-
公开(公告)号:CN112637962A
公开(公告)日:2021-04-09
申请号:CN202110061902.6
申请日:2021-01-25
Applicant: 南开大学
IPC: H04W72/12 , H04W28/02 , H04L12/851 , H04L12/863 , H04L12/865 , H04L12/26 , H04W24/02 , H04W4/80 , H04W84/18 , H04W88/16
Abstract: 本发明属于无线通信领域,具体涉及一种应用于饲养环境监测的蓝牙网关优化方法。所述方法包括数据优先队列排队机制、缓存队列管理方法和采样频率自适应机制。所述方法通过队列机制和缓存管理方法优先发送对监测效果影响最大的关键信息,应用反馈机制结合监测参量异常程度对节点的采样周期进行自适应调控。所述方法显著缩短了关键信息的传输时延,大幅度降低了丢包率,提高了数据传输的实时性和可靠性。相较于传统方法,本发明更适用于参量类型多样、环境变化复杂的畜禽饲养环境监测中,所述方法处理异常数据更及时有效,降低了环境突变带来的损失。
-
公开(公告)号:CN111798531A
公开(公告)日:2020-10-20
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:CN111681298A
公开(公告)日:2020-09-18
申请号:CN202010509984.1
申请日:2020-06-08
Applicant: 南开大学
Abstract: 本发明属于信号处理和深度学习技术领域,具体涉及一种应用于压缩感知的农作物图像重建方法。针对如何在农作物生长监测中实现对农作物图像快速、准确获取这一问题,本发明提出了一种基于多特征残差网络的深度压缩感知图像重建方法。该方法利用卷积神经网络自主学习农作物图像的不同特征信息,结合残差模块,实现压缩感知逆求解。基于深度学习的图像重建方法与传统的图像重建方法相比,放宽了对原始信号稀疏性的假设条件,将多次迭代转换成深度神经网络计算,可获得更高的精确度。实验结果表明,本发明提出的基于多特征残差网络的压缩感知图像重建方法可提升农作物图像的重建质量。
-
公开(公告)号:CN110022541A
公开(公告)日:2019-07-16
申请号:CN201910444396.1
申请日:2019-05-22
Applicant: 南开大学
Abstract: 本发明公开了一种应用于智慧农业并基于NB-IoT和FPGA的无线传感器网络(WSN)农作物生长环境信息稀疏采集与传输方法。该方法主要包括:利用Zigbee无线传感器节点以稀疏采样方式采集农作物生长环境信息;将采集的稀疏数据信息发送到FPGA核心控制端并在FPGA内执行矩阵填充算法对稀疏数据集矩阵进行填充;将恢复完整的数据以NB-IoT的方式发送到云平台端,并在云端进行显示,最终实现对农作物生长环境信息的采集、传输与监控功能。本发明将稀疏采样理论应用于无线传感器网络中,并以硬件实现矩阵填充算法,可以保证传感器节点较低的功耗和数据较快的恢复速度。
-
公开(公告)号:CN109829518A
公开(公告)日:2019-05-31
申请号:CN201910196273.0
申请日:2019-03-15
Applicant: 南开大学
Abstract: 本发明公开了基于信任度和改进遗传算法应用于无线传感器网络数据融合的一种方法。本发明首先将温湿度、光照、PH和电导率无线传感器节点采集的原始数据经汇聚节点发送到网关,在网关处利用三次指数平滑对原始数据进行预处理,剔除异常数据和噪声数据;采用基于指数型信任度的融合算法对平滑数据进行融合,并结合改进的遗传算法对融合估计值进行优化。试验结果表明,三次指数平滑能明显减少数据波动,提高系统稳定性;与算术平均法和自适应加权法等常用的数据融合算法相比,融合信任度和改进遗传的数据融合算法能够有效提高融合精度,减少算法执行时间。
-
公开(公告)号:CN107733527A
公开(公告)日:2018-02-23
申请号:CN201711006464.3
申请日:2017-10-23
Applicant: 南开大学
IPC: H04B10/116 , H04B10/27 , H04B10/40 , H04Q1/02
CPC classification number: H04B10/116 , H04B10/27 , H04B10/40 , H04Q1/028
Abstract: 本发明公开了一种基于300Mbps可见光通信的以太网-可见光适配器板级方案,属于可见光通信技术关键设备的设计领域。本发明基于可编程逻辑门阵列技术,从板级设计层面实现了从以太网信号到可见光信号的转换,保证数据在介质过渡中的传输完成。本发明立足于新兴的可见光通信技术,辅助实现了可见光通信信道与现行通信接口进行适配的需求,可解决目前可见光-以太网通信适配领域上硬件设备的难题,为未来可见光通信技术打下坚实的基础。
-
公开(公告)号:CN102970044B
公开(公告)日:2017-10-27
申请号:CN201210480452.5
申请日:2012-11-23
Applicant: 南开大学
Abstract: 本发明公开了一种基于回溯的迭代重加权(Backtracking‑based iterative reweighted least square,BIRLS)压缩传感重构方法。本发明通过在迭代重加权过程中加入回溯和稀疏度自适应的思想,在每一次迭代过程中将前次迭代得到的解向量支撑与迭代重加权产生的支撑合并,再通过回溯和自适应过程优化解向量支撑的选择。基于回溯的迭代重加权压缩传感重构方法能平衡所有系数对恢复效果的影响,且仅需要很少的迭代次数就能高概率恢复原始信号,大大减少重构所需的迭代时间,可较大程度提升对稀疏信号的恢复能力和重构精度。
-
公开(公告)号:CN106953640A
公开(公告)日:2017-07-14
申请号:CN201710195703.8
申请日:2017-03-24
Applicant: 南开大学
IPC: H03M7/30
CPC classification number: H03M7/3062
Abstract: 本发明公开了基于压缩感知正交匹配追踪算法的一种融合改进方法,属于压缩感知技术领域。本发明基于正交匹配追踪算法,改进压缩感知重构算法,实现信号重构,突破现有算法信号重构成功率的瓶颈;提出以先验参数控制正交匹配追踪算法在融合过程中所占比重,通过可控融合实现算法改进;提出以正交匹配追踪算法得到的原子集和现有算法融合的方式进行算法改进,改进方式简单有效,显著提高信号重构成功率。本发明提高了现有算法的重构成功率,实现了低测量值下的高成功率重构,适用于多种压缩感知重构算法,对于压缩感知理论的进一步应用具有有效促进作用。
-
公开(公告)号:CN104809620A
公开(公告)日:2015-07-29
申请号:CN201510245719.6
申请日:2015-05-12
Applicant: 南开大学
Abstract: 本发明提出了一种基于加密QR码的防伪标签及验证方法,属于防伪技术领域。本发明采用分段加密技术与QR码编译码技术相结合的方法,所述的分段加密技术是将QR码编码信息进行分区,包括明文区与密文区两部分。所述的验证方法为双码验证,加密防伪QR码涂层(1)既是加密防伪验证码A的载体,同时又是可刮开涂层,该验证方法主要是通过将加密防伪QR码涂层(1)内含的加密防伪验证码A以及涂层下防伪验证码B(4)双码上传至在线验证防伪系统进行验证,且验证次数为N,N为小于4的自然数。本发明的设计方案可防止防伪标签被复制,可有效提高防伪的可靠性,对防伪技术领域的发展与应用有着重要的意义。
-
公开(公告)号:CN104484906A
公开(公告)日:2015-04-01
申请号:CN201410814155.9
申请日:2014-12-22
Applicant: 南开大学
IPC: G07C1/10
CPC classification number: G07C1/10
Abstract: 一种基于AES加密QR码的智能签到系统及方法,本发明属于智能电子签到技术领域。一种基于AES加密QR码的智能签到系统包括:签到QR码显示屏1、签到系统服务器2、智能手机终端3以及WI-FI无线路由器4。签到系统服务器每日定时自动生成签到加密QR码,用户使用安装有专用扫描软件的智能手机终端3扫描签到QR码显示屏1上的签到加密QR码获得签到信息,然后,通过WI-FI无线路由器4将信息发送至签到系统眼务器2,签到系统服务器2对信息进行比对,确认后登记签到时间完成签到。本发明主要利用加密QR码的保密性高、识别速度快等特点,可极大节省签到时间,快速完成签到工作;同时,还可以防止他人代签的情况发生;且实现成本低,无需购买专用硬件扫描设备,对智能签到技术领域的发展与应用具有重要意义。
-
-
-
-
-
-
-
-
-