一种基于惯性摆的球形水下机器人波浪能捕获系统及方法

    公开(公告)号:CN111396237A

    公开(公告)日:2020-07-10

    申请号:CN202010104238.4

    申请日:2020-02-20

    Abstract: 本发明请求保护一种基于惯性摆的球形水下机器人波浪能捕获系统及方法:主要由球状壳体、惯性摆、推进器、发电机和锚定绳索组成;球状壳体与外部流体接触,惯性摆用来捕获波浪能,推进器用来调节机器人偏航角,发电装置主要用来将捕获的波浪能转化为电能;锚定绳索用来将机器人锚定在波浪能丰富水域的水底;该种基于惯性摆的球形水下机器人能量捕获系,在绳索约束下将波浪能捕获为机械能并通过发电机发电,输出电能可供传感设备使用;球形水下机器人的惯性摆既用来捕获波浪能,同时也用来调节俯仰角,这种惯性摆复用方式不需要额外设计其它结构,保证了机器人的水下运动性能,能够实现在波浪能丰富的水域长期执行水下观测任务,具有较高的应用价值。

    一种噪声环境下声纹识别的语音特征处理方法

    公开(公告)号:CN105679312A

    公开(公告)日:2016-06-15

    申请号:CN201610125032.3

    申请日:2016-03-04

    Abstract: 本发明请求保护一种噪声环境下声纹识别的语音信号特征处理方法,包括步骤:(1)根据语音信号的特点对其进行信号的前期处理,包括语音信号的预加重,端点检测和加窗函数的选择;(2)估算发声个体的基音周期,并以此为依据对语音信号进行谱平滑处理,得到新的谱包络,计算通过梅尔滤波器的能量,最终通过离散余弦变换(DCT)计算得到梅尔平滑系数(SFCC)。(3)结合均值消减法、方差归一化、时间序列滤波法和加权自回归移动平均滤波法对SFCC进行后处理,得到回归平衡参数(MVDA);目的是通过平滑谱包络去除个体发声的不稳定因素和通过后处理算法去除环境噪声的影响,最终降低声纹识别的误识率。

    基于听觉仿生中耳蜗基底膜的声源定位方法

    公开(公告)号:CN105575387A

    公开(公告)日:2016-05-11

    申请号:CN201510990824.2

    申请日:2015-12-25

    CPC classification number: G10L15/02 G01S5/20

    Abstract: 本发明请求保护一种基于听觉仿生中耳蜗基底膜的声源定位方法,涉及语音识别领域,它采用人耳鸡尾酒效应的方法实现声源定位,具有较强的扩展性,在噪声环境下,相比于传统声源定位方法,该方法具有更好的定位效果,该声源定位系统具有更好的鲁棒性。含噪声的声源信号经过耳蜗基底膜模型进行频谱分析,在经过耳蜗基底膜上的内毛细胞模型进行信号转换以及内毛细胞上的神经纤维进行细胞重合,再通过上橄榄核模型进行语音信息提取,最终进行声源的定位。

    基于点云描述符回环检测的激光雷达SLAM方法

    公开(公告)号:CN117974788A

    公开(公告)日:2024-05-03

    申请号:CN202410163893.5

    申请日:2024-02-05

    Inventor: 黄超 任巍巍 张毅

    Abstract: 本发明涉及一种基于点云描述符回环检测的激光雷达SLAM方法,属于智能移动机器人领域。该方法包括以下步骤:搭建移动机器人平台,用于采集移动机器人的激光点云数据与环境信息;对点云数据进行预处理后得到点云数据集;引入稳定三角形描述子STD作为点云描述子,基于BOW视觉词袋模型实现点云匹配,并在点云匹配前端引入词频‑逆文档频率机制作为搜索算法;对于待回环检测的关键帧,选取与当前帧具有STD描述子数量最多的关键帧作为候选帧,并对候选帧进行回环验证以获取匹配的回环帧;采用多尺度ICP点云匹配方法得到机器人的累计位姿误差,机器人移动平台根据累计位姿误差进行位姿与建图的后端优化。

    一种噪声环境下声纹识别的语音特征处理方法

    公开(公告)号:CN105679312B

    公开(公告)日:2019-09-10

    申请号:CN201610125032.3

    申请日:2016-03-04

    Abstract: 本发明请求保护一种噪声环境下声纹识别的语音信号特征处理方法,包括步骤:(1)根据语音信号的特点对其进行信号的前期处理,包括语音信号的预加重,端点检测和加窗函数的选择;(2)估算发声个体的基音周期,并以此为依据对语音信号进行谱平滑处理,得到新的谱包络,计算通过梅尔滤波器的能量,最终通过离散余弦变换(DCT)计算得到梅尔平滑系数(SFCC)。(3)结合均值消减法、方差归一化、时间序列滤波法和加权自回归移动平均滤波法对SFCC进行后处理,得到回归平衡参数(MVDA);目的是通过平滑谱包络去除个体发声的不稳定因素和通过后处理算法去除环境噪声的影响,最终降低声纹识别的误识率。

    逃生缓降器
    6.
    发明公开

    公开(公告)号:CN106621084A

    公开(公告)日:2017-05-10

    申请号:CN201611032085.7

    申请日:2016-11-22

    CPC classification number: A62B1/06 A62B1/18

    Abstract: 本发明涉及一种逃生缓降器,包括转动轴、阻尼腔和搅拌叶片,所述搅拌叶片置于阻尼腔内且能通过转动轴转动,救生绳缠绕在转动轴上,上端连接挂钩,整个装置的下端连接使用者或物体,所述阻尼腔充有阻尼液,所述阻尼腔内部还设有阻尼结构,本装置可以让人或者物体在缓降过程中,下降更加平稳,使用更加安全。

    一种融合听觉掩蔽与双耳信号帧的互相关声源定位方法

    公开(公告)号:CN105575403A

    公开(公告)日:2016-05-11

    申请号:CN201510990289.0

    申请日:2015-12-25

    CPC classification number: G10L25/48 G10L19/008 G10L21/028 H04S1/00 H04S7/30

    Abstract: 本发明请求保护一种融合听觉掩蔽与双耳信号帧的互相关声源定位方法,涉及语音识别控制领域。本发明在鲁棒性方面,针对传统基于双耳互相关的声源定位方法在噪声环境下声源定位精度下降,提出把听觉掩蔽的听觉特性引入谱减法中,能够较好地抑制音乐噪声,可以把基于听觉掩蔽的谱减法作为双耳定位的前端处理,这将有利于广义互相关提取双耳时间差,从而提高声源定位系统在噪声环境下的声源定位精度;在双耳互相关声源定位方法的改进上,针对“耳廓效应”和“优先效应”对声源定位的影响较大,提出基于双耳信号帧的互相关声源定位方法,该方法可以减少“耳廓效应”和“优先效应”所带来的定位误差,从而提高声源定位精度。

    一种ORB特征匹配融合AMCL的机器人重定位方法

    公开(公告)号:CN118225108A

    公开(公告)日:2024-06-21

    申请号:CN202410163891.6

    申请日:2024-02-05

    Inventor: 黄超 冉东 张毅

    Abstract: 本发明涉及一种ORB特征匹配融合AMCL的机器人重定位方法,属于机器人导航和图像处理领域。该方法包括:通过移动机器人平台获取激光与图像数据,并由机器人移动平台构建图像坐标系;通过机器人操作系统生成栅格地图并以建图起始点为原点建立世界坐标系,并获取机器人在世界坐标系中的位置;通过ORB图像特征匹配算法计算出局部地图图像在全局地图图像中的位置;当机器人移动超过设定阈值的距离时,根据世界坐标系中的地图参数以及局部地图图像在全局地图图像中的位置实现机器人的粗定位;将机器人在粗定位后的世界坐标系中的绝对坐标作为AMCL定位算法的先验信息,再根据AMCL定位算法实现机器人精确定位。

    一种结合声光电交互的智能变换空间系统及其控制方法

    公开(公告)号:CN109779303A

    公开(公告)日:2019-05-21

    申请号:CN201811473297.8

    申请日:2018-12-04

    Abstract: 本发明请求保护一种结合声光电交互的智能变换空间系统及其控制方法:该智能变换空间主要包括琴音子空间,围棋子空间和壁画子空间组成;这种智能空间的突出特点是通过旋转门的转动可以实现三个子空间的互联互通,变换成一个大的空间,每个子空间都设计有不同的操控形式;琴音子空间的操控是先听一段音乐,然后按动钢琴键弹出一致的音符;围棋子空间的操控是先破解棋局,然后把棋子放置在棋盘正确的位置;壁画子空间的操控是先利用激光触发壁画移动,然后手指按压发光点;整个变换空间有一个出口和一个入口,机关程序启动后人们从入口进入,依次完成三个子空间的操控,才可以打开出口;本发明能够给参与者的听觉、视觉和触觉带来全方位的体验。

    一种基于Spark的高维稀疏文本数据聚类方法

    公开(公告)号:CN106570173A

    公开(公告)日:2017-04-19

    申请号:CN201610988558.4

    申请日:2016-11-09

    Abstract: 本发明请求保护一种基于Spark的高维稀疏文本数据聚类方法,包括步骤:用RDD读入数据集;并用RDD接口设计出分布式稀疏向量集;分布式稀疏向量集与其所在结点的完整数据集计算相似度,按编号抽象为相似矩阵。将存放的相似矩阵对称化,并求其归一化形式和Laplace矩阵形式。4、利用SVD分解步骤3中归一化Laplace矩阵,5、步骤4构建的新矩阵作为样本输入到K‑means模型进行训练。6、利用建立的模型对测试集进行聚类。本发明提高了传统谱聚类算法在大数据集下的运算性能。

Patent Agency Ranking