-
公开(公告)号：CN118821877A
公开(公告)日：2024-10-22
申请号：CN202410929280.8
申请日：2024-07-11
Applicant: 重庆邮电大学
IPC: G06N3/063 , G06N3/0464 , G06N3/0495 , G06N3/08 , G06N3/082 , G06F11/36 , G06F15/78 , G06F8/60 , G06F9/50 , G06F9/48 , G06V10/82
Abstract: 本发明公开一种基于FPGA的VGG‑16卷积加速器设计及部署方法，包括以下步骤：部署方面：量化卷积神经网络模型，在牺牲部分精度的情况下将整个网络的量化为8bit数据类型，缩小到原来网络的1/4大小；根据VGG‑16模型各个卷积层输入特征图大小共同特点，固定卷积加速器的输入大小并通过重复调用卷积加速器，直到当前卷积神经网络计算完成；卷积加速器设计方面：在卷积加速器上增加对卷积加速器上的输入特征图分块并行计算，在卷积过程中实现流水并行方式。本发明为VGG‑16卷积加速器设计的分块策略，提高了卷积加速器单位时间内的计算吞吐量。
-
公开(公告)号：CN118678340A
公开(公告)日：2024-09-20
申请号：CN202410929277.6
申请日：2024-07-11
Applicant: 重庆邮电大学
Abstract: 随着无线传感器网络的快速发展，人们对高精度定位技术的需求日益强烈，传感器网络的异步时钟和安全问题使得定位更具挑战性。本发明关注无线传感器网络的隐私保护异步定位问题，提供了一种具有隐私保护的定位系统及方法。具体来说，构建了包括目标节点和锚节点的无线传感器网络。然后，提供了一种异步定位方法，通过两轮节点广播记录的时间戳来估计目标节点与各个锚节点之间的相对时钟偏差并对异步时钟造成的误差进行补偿，使用补偿后的无偏飞行时间估计目标传感器节点的位置。值得一提的是，所提出的定位算法实现了目标节点位置的隐私保护，但它们没有采用任何同态加密技术，也就意味着不会消耗过多计算资源。更重要的是，它们可以消除异步时钟的影响，即时钟偏差和偏移。本发明提出的定位方法可以避免位置信息的泄漏，同时与其他隐私保护的工作相比，定位精度可以不被影响。
-
公开(公告)号：CN117870724A
公开(公告)日：2024-04-12
申请号：CN202410041421.2
申请日：2024-01-11
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于多源异步传感器的在线外部参数标定方法，在不需要额外辅助设备的情况下，利用局部传感器与全局传感器定位结果的相关性，估计各传感器之间的时间偏移与外部参数。首先，在获取各传感器云数据的基础上，构建以时间偏移与外部参数为目标的优化模型。其次，根据待优化参数的可解耦性，分别对各参数进行最优估计。最后，在获取时间偏移与外部参数的基础上，实现了各传感器的时间同步与空间坐标对齐。本发明不同于使用GPS时间作为统一时间源与基于以太网的时间同步方式，在缺乏传感器间同步信息的情况下，无需额外设备和校准步骤，可在线实现各传感器的部参数自标定。本发明通过解耦变换求解外部参数，相比于同时求解所有参数的方法，降低了参数估计的复杂度，能够进行快速的参数估计，保证了多源传感器融合定位结果的时效性。
-
公开(公告)号：CN117179715A
公开(公告)日：2023-12-08
申请号：CN202311128322.X
申请日：2023-09-04
Applicant: 重庆邮电大学
IPC: A61B5/0205 , A61B5/00 , G06F18/213 , G06F17/16 , G01S13/88
Abstract: 本发明公开了一种基于毫米波雷达的人体呼吸和心跳信号准确提取方法。首先，通过部署毫米波雷达采集人体数据，获得人体位置以及胸腔相位信号；其次，通过SSA算法对相位信号进行重构，去除相位信号中的噪声；再次，通过CEEMDAN算法，设置一个信号选取准则，分别构造一个潜在呼吸信号集以及一个潜在心跳信号集；最后对于呼吸信号集直接应用FastICA算法提取呼吸信号，对心跳信号集则先求二阶导抑制呼吸谐波的干扰，再利用FastICA提取心跳信号。本发明专利通过SSA算法以及CEEMDAN算法实现了呼吸和心跳信号的降噪及分离。当心跳信号中存在呼吸谐波干扰时，通过对信号求二阶导充分抑制呼吸谐波的干扰，该方法在有效抑制呼吸谐波的同时保证了呼吸和心跳信号的准确率。
-
公开(公告)号：CN116415151A
公开(公告)日：2023-07-11
申请号：CN202310414564.9
申请日：2023-04-18
Applicant: 重庆邮电大学
IPC: G06F18/214 , G06F18/213 , G06F18/2413
Abstract: 本发明公开了一种滤波器射频指纹形成机理的分析方法，该方法系统的分析了射频指纹的产生机理。射频指纹是由于滤波器器在生产过程中存在误差，滤波器之间存在各种差异，导致每个滤波器的输出也存在差异而形成的。因此通过将尺寸误差和输出的频率响应曲线建立联系从而分析滤波器射频指纹的形成机理。具体思路如下：首先，获取含有不同尺寸误差的滤波器的射出频率响应曲线，然后将滤波器的频率响应曲线值与滤波器的尺寸误差进行插值拟合，从而获取插值函数；然后，通过插值函数预测得到各个尺寸误差滤波器的频率响应曲线值，并将频率响应曲线数据进行训练；最后，用训练得到的分类器对实际的滤波器进行分类，验证通过插值函数获得指纹特征和实际该尺寸滤波器的指纹特征是否能够匹配。
-
Patent Agency Ranking
公开(公告)号：CN114720999A
公开(公告)日：2022-07-08
申请号：CN202210350454.6
申请日：2022-04-04
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于时延相对误差的光量子符合计数定位方法。首先，将激光器产生的连续泵浦光通过半波片和偏振分束器形成线偏振光，照射至周期极化磷酸氧钛钾(PeriodicallyPoled KTP，PPKTP)晶体，产生参考光和信号光；其次，将参考光直接由本地单光子探测器接收，而将信号光发射至待测目标，并反射回本地由另一单光子探测器接收，计算各光源中信号光时间脉冲序列的光子丢失率并进行动态分组；再次，对时间脉冲序列进行符合计数，得到光的二阶关联函数曲线，将其峰值所对应的时延值作为信号光和参考光的飞行时间差；最后，针对符合计数得到的时延值，计算其他分组的时延相对误差，并动态选择具有较小时延相对误差的光源用于定位。
-
公开(公告)号：CN111707986B
公开(公告)日：2022-05-27
申请号：CN202010557199.3
申请日：2020-06-18
Applicant: 重庆邮电大学
IPC: G01S5/02 , H04B17/309
Abstract: 本发明提出了一种基于稀疏面阵的三维参数估计方法。首先，将面阵所在平面按照信号入射角的范围分为8个区域。在每一个区域内，通过分析稀疏面阵，将稀疏面阵按照信号的入射方向映射为非均匀虚拟线阵，构造稀疏面阵的方向矢量并计算稀疏面阵和非均匀虚拟线阵之间的相位差。其次，将面阵方向矢量分别乘上面阵与虚拟线阵之间的相位差，得到虚拟线阵的方向矢量。在此基础上，构造入射信号并利用三维参数估计算法进行AoA(Arrival of Angle)、ToF(Time of Flight)和DFS(Doppler Frequency Shift)的联合参数估计，并利用谱函数搜索得到一系列的峰值。最后，通过分析稀疏面阵映射为非均匀虚拟线阵的几何关系，利用角度搜索得到正确的入射角对应的峰值。本发明克服了业务天线稀疏面阵排列规则不满足空间采样定理而导致的无法进行参数估计的问题，为实际应用中基于业务天线的室内跟踪定位等应用奠定了理论基础。
-
公开(公告)号：CN113267799B
公开(公告)日：2022-04-29
申请号：CN202110535388.5
申请日：2021-05-17
Applicant: 重庆邮电大学
IPC: G01S19/47 , G01S19/39 , G01S19/25 , G01S19/37 , G01S1/70 , G01J1/44 , G01C21/16 , G01C22/00 , G01L5/00
Abstract: 本发明提出了一种基于星海光量子链路传输的水下量子测距方法。首先，利用瞄准跟踪技术建立光量子通信链路，通过卫星上的激光器产生泵浦光，将泵浦光入射至周期极化磷酸氧钛钾晶体，发生自发参量下转换，得到具有纠缠特性的信号光与闲置光，将信号光和闲置光分别发射至海面站1与海面站2，利用两个海面站的单光子探测器接收光子；其次，让海面站1下沉，海面站2浮于海面，对海面站1进行位置跟踪；然后，利用海面站1上的单光子探测器发射光子至目标，经目标反射后由该单光子探测器接收；最后，利用高速采集电路对两个海面站的单光子探测器输出的时间脉冲序列进行符合计数，求得信号光的飞行时间，进而计算出海面站1与目标之间的距离。
-
公开(公告)号：CN114158004A
公开(公告)日：2022-03-08
申请号：CN202111498377.0
申请日：2021-12-09
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于图卷积神经网络的室内无源移动目标检测方法。首先，本方法提取接收端每根天线接收到的CSI幅值，分别计算每根天线所有子载波上CSI幅值对应的频谱。然后，对频谱图频率分布进行平均划分得到多个频段，分别对每个频段所有频率对应的能量计算平均能量值。对计算得到的平均能量值进行降序排序之后，得到对应的索引矩阵。再对该索引矩阵第一列对应的索引值进行降序排序，并基于该索引矩阵第一列的变化得到对应变化后的索引矩阵其他列的索引，依据该变化后的索引矩阵即可构造图网络结构。最后，依据得到的图网络结构构造图卷积神经网络(Graph Convolutional Network，GCN)的输入，GCN的输出即为所检测图网络结构的特征，将该特征与检测类一一映射，最终完成检测类的识别。
-
公开(公告)号：CN113660723A
公开(公告)日：2021-11-16
申请号：CN202110954327.2
申请日：2021-08-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于神经网络的室内指纹定位方法，属于室内定位技术领域。该方法包括：S1：采集室内多个参考点处的CSI位置指纹和位置坐标，构造神经网络的输入矩阵和理想输出矩阵；S21：初始化权值和阈值，代入输入矩阵进行正向传播，得到隐藏层输入矩阵；S22：选择LeakyReLU函数作为激活函数，再进行正向传播得到神经网络的输出矩阵；S23：利用输出矩阵和理想输出矩阵构造代价函数；S24：在反向传播过程中引入梯度下降法，根据误差矩阵来反向计算每个权值和阈值的梯度，朝着梯度的反方向更新参数；S3：将测试样本构成的输入矩阵代入神经网络进行正向传播，得到输出层输出矩阵。本发明能提高定位精度。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.029 seconds)
