-
公开(公告)号：CN114723786B
公开(公告)日：2025-01-10
申请号：CN202210455683.4
申请日：2022-04-24
Applicant: 东南大学
IPC: G06T7/246 , G06T7/277 , G06V10/75 , G06V10/82 , G06V10/44 , G06V10/50 , G06V10/25 , G06V10/80 , G06N3/0464 , G06N3/098
Abstract: 本发明公开了一种基于MF‑DeepSORT的交通多目标跟踪方法及系统，包括：使用YOLOv5检测模型进行目标检测，获得目标区域；提取目标区域的深度卷积特征和方向梯度直方图特征，输入到级联匹配阶段进行跟踪匹配；未能匹配成功的目标区域和跟踪目标进行交并比关联匹配。本发明相比于当前DeepSORT跟踪算法在增加少量计算量的情况下，提升了多目标跟踪算法的跟踪精度性能，同时获得更高的多目标跟踪准确性和更低的跟踪ID切换次数。
-
公开(公告)号：CN119224686A
公开(公告)日：2024-12-31
申请号：CN202411330758.1
申请日：2024-09-24
IPC: G01S5/02 , H04W4/33 , H04W64/00 , G06F18/213 , G06F18/24 , G06F18/23213 , G06N20/20
Abstract: 本发明公开了一种适用于6G室内通信的视距/非视距识别辅助定位方法，属于无线通信领域，本发明的方法通过将目标定位点的信道指纹特征按照最优信道指纹特征组合规则输入预先构建的视距/非视距分类模型，输出目标定位点的视距/非视距标签，根据输出的标签类型选择预先构建的定位模型及相应的最优信道指纹特征组合规则，将目标定位点的信道指纹特征按照最优信道指纹特征组合规则重新组合排列后，输入定位模型，并执行自适应K值加权预测，估计目标定位点的位置坐标。本发明解决了室内环境存在的大量非视距传输和多径衰落带来的定位精度较低问题，显著提高了室内定位的精度和算法鲁棒性，且在没有足够的训练数据情况下，也具有潜在的适用性。
-
公开(公告)号：CN114723786A
公开(公告)日：2022-07-08
申请号：CN202210455683.4
申请日：2022-04-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于MF‑DeepSORT的交通多目标跟踪方法及系统，包括：使用YOLOv5检测模型进行目标检测，获得目标区域；提取目标区域的深度卷积特征和方向梯度直方图特征，输入到级联匹配阶段进行跟踪匹配；未能匹配成功的目标区域和跟踪目标进行交并比关联匹配。本发明相比于当前DeepSORT跟踪算法在增加少量计算量的情况下，提升了多目标跟踪算法的跟踪精度性能，同时获得更高的多目标跟踪准确性和更低的跟踪ID切换次数。
-
公开(公告)号：CN119853833A
公开(公告)日：2025-04-18
申请号：CN202411710945.2
申请日：2024-11-27
Abstract: 本申请适用于三维场景重构与无线信道建模的交叉融合技术领域，提供了一种基于激光雷达感知重构的室内场景无线信道建模方法，包括：先利用激光雷达采集室内场景点云数据，再对点云数据进行降噪采样处理，接着基于随机采样一致性和霍夫变换算法提取包含墙壁、天花板、地板的结构元素，再针对内部元素，采用图像语义分割模型检测墙壁开口结构，并基于模板变形实现家具重构，又利用面元剖分算法实现三维表面重建，最后对不同材质表面匹配电磁参数后通过射线追踪仿真完成无线信道建模。由此，将复杂场景划分为结构元素和内部元素，并针对不同元素设计了相应算法来提取关键几何特征，从而提高了重构的精度和鲁棒性。
-
公开(公告)号：CN118312846A
公开(公告)日：2024-07-09
申请号：CN202410418554.7
申请日：2024-04-09
IPC: G06F18/241 , H04B17/309 , G06F18/15 , G06F18/213 , G06N3/0455 , G06N3/0499 , G06N3/0985 , G06N3/09 , G06N3/088
Abstract: 本发明公开了一种适用于6G无线通信的智能场景识别方法及装置，属于场景识别领域，方法包括：采集待识别的场景物理环境参数；待识别的场景物理环境参数输入到预先训练好的分类器进行分类，其中，分类器为利用场景物理环境参数对分类模型进行训练得到。本发明的方法能够采集不同6G无线通信场景中易获取的环境特征，通过数据预处理、分类器训练、超参数优化等步骤，使其具有较好的场景识别性能，可应用于6G多场景信道特性研究、系统设计、网络优化等关键技术。
-
Patent Agency Ranking
公开(公告)号：CN116346262A
公开(公告)日：2023-06-27
申请号：CN202211603711.9
申请日：2022-12-13
Applicant: 东南大学
IPC: H04B17/391 , G06F18/24
Abstract: 本发明公开一种基于6G全覆盖场景分类的场景自适应信道建模方法。通过使用测量或仿真数据对信道模型参数进行优化，实现对6G全覆盖场景转换的全新架构设计和自适应信道建模。包括1)基于6G空‑天‑地‑海全覆盖场景的物理定义，使用环境参数与统计特征相组合方案进行场景转换分类。2)根据场景分类结果构建场景模型参数数据库。3)将场景对应的模型参数输入到6G普适信道模型中，生成场景转换的实时信道模型。4)根据实测数据，采用闭环反馈调整普适信道模型的参数，迭代得到场景转换的优化模型。5)验证具体场景自适应信道建模的精确度。针对复杂多样6G通信环境，自适应构建高精度信道模型，为无线通信研究发展奠定重要基础。
-
公开(公告)号：CN114584230B
公开(公告)日：2023-06-20
申请号：CN202210214717.0
申请日：2022-03-07
Applicant: 东南大学
IPC: H04B17/309 , H04B17/391 , H04L25/02
Abstract: 本发明公开了一种基于生成对抗网络与长短期记忆人工神经网络的预测性信道建模方法，有效地实现不同频段和场景下的信道预测功能，并为仿真实验生成大量的信道数据集。首先输入已有频段以及场景的信道测量数据进行训练。然后使用长短期记忆人工神经网络学习真实的信道数据，获取信道时间序列特征；通过生成对抗网络的对抗学习，极大地消除信道数据的冗余信息，并且根据测量数据生成准确的信道数据，并且获取海量信道信息。最后在生成对抗网络的不断迭代中得到生成模型与鉴别模型的平衡，输出训练好的预测性信道模型。模型预测所得到的信道统计特性能清楚地说明了本发明对信道分布特征的预测学习，能够解决无线通信中实时且复杂的预测问题。
-
公开(公告)号：CN116070130A
公开(公告)日：2023-05-05
申请号：CN202211604035.7
申请日：2022-12-13
Applicant: 东南大学
IPC: G06F18/24 , G06V10/764 , G06V20/00 , H04W24/06
Abstract: 本发明提供一种针对6G全覆盖无线通信的场景扩展与分类方法。其实现步骤为：1)归纳标准化信道模型的场景与分类方法；2)按照“宏观到微观”聚焦原则，从宏观上划分为空、天、地、海这4大类场景；3)按照“标尺线”的海拔等高线原则，将子场景细分为内外或上下；4)根据物理属性和信号传播特点，定义更详细的应用场景和差异化物理参数。本发明主要解决现有无线通信场景统计不全面和分类不清晰的问题，能够提高6G全覆盖变换场景分类准确率和实时性，为无线通信场景分类研究和发展奠定重要基础。
-
公开(公告)号：CN115694697A
公开(公告)日：2023-02-03
申请号：CN202211189126.9
申请日：2022-09-28
Applicant: 东南大学
IPC: H04B17/391 , H04B17/373 , G06N3/0442 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于机器学习的空时域预测信道建模方法，包括：通过信道测量或仿真获取信道数据，并设置信道数据的邻节点数和时刻序列长度，构造空时图数据集；建立图注意力网络和门控循环单元模型，依次提取信道空间和时间特征；利用模型所提取信道空时域融合特征，预测当前通信场景下未来时刻各位置的信道统计特性。本发明提出的利用信道空时域高相关性数据特征的信道预测方法，能够实现对未知地点和未知时刻进行高精度信道统计特性预测，对多维度的预测信道建模研究具有指导意义。
-
公开(公告)号：CN115694697B
公开(公告)日：2024-11-29
申请号：CN202211189126.9
申请日：2022-09-28
Applicant: 东南大学
IPC: H04B17/391 , H04B17/373 , G06N3/0442 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于机器学习的空时域预测信道建模方法，包括：通过信道测量或仿真获取信道数据，并设置信道数据的邻节点数和时刻序列长度，构造空时图数据集；建立图注意力网络和门控循环单元模型，依次提取信道空间和时间特征；利用模型所提取信道空时域融合特征，预测当前通信场景下未来时刻各位置的信道统计特性。本发明提出的利用信道空时域高相关性数据特征的信道预测方法，能够实现对未知地点和未知时刻进行高精度信道统计特性预测，对多维度的预测信道建模研究具有指导意义。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.044 seconds)
