-
公开(公告)号：CN118260949A
公开(公告)日：2024-06-28
申请号：CN202410414250.3
申请日：2024-04-08
Applicant: 南开大学
IPC: G06F30/20 , G06F30/15 , B60W60/00 , G06F119/06
Abstract: 本发明属于驾驶策略和能源技术领域，具体涉及一种以绿色驾驶为导向的驾驶习惯——燃油经济性分析方法。针对以节能为导向的驾驶习惯研究中对大量驾驶过程数据样本的需求，为了弥补传统试实验方法人力物力消耗大、实验样本难以选择的缺点，本发明提出了一种基于跟驰模型的驾驶习惯与燃油经济性相关性分析方法。通过驾驶习惯与IDM跟驰模型，生成汽车的运动状态，即一段仿真的驾驶过程。再利用MOVES燃油消耗计算模型，计算每段驾驶过程的燃油消耗情况。通过蒙特卡洛实验，得到驾驶习惯‑单位距离燃油消耗数据，并通过相关性分析和曲线拟合的方法分析探究跟驰模型中各个驾驶习惯对燃油消耗情况影响的数学关系。本研究中所使用的方法能够针对不同车辆型号，探究驾驶习惯对燃油消耗的影响。能够代替道路实测或作为预分析手段，为其提供参考，节省人力物力，具有广阔的应用前景。
-
公开(公告)号：CN111681156B
公开(公告)日：2022-09-23
申请号：CN202010533495.X
申请日：2020-06-16
Applicant: 南开大学
Abstract: 一种应用于无线传感器网络的深度压缩感知图像重构方法。本发明属于信号处理技术领域，具体涉及一种应用于无线传感器网络的农作物图像重构方法。本发明深入发掘农业物联网中农作物图像相似性，提出了一种基于生成模型的深度压缩感知农作物图像重构方法。该方法同时利用了农作物图像的稀疏性与低秩性，以及实际应用中图像的单一性，结合深度卷积生成对抗模型，利用随机梯度下降法对无线传感器网络中图像的重构问题进行求解。深度压缩感知模型与传统方法相比，可以更有效地构建出图像的低维表示。实验结果表明，本发明提出的深度压缩感知图像重构方法与现有方法相比，可以有效提升无线传感器网络中农作物图像的重构效果。
-
公开(公告)号：CN112741627A
公开(公告)日：2021-05-04
申请号：CN202110122584.X
申请日：2021-01-29
Applicant: 南开大学
IPC: A61B5/1455
Abstract: 本发明属于医学应用算法领域，具体涉及一种基于多重滤波的手腕血氧饱和度监测方法。该方法主要包含一种使用多重滤波和反馈机制的手腕血氧饱和度监测方案。实施方式为应用多重滤波对血氧传感器在手腕处采集的原始数据进行处理，计算得到实时血氧值，并应用反馈机制结合血氧的异常程度对其测量周期进行自适应调控。该监测方案的应用能够大幅提升手腕处血氧饱和度监测的可靠性和鲁棒性以及监测数据的实时有效性。相较于传统指夹式脉搏血氧仪，本发明使得手腕处的血氧饱和度监测稳定可靠，更适用于长时间的血氧饱和度监测场景，监测方案能够及时监测到异常情况并采取相应措施，保护被监测者的生命健康安全。
-
公开(公告)号：CN111681156A
公开(公告)日：2020-09-18
申请号：CN202010533495.X
申请日：2020-06-16
Applicant: 南开大学
Abstract: 一种应用于无线传感器网络的深度压缩感知图像重构方法。本发明属于信号处理技术领域，具体涉及一种应用于无线传感器网络的农作物图像重构方法。本发明深入发掘农业物联网中农作物图像相似性，提出了一种基于生成模型的深度压缩感知农作物图像重构方法。该方法同时利用了农作物图像的稀疏性与低秩性，以及实际应用中图像的单一性，结合深度卷积生成对抗模型，利用随机梯度下降法对无线传感器网络中图像的重构问题进行求解。深度压缩感知模型与传统方法相比，可以更有效地构建出图像的低维表示。实验结果表明，本发明提出的深度压缩感知图像重构方法与现有方法相比，可以有效提升无线传感器网络中农作物图像的重构效果。
-
公开(公告)号：CN110133597A
公开(公告)日：2019-08-16
申请号：CN201910482876.7
申请日：2019-06-04
Applicant: 南开大学
IPC: G01S5/26
Abstract: 本发明公开一种基于超声波信标系统的融合定位方法及系统。方法包括：获取固定信标和移动信标的原始坐标信息；根据固定信标和移动信标的原始坐标信息，得到固定信标和移动信标之间的原始距离信息；采用卡尔曼滤波方法对距离信息进行修正，得到修正距离信息；根据固定信标的原始坐标信息和修正距离信息，得到移动信标的真实坐标信息；将真实坐标信息通过调制解调器上传至客户端。本发明针对实际应用中由非视距传播引起的测量误差，采用卡尔曼滤波算法对测距进行优化，能够提高定位精度，同时通过采用最小二乘法将数据信息化，也能进一步提高定位精度。
-
Patent Agency Ranking
公开(公告)号：CN106487389A
公开(公告)日：2017-03-08
申请号：CN201610898645.0
申请日：2016-10-13
Applicant: 南开大学
IPC: H03M7/30
CPC classification number: H03M7/30
Abstract: 本发明公开了一种基于压缩感知的适用于稀疏信号重构的顺序正交匹配追踪算法，属于压缩感知信号处理领域。本发明不需要其他任何先验信息，也不需要其他算法作为辅助，仅需要上个正交匹配追踪算法所得估计支撑集中原子选择顺序的信息。在得到原子顺序信息后，本发明仅需再次运行原始算法就可以有效提高算法性能，操作简便。本发明在运行过程中提供了一个可控参数，用来调整算法在重构性能和运算时间之间的折中。本发明与传统正交匹配追踪算法相比，具有准确重构概率高、平均重构误差低的特点，相对其他改进算法具有运行成本低，操作简便，重构性能与运算时间可折中调控的优势，必将进一步促进压缩感知理论在实际中的应用。
-
公开(公告)号：CN116524048A
公开(公告)日：2023-08-01
申请号：CN202310476361.2
申请日：2023-04-28
Applicant: 南开大学
IPC: G06T9/00 , G06T3/40 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/0475 , G06N3/094 , H04N19/44
Abstract: 本发明属于信号处理技术领域，具体涉及一种基于潜在扩散模型的自然图像压缩感知方法。本发明深入发掘自然图像的离散性和可压缩性，提出了一种基于深度学习的两段式图像重构方法。该方法在第一阶段使用向量量化生成对抗网络在大数据集上学习图像的深度特征，得到图像在低维潜在空间上的离散化编码，以消除自然图像的冗余信息。在第二阶段，以图像的压缩测量值为条件，使用扩散模型推断其对应的潜在编码，并进一步重建原始图像。实验结果显示，本发明提出的图像压缩感知方法与现有方法相比，能大幅提高低采样率下重构图像的视觉效果。
-
公开(公告)号：CN111798531B
公开(公告)日：2022-09-20
申请号：CN202010648858.4
申请日：2020-07-08
Applicant: 南开大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种应用于植株监测任务的完全可学习图像深度卷积压缩感知重构方法。本发明充分发掘植株监测任务中图像的高度结构相似性，提出了一种基于神经网络的图像压缩感知重构方法。该方法结合变分自动编码器和深度卷积生成对抗模型，将图像压缩感知过程通过采样器、求解器和重建器三个可学习的神经网络完成，每一部分均可独立训练。本发明与传统方法相比，可以更有效地构建出植株图像的低维表示。实验结果表明，本发明提出的完全可学习图像压缩感知重构方法与现有方法相比，在提升重构图像质量的同时，所需时间大大减少。
-
公开(公告)号：CN106992789A
公开(公告)日：2017-07-28
申请号：CN201710217070.6
申请日：2017-03-30
Applicant: 南开大学
IPC: H03M7/30
CPC classification number: H03M7/3062
Abstract: 一种基于压缩感知的前后向协同加速匹配追踪方法，属于压缩感知技术领域。本发明基于前后向匹配追踪算法，通过自适应调整前向步长减少选入支撑集的原子个数，解决前后向匹配追踪只能以固定步长筛选原子、计算量大、速度慢的问题；根据原子与上次迭代残差的相关性呈阶梯状排列的特点，在迭代中寻找最优阶梯的位置并以其为依据缩短前向步长，在不降低重构成功率的同时减小算法的计算量，大幅度加速算法。本发明在缩短重构时间的同时能保证重构成功率，提高了算法的实用性。
-
公开(公告)号：CN118134779A
公开(公告)日：2024-06-04
申请号：CN202410291558.3
申请日：2024-03-14
Applicant: 南开大学
IPC: G06T5/50 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于多尺度重构Transformer与多维注意力的红外和可见光图像融合方法，包括两个阶段：第一阶段为训练阶段，构建基于UNet++结构的编解码器并训练，利用多尺度重构Transformer补偿下采样时的全局依赖信息，将高维注意力加入到编码器横向密集连接的卷积块中，强化其对有效信息的关注能力；第二阶段为融合阶段，将融合模块添加到编码器和解码器之间，使用空间和通道注意力加权融合编码器特征，解码器重构出融合图像；本发明能够增强特征提取与重构能力，保留图像更多纹理细节；与现有方法相比，在信息熵、互信息、融合质量、标准差和视觉保真度这五种常用融合图像指标上具有优势。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.022 seconds)
