-
公开(公告)号：CN109933089A
公开(公告)日：2019-06-25
申请号：CN201910227342.X
申请日：2019-03-25
Applicant: 北京邮电大学
IPC: G05D1/10
Abstract: 本发明实施例提供基于最小化最大能量消耗的多无人机任务规划方法及装置。其中，方法包括：获得多个任务点；将多个任务点规划为初始路径；按预设遍邻域搜索算法中的优化方式，对初始路径优化，得到M架无人机的待飞行路径；其中，将多个任务点规划为初始路径包括：确定出发点，从多个任务点中选取M个点，作为M条待扩展路径的第一个节点；在确定出M条待扩展路径的第一个节点后，针对每一条待扩展路径的末端节点，计算扩展能耗，将扩展能耗最小的任务点作为候选节点；并返回计算剩余待扩展路径的扩展能耗，直至各任务点均属于M条待扩展路径中的一条，得到M条初始路径。通过本方案可实现多无人机协同工作的飞行路径进一步有效调节。
-
公开(公告)号：CN103997693B
公开(公告)日：2017-06-16
申请号：CN201410256829.8
申请日：2014-06-11
Applicant: 北京邮电大学
IPC: H04N21/647 , H04N21/63
Abstract: 一种机会网络中面向视频投递质量优化的激励方法，操作步骤如下：对视频数据包投递质量的边缘增益建模，为移动节点计算收益奠定基础；执行基于视频数据包边缘质量增益的收益分配激励方法，移动节点选择最优策略传输视频数据。本发明充分考虑视频数据特征：既考虑视频帧之间的强相关性造成的不同类型的视频数据包在视频重建中的不同重要性，也考虑视频数据包在网络中扩散备份数量多少对视频重建的边缘质量增益的影响；不但刺激节点主动参与传输视频数据，还迫使节点按照设定原则优化视频投递质量，以获取最大效益。按照移动节点效用增益所占的比例计算其收益，操作简便，复杂度低，占用的计算资源少。总之，本发明方法具有推广应用前景。
-
公开(公告)号：CN105550020A
公开(公告)日：2016-05-04
申请号：CN201410588541.0
申请日：2014-10-28
Applicant: 北京邮电大学 , 腾讯科技(深圳)有限公司
Abstract: 本发明公开了一种对象选取的方法和装置，属于互联网技术领域。所述方法包括：接收目标任务的竞标请求，所述竞标请求中携带有第一子任务、第一竞标价格和第一对象标识；根据已记录的所述目标任务的中标对象对应的各子任务的总价值，以及所述第一子任务的价值，确定所述第一对象标识对应的对象的边际价值，将所述边际价值与第一竞标价格的比值确定为边际密度；获取根据已接收的所述目标任务的其它竞标请求对应的子任务的价值和竞标价格确定出的密度阈值，如果所述边际密度大于获取的密度阈值，则记录所述第一对象标识对应的对象为所述目标任务的中标对象。采用本发明，可以提高对象选取的效率。
-
公开(公告)号：CN104935783A
公开(公告)日：2015-09-23
申请号：CN201510329688.2
申请日：2015-06-15
Applicant: 北京邮电大学
CPC classification number: H04N1/32272 , H04L63/04
Abstract: 本发明实施例公开了一种安全的主动式图像篡改检测方法及装置，该方法包括：发送端设备获得第一图像，生成长度为第二数值的随机值，获得预先配置的长度为第三数值的固定值，利用该随机值和该固定值生成长度为第一数值的指定类型字符串；利用信息摘要算法对第一图像和指定类型字符串进行Hash运算，得到第一信息摘要值；利用加密算法对指定类型字符串进行加密处理，得到加密后的指定类型字符串；将第一信息摘要值和加密后的指定类型字符串添加到第一图像中，得到第二图像；将第二图像发送给接收端设备；接收端设备利用第一信息摘要值和加密后的指定类型字符串检测第一图像是否被篡改。本发明实施例中，保证图像在取证过程中的图像完整性和图像真实性。
-
公开(公告)号：CN103997693A
公开(公告)日：2014-08-20
申请号：CN201410256829.8
申请日：2014-06-11
Applicant: 北京邮电大学
IPC: H04N21/647 , H04N21/63
Abstract: 一种机会网络中面向视频投递质量优化的激励方法，操作步骤如下：对视频数据包投递质量的边缘增益建模，为移动节点计算收益奠定基础；执行基于视频数据包边缘质量增益的收益分配激励方法，移动节点选择最优策略传输视频数据。本发明充分考虑视频数据特征：既考虑视频帧之间的强相关性造成的不同类型的视频数据包在视频重建中的不同重要性，也考虑视频数据包在网络中扩散备份数量多少对视频重建的边缘质量增益的影响；不但刺激节点主动参与传输视频数据，还迫使节点按照设定原则优化视频投递质量，以获取最大效益。按照移动节点效用增益所占的比例计算其收益，操作简便，复杂度低，占用的计算资源少。总之，本发明方法具有推广应用前景。
-
Patent Agency Ranking
公开(公告)号：CN118800469A
公开(公告)日：2024-10-18
申请号：CN202410812567.2
申请日：2024-06-22
Applicant: 北京邮电大学
IPC: G16H50/70 , A61B5/021 , A61B5/00 , G16H50/30 , G06F18/214 , G06N3/0895
Abstract: 本发明提供一种基于对比学习的个性化血压监测算法，包括：正负样本对构建和预训练微调框架两个部分，将来自不同人但具有相似血压的PPG片段作为正样本对；将同一人的其他时段的PPG片段作为负样本对；为了有效解决血压监测校准中的标签模糊性问题，设计了一种预训练微调框架，基于正负样本对构建，通过预训练和监督微调，实现小样本的个性化血压监测模型构建；本发明可以应用于具有PPG的可穿戴设备，实现连续、舒适的血压监测，工作安全可靠，适合推广，与传统的PTT方法相比，无需用户测量时辅助，相比于最新的深度学习方法可以有效降低模型微调所需的标签数量，大幅减轻用户的前期血压测量负担；并满足美国医疗仪器促进协会标准。
-
公开(公告)号：CN118252481A
公开(公告)日：2024-06-28
申请号：CN202410603196.7
申请日：2024-05-15
Applicant: 北京邮电大学
Abstract: 本发明提供一种重搏切迹无关的血压监测算法，其特征在于，包括：舒张压建模；脉压建模；形态无关的血压特征提取以及血压监测算法四个部分；与传统的PTT方法或示波法相比，本发明的设计方法可以在白天和夜间进行连续的血压监测，且舒适度高；相比于最新的深度学习方法，本发明可以更好地适应重搏切迹缺失问题；对收缩压和舒张压估计误差分别为0.01±6.74 mmHg以及0.02±6.27mmHg，满足AAMI标准（美国医疗器械促进协会颁布的评价电子血压计的国际标准：≤5±8mmHg），而其他方法在舍弃掉重搏切迹相关特征后，对舒张压和收缩压的估计误差不满足AAMI标准，本发明的连续血压监测精度高，适合推广应用。
-
公开(公告)号：CN116828166A
公开(公告)日：2023-09-29
申请号：CN202310865717.1
申请日：2023-07-14
Applicant: 北京邮电大学
IPC: H04N13/161 , H04N13/15 , H04N19/597 , H04N19/96 , H04N19/593
Abstract: 一种基于帧间复用的体积视频编解码方法，涉及体积视频编解码领域，该方法主要包括：画面相似性检测、点云块相似性检测、帧间复用、八叉树优化编码算法、逆莫顿序重排、2D视频编码算法、帧间解码、八叉树优化解码算法和2D视频解码算法等步骤。本发明解决了基于帧间复用的解码算法在移动端解码帧率不足的问题，通过在体积视频流媒体系统领域采用帧间复用技术，实现了大幅度降低传输所需带宽的目标；本发明首次使用基于几何信息和颜色信息的深度学习点云配准模型在体积视频相邻帧之间做运动估计，实现了快速准确的冗余信息剔除；本发明首次利用2D视频编码算法压缩体积视频的颜色信息，实现体积视频颜色信息的帧间编码。
-
公开(公告)号：CN116684624A
公开(公告)日：2023-09-01
申请号：CN202310793693.3
申请日：2023-06-30
Applicant: 北京邮电大学
IPC: H04N19/172 , H04N19/107 , H04N19/91
Abstract: 一种基于视口适配和混合编码的体积视频传输方法，属于体积视频传输领域，包括：视口适配：预测用户观看下一帧体积视频的视口，且只传输该视口内的体积视频；混合编码：将当前帧分割成瓦片，为每个瓦片指定使用帧间熵编码算法或帧内熵编码算法进行编码；自适应多线程解码：采用自适应多线程解码方法，多个线程根据收到的瓦片的不同编码方式，采取不同的解码方式同时解码。本发明利用视口适配技术，只传输用户视口内的内容，极大地减少传输的数据量；体积视频帧与帧之间存在冗余信息，本发明利用帧间编码技术来进一步压缩体积视频的体积，减少需要传输的数据量；本发明实现了体积视频的低带宽、高质量传输，提高了用户观看质量。
-
公开(公告)号：CN113283013B
公开(公告)日：2022-07-19
申请号：CN202110646077.6
申请日：2021-06-10
Applicant: 北京邮电大学
Abstract: 一种基于深度强化学习的多无人机充电及任务调度方法涉及无人机调度技术领域，解决了现有没有考虑充电站的负载和无人机的充电策略对任务调度的影响的问题，方法为：根据待执行任务和充电站的负载、通过深度强化学习模型对可调度无人机进行调度；待无人机执行任务后，根据未执行任务的数量、可调度无人机数量和无人机剩余电量对停留在充电站上的待充电无人机进行充电。本发明有效解决了多无人机充电及任务调度需要优化提高的问题，能够在保证无人机不会能量耗尽的前提下，实现最小化执行任务总体时间的目标，最终得到各个无人机的调度序列，从而能够让相应的多无人机从出发点出发按顺序遍历这些任务点，并在对应的充电站进行自适应充电。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.025 seconds)
