
公开(公告)日：2023-10-10
申请号：CN202210523068.2
申请日：2022-05-13
Applicant: 电子科技大学
IPC: G05D1/02 , G06F30/27 , G06N3/084 , G06Q10/047
Abstract: 本发明公开了一种基于能耗模型的多智能体协同搜索节能方法，包括以下步骤：S1.确定智能体的参数信息；S2.构建智能体的信息地图和能耗模型；S3.通过深度强化学习，控制各个智能体进行运动，并在每一个智能体每一次运动后，确定该智能体的状态和下一个动作，实现各个智能体的连续运动，以完成智能体的协同搜索。本发明在智能体持续动作过程中，选择下一个动作时，结合了智能体的能耗模型，以保证多智能体系统的全局能耗最低。
-
公开(公告)号：CN102129591A
公开(公告)日：2011-07-20
申请号：CN201110052130.6
申请日：2011-03-04
Applicant: 电子科技大学
IPC: G06K19/07
Abstract: 本发明涉及一种低功耗的有源RFID传感标签及其控制方法，包括控制单元(1)、射频收发单元(3)、天线单元(4)、存储单元(5)、电源单元(7)和电源管理单元(8)，其特征在于，还包括传感单元(2)，所述传感单元(2)和控制单元(1)通过I2C接口连接用于实现两者的数据交换；所述电源单元(7)分别和控制单元(1)及射频收发单元(3)连接用以向其供电；电源管理单元(8)分别和控制单元(1)及传感单元(1)连接用以在控制单元(1)的控制下实现对电源单元(7)提供的电源进行管理，以便选择性的对传感单元进行供电。本发明的有益效果是：可以有效的降低有源RFID传感标签的功耗。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.02 seconds)
