-
公开(公告)号:CN101335962A
公开(公告)日:2008-12-31
申请号:CN200710117825.1
申请日:2007-06-25
Applicant: 大唐移动通信设备有限公司
Abstract: 本发明提供一种模拟蜂窝网络环境下的信号发生方法,该方法包括:A.生成模拟蜂窝网络环境的控制文件;B.根据控制文件获取网络参数,并完成基带信号脉冲成型;C.将基带信号转换到中频并经过射频调制获得实际网络空中接口部分的干扰信号。本发明还提供一种模拟蜂窝网络环境下的信号发生装置。采用本发明的方法和装置,可以在一段时间内模拟实际的无线网络环境,为验证性能提供良好的测试支持;也可以真实的反映测试的无线网络环境,提供真实可靠的数据;并且可以针对具体场景提供环境,达到有针对性的验证性能效果。
-
公开(公告)号:CN111652236B
公开(公告)日:2022-04-29
申请号:CN202010505152.2
申请日:2020-06-05
Applicant: 东南大学
Abstract: 弱监督场景下跨层特征交互的轻量级细粒度图像识别方法,该方法利用多层聚合分组卷积代替常规卷积构建出新型残差模块,将其直接嵌入深度残差网络框架实现基础网络轻量化。之后,通过计算高效的低秩近似多项式核池化对特征之间的交互作用进行建模,压缩特征描述向量维度,降低分类全连接层的存储占用与计算成本,同时这一池化方案促使线性分类器具备与高阶多项式核分类器相当的判别能力,显著提高识别精度。最终,采用跨层特征交互网络框架组合特征多样性,增强特征学习与表达能力,减少过拟合风险。本发明公开的弱监督场景下跨层特征交互的轻量级细粒度图像识别方法在识别准确率、计算复杂度和技术可行性三个方面的综合性能处于目前领先水平。
-
公开(公告)号:CN111553397B
公开(公告)日:2022-04-29
申请号:CN202010316648.5
申请日:2020-04-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于区域全卷积网络和自适应的跨域目标检测方法,属于计算机视觉技术领域。本发明使用深度学习目标检测技术,针对目标检测中训练域和测试域的数据不同分布的问题,利用自适应方法来改善目标检测的跨域鲁棒性。首先基于深度学习构建了区域全卷积网络模型;接着在图像级别和目标级别上设计了两个相应的域分类器作为自适应成分来减少域变换的差异,并在域分类器加上一致性正则化;然后以端到端的方式训练网络;最后去掉自适应成分,将网络用于目标检测任务。采用我们设计的跨域目标检测方法可以有效提高在各种域变换场景中进行目标检测的平均精度。
-
公开(公告)号:CN111539469B
公开(公告)日:2022-04-08
申请号:CN202010311761.4
申请日:2020-04-20
Applicant: 东南大学
IPC: G06V10/762 , G06V10/764 , G06V10/82 , G06V10/46 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于视觉自注意力机制的弱监督细粒度图像识别方法,包含student‑model、teacher‑model以及classification‑model模块;student‑model和teacher‑model经基于Pairwise Approach排序学习的Teacher‑Student循环反馈机制联合,构成自注意力区域推荐网络,从而增强判别性区域定位与细粒度特征学习之间的联系,在缺少目标边界框和部位标注点的情况下依然能够较为准确地检测细粒度图像中判别性区域,促使识别准确率显著提高;同时,student‑model、teacher‑model和classification‑model三个模块共享卷积层,有效压缩模型存储空间并降低计算成本,使得该方法满足实时性识别任务要求,适用于大规模真实场景;此外,多任务联合学习中采用动态权重分配机制减少人为设定超参数量,增强模型鲁棒性,最终整体模型通过端到端的单阶段方式进行训练与学习,降低网络优化难度。
-
公开(公告)号:CN107834540B
公开(公告)日:2021-04-16
申请号:CN201710961440.7
申请日:2017-10-17
Applicant: 国网宁夏电力公司固原供电公司 , 中国电力科学研究院 , 东南大学
Inventor: 陈丽娟 , 王国功 , 齐蓬勃 , 徐军 , 吴甜恬 , 汪春 , 焦文华 , 张永勤 , 许晓慧 , 夏俊荣 , 刘海璇 , 戈富国 , 李凡 , 张祥文 , 周昶 , 王鹏 , 杨哲 , 马效国 , 李志军 , 贾宁和 , 韩秀勇 , 赵黎明 , 蔡周 , 马芳
Abstract: 本发明属于新能源配电系统规划技术领域,特别涉及一种基于概率约束的分布式光伏接入容量的确定方法;包括:读取数据、初始化差分算法参数、基于牛拉‑半不变量法、结果判断、计算惩罚函数项h(t)、适应度值计算、判断是否满足终止条件、种群更新;本发明的有益效果在于:本发明将概率约束纳入到分布式光伏接入容量的计算,能够保证接入容量的准确性,使整个确定过程更加合理准确、科学有效,可以提高搜索能力与搜索速度。
-
公开(公告)号:CN111539469A
公开(公告)日:2020-08-14
申请号:CN202010311761.4
申请日:2020-04-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于视觉自注意力机制的弱监督细粒度图像识别方法,包含student-model、teacher-model以及classification-model模块;student-model和teacher-model经基于Pairwise Approach排序学习的Teacher-Student循环反馈机制联合,构成自注意力区域推荐网络,从而增强判别性区域定位与细粒度特征学习之间的联系,在缺少目标边界框和部位标注点的情况下依然能够较为准确地检测细粒度图像中判别性区域,促使识别准确率显著提高;同时,student-model、teacher-model和classification-model三个模块共享卷积层,有效压缩模型存储空间并降低计算成本,使得该方法满足实时性识别任务要求,适用于大规模真实场景;此外,多任务联合学习中采用动态权重分配机制减少人为设定超参数量,增强模型鲁棒性,最终整体模型通过端到端的单阶段方式进行训练与学习,降低网络优化难度。
-
公开(公告)号:CN109035405A
公开(公告)日:2018-12-18
申请号:CN201810654773.X
申请日:2018-06-22
Applicant: 东南大学
IPC: G06T17/20
CPC classification number: G06T17/20
Abstract: 本发明公开了一种基于预测‑校正模型的网格简化方法,包括:读取三维网格中所有的顶点和面,计算其基础二次方矩阵和二次误差矩阵;计算出所有边的初始折叠误差和对应的新顶点的位置,将初始折叠误差插入优先队列中;从优先队列中选择折叠误差最小的一条边,进行一次折叠操作,并更新相关的顶点和面;根据新顶点的位置,重新计算相邻面的基础二次方矩阵和新顶点的二次误差矩阵;重新计算与折叠点相邻的边的折叠误差和对应的新顶点的位置,更新优先队列;判断满足设定的简化条件为止。本发明能够在快速高效的精简网格的同时,有效的控制边折叠过程中的累积误差,改善简化模型的质量,提升整体的简化效果。
-
公开(公告)号:CN109035405B
公开(公告)日:2023-04-18
申请号:CN201810654773.X
申请日:2018-06-22
Applicant: 东南大学
IPC: G06T17/20
Abstract: 本发明公开了一种基于预测‑校正模型的网格简化方法,包括:读取三维网格中所有的顶点和面,计算其基础二次方矩阵和二次误差矩阵;计算出所有边的初始折叠误差和对应的新顶点的位置,将初始折叠误差插入优先队列中;从优先队列中选择折叠误差最小的一条边,进行一次折叠操作,并更新相关的顶点和面;根据新顶点的位置,重新计算相邻面的基础二次方矩阵和新顶点的二次误差矩阵;重新计算与折叠点相邻的边的折叠误差和对应的新顶点的位置,更新优先队列;判断满足设定的简化条件为止。本发明能够在快速高效的精简网格的同时,有效的控制边折叠过程中的累积误差,改善简化模型的质量,提升整体的简化效果。
-
公开(公告)号:CN109472870B
公开(公告)日:2023-02-24
申请号:CN201811435439.1
申请日:2018-11-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于网格重构和多影响域修正的模型匹配方法,通过读取三维地形和建筑物数据,获取融合区域,然后在融合区域中根据Delaunay三角剖分算法将地形数据和建筑物数据进行无缝匹配,再对匹配后的模型周围的地形顶点利用高斯混合模型进行局部校正,通过修正匹配后地物周边的地形顶点的高程值,能够有效地控制匹配过程对地形造成的失真现象。本发明不仅能够在实现地形与建筑物数据无缝匹配的同时,有效地控制匹配过程对地形造成的失真现象,同时相比于传统方法可以减少匹配过程造成的误差,从而提升整体的匹配效果。
-
公开(公告)号:CN111505618B
公开(公告)日:2022-06-24
申请号:CN202010289645.7
申请日:2020-04-14
Applicant: 东南大学
IPC: G01S13/34 , G01S13/58 , G01S7/35 , G01S13/931
Abstract: 本发明公开了一种适用于车载毫米波雷达领域的基于频率估计的去耦合校正测距方法,其包括以下步骤:首先我们结合实际的应用场景,采用复调制频谱分析技术在快时间维对于我们所关心的一段距离范围进行局部放大;然后针对现有的测距方案常忽略的耦合项问题,通过距离多普勒二维联合处理以及频域插值校正,去除距离‑速度耦合以及快时间‑慢时间维耦合项,进一步提高了距离测量的准确性;此外采用Jacobsen算法来进行离散频谱校正,在提高精度的同时,保证低的计算复杂度和实时性需求,仿真结果证明其有效性以及和其他传统方案相比的性能优越性。
-
-
-
-
-
-
-
-
-