-
公开(公告)号：CN106792484B
公开(公告)日：2023-05-23
申请号：CN201710047523.5
申请日：2017-01-22
Applicant: 福州大学
Abstract: 本发明提供一种新型树状结构无线传感网组网方法及其系统。本发明的路由方法根据无线传感网本身的特点，设计一种新的基于数据的树状结构路由协议，该协议是树状结构的，也就是说它将监控区域内的传感节点分成若干个树枝，而路由节点则是分叉节点；然后它是基于数据的，也就是说，在传输数据时，该协议不会像传统AODV那样，直接将数据转发到所有可到达路径的下一跳路由，而是先发送带有m元数据属性的（m为数据属性）路由发现信息，如果下一跳路由节点认为这个m元数据需要进行转发，则回复应答信号，否则不予理睬，收到应该信号的源路由节点则发送DATA；保证数据传输稳定。
-
公开(公告)号：CN111951296B
公开(公告)日：2022-07-08
申请号：CN202010883994.1
申请日：2020-08-28
Applicant: 福州大学
Abstract: 本发明涉及一种目标跟踪方法及装置，该方法包括以下步骤：步骤S1：通过图像传感器从外部获取彩色图像并进行图像格式转换，将彩色图像转换为灰度图像，格式转换完成后进入步骤S2；步骤S2：利用中值滤波算法对灰度图像进行降噪处理，降噪处理完成后进入步骤S3；步骤S3：在图像的第一帧选定初始跟踪目标并保存该目标作为目标模板，然后进入步骤S4；步骤S4：在后续的视频帧中采用融合归一化互相关模板匹配和卡尔曼滤波的跟踪算法进行目标跟踪，并对跟踪结果进行标识。该方法及装置有利于提高跟踪的精度和实时性。
-
公开(公告)号：CN114126021A
公开(公告)日：2022-03-01
申请号：CN202111425954.3
申请日：2021-11-26
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度强化学习的绿色认知无线电的功率分配方法，首先建立功率分配模型，并按如下步骤对其进行训练：S1、初始化回合训练次数、记忆池的容量以及深度神经网络随机参数；S2、在每个回合开始时，初始化状态；S3、在每个回合的第t步，根据贪婪策略选择动作；S4、将动作输入到认知无线环境中，环境返回回报，更新电池可用能量，更新状态，并把状态转移存储到记忆池；S5、从记忆池中随机采样设定批量的状态转移，执行梯度下降步骤；然后通过训练好的功率分配模型进行功率分配。该方法有利于根据环境的变化做出最优的功率控制和分配。
-
公开(公告)号：CN113727452A
公开(公告)日：2021-11-30
申请号：CN202111052743.X
申请日：2021-09-08
Applicant: 福州大学
IPC: H04W72/04 , H04B17/382
Abstract: 本发明涉及一种能量采集下基于博弈论的认知无线电频谱分配的方法。包括：步骤S1、在一个时隙的时间段内，授权用户将同一时间和地点未被使用的空闲频谱组成频谱池，并设置多条信道进行出租；步骤S2、在一个时隙的时间段内，认知用户针对授权用户发射端信号进行能量采集，得到一定的能量；步骤S3、在一个时隙的时间段内，授权用户通过伯川德模型进行租赁价格博弈，最终形成纳什均衡，得到纳什均衡解下的最优信道质量和租赁价格；步骤S4、在一个时隙的时间段内，认知用户根据自身需求结合授权用户所提供的信道质量和租赁价格做出购买空闲频谱的选择并进行自身信息的传输。本发明能够使整体能量效率和系统利润最大化。
-
公开(公告)号：CN113627377A
公开(公告)日：2021-11-09
申请号：CN202110950319.0
申请日：2021-08-18
Applicant: 福州大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , H04B17/382
Abstract: 本发明涉及一种基于Attention‑Based CNN的认知无线电频谱感知方法及系统，该方法包括如下步骤：S1、对信号数据进行预处理，包括能量归一化和信噪比间隔划分，然后划分为训练集、验证集和测试集；S2、搭建注意力机制层；S3、将注意力机制层加入卷积神经网络中，得到Attention‑Based CNN模型；S4、利用预处理得到的数据对Attention‑Based CNN模型进行训练，得到训练好的Attention‑Based CNN分类器；S5、对新接收的数据进行数据预处理，然后送入训练好的Attention‑Based CNN分类器中进行分类，得到最终的分类结果，即为频谱感知的结果。该方法及系统有利于提高频谱感知的准确率，同时合理利用计算资源。
-
Patent Agency Ranking
公开(公告)号：CN111914808A
公开(公告)日：2020-11-10
申请号：CN202010834453.X
申请日：2020-08-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于FPGA实现的手势识别系统及其识别方法，包括CMOS摄像头数据采集模块、FPGA数据处理模块、DDR3存储模块以及VGA显示模块。CMOS摄像头与FPGA相连，在FPGA芯片内部完成对摄像头的驱动。摄像头采集的视频数据进入FPGA芯片内后，在数据读写控制模块的作用下缓存到DDR3存储模块，同时在数据读写控制模块的作用下被读出。文字驱动与视频叠加模块根据静态手势和动态手势的识别结果实时的将识别内容以文字的形式与手势图像叠加后送到VGA显示模块显示。与现有技术相比，本发明有效解决了在光照不足且含有类肤色干扰等复杂环境下，手势识别不稳定的问题以及手势识别的实时性问题。
-
公开(公告)号：CN106792728B
公开(公告)日：2019-11-12
申请号：CN201611173802.8
申请日：2016-12-16
Applicant: 福州大学
Abstract: 本发明涉及一种接近最优非参数化认知无线电循环平稳合作频谱感知方法：在认知无线电网络系统当中，通过每个次级用户的射频前端进行采样，构建单用户非参数化判决循环统计量；根据单用户非参数化判决循环统计量，通过非参数化方法与最优化算法得到加权因子；根据加权因子以及单用户非参数化判决循环统计量，通过线性合并方法构建总判决统计量；根据给定的虚警概率及加权因子，计算总判决门限；并将总判决统计量与总判决门限进行比较，若总判决统计量大于等于总判决门限，则判断主用户信号出现；否则判断主用户信号未出现。本发明解决了在多用户合作条件下，如何使用累积量技术通过非参数化以及最优化的方法，充分利用了搜索到的每个用户的信息。
-
公开(公告)号：CN110034837A
公开(公告)日：2019-07-19
申请号：CN201910297565.3
申请日：2019-04-15
Applicant: 福州大学
IPC: H04B17/382 , H04L12/24 , H04W16/14
Abstract: 本发明涉及一种基于CR的SG通信模型的最优联合传感时间和功率分配方法，包括，步骤S1:构建基于认知无线电的智能电网模型；步骤S2:设定虚警概率和最小目标速率，并计算得到许可频段功率、未许可频段和样本总数最优值；步骤S3：计算出每个天线的检验统计量；步骤S4:计算得到每个天线对应的最佳权重，得到总检验统计量；步骤S5:计算出阈值，然后将阈值和总检验统计量进行比较确定PU是否存在，如果总检验统计量大于阈值，则主用户存在的，表示智能电网用户不能访问和使用未许可频段,否则智能电网用户可以访问和使用未许可频段。本发明解决了在基于认知无线电下，如何使用优化需求相应管理和粒子群优化算法技术使中断概率最小化的问题。
-
公开(公告)号：CN109981199A
公开(公告)日：2019-07-05
申请号：CN201910293529.X
申请日：2019-04-12
Applicant: 福州大学
IPC: H04B17/382 , H04W72/04 , H04W72/08
Abstract: 本发明涉及一种智能电网基于认知无线电的多频谱感知和功率分配的方法，包括以下步骤：步骤S1：在一个周期内计算每一个原始通道的功率和每一个认知通道的功率；优化能源效率,得到最优感知时间；当感知时间为最优感知时间时输出最优功率分配方案；对于第j个认知通道，给定所需的最小检测概率，基于步骤S2的结果计算检验统计量和阈值；如果检验统计量大于阈值，判断主用户存在，否则判定主用户不存在。本发明能够找到最优传感时间和最优功率分配策略，在满足所有约束条件的情况下使数据速率或者能量效率最大化。
-
公开(公告)号：CN109342626A
公开(公告)日：2019-02-15
申请号：CN201811435666.4
申请日：2018-11-28
Applicant: 福州大学
IPC: G01N30/60
Abstract: 本发明公开了特异性识别赭曲霉毒素A的POSS有机-无机杂化分子印迹整体柱及其制备方法，属于分析化学领域。所述的整体柱是以高亲水有机聚合单体、交联剂、模板、引发剂，和二元致孔剂为原料，溶解形成均一的溶液，注入柱内发生自由基热引发聚合反应而直接形成，之后经柱冲洗，即得成品。本发明中所制备特异性识别赭曲霉毒素A的POSS有机-无机杂化分子印迹整体柱负载量大、特异性强，机械性能稳定，制备方法简便快捷，适用于赭曲霉毒素A的特异识别分离，该分子印迹整体柱在啤酒基质中对赭曲霉毒素A的检测回收率达96.6%，为赭曲霉毒素A的特异识别分离提供了新途径。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.075 seconds)
