-
公开(公告)号：CN115407794A
公开(公告)日：2022-11-29
申请号：CN202211024919.5
申请日：2022-08-25
Applicant: 南通先进通信技术研究院有限公司 , 南通大学
IPC: G05D1/10 , H04B7/185 , H04B13/02 , H04B17/336 , H04B17/391 , G06N20/00
Abstract: 本发明提供了基于强化学习的海域安全通信无人机轨迹实时规划方法，属于通信技术领域。解决了传统优化方法无法实时处理海洋动态场景的问题。其技术方案为：步骤一、建立联合大尺度衰落和小尺度衰落的UAV‑船舶信道模型；步骤二、得到移动船舶、窃听节点接收的信干燥比和速率；步骤三、通过求解系统最大平均保密速率来获得无人机的最优轨迹；步骤四、使用Q‑learning和DDPG算法来进行轨迹优化；步骤五、设置相关仿真参数；步骤六、展示不同起飞位置下两种算法的UAV轨迹实时规划结果。本发明的有益效果为：本发明针对不同船舶的通信需求实时的规划出UAV飞行轨迹，有效保障海洋通信的实时性。
-
公开(公告)号：CN114973102A
公开(公告)日：2022-08-30
申请号：CN202210692871.9
申请日：2022-06-17
Applicant: 南通大学
IPC: G06V20/40 , G06V10/774 , G06V10/80 , G06N3/04 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，具体为一种基于多路径注意力时序的视频异常检测方法，包括步骤一、循环残差卷积单元；步骤二、跳跃注意力门；步骤三、规则性得分。本发明中每个RRCU的活动不仅会受到其相邻单元活动的调节，并且可以根据网络和任务的不同设置不同的时间步长，该属性增强了模型对上下文信息的整合能力；同时，考虑到编码阶段对图像压缩会造成信息损失，利用跳跃注意力门聚合来自多个特征尺度的信息，其可自动学习并关注不同形状和大小的目标对象，更好地突出显著性局部特征；作为一个端到端的学习框架，模型利用多尺度的时空特征可以捕获更多的正态分布信息。
-
公开(公告)号：CN114581738A
公开(公告)日：2022-06-03
申请号：CN202210285382.1
申请日：2022-03-22
Applicant: 南通大学
IPC: G06V10/774 , G06V40/20 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种行为预测网络训练方法、系统及行为异常检测方法、系统，涉及视频异常检测技术领域。训练方法包括：基于卷积网络和U‑Net网络构建异构孪生网络；获取训练视频，所述训练视频包括若干时间连续的包含正常行为的RGB视频帧和光流帧；分别通过RGB视频帧和光流帧对卷积网络和U‑Net网络进行训练；确定表观损失函数和运动损失函数；根据表观损失函数和所述运动损失函数，确定多约束损失函数；根据多约束损失函数调整卷积网络和U‑Net网络中的权重，以对异构孪生网络进行训练，得到训练好的异构孪生网络。通过本发明能够有效对复杂场景下快速运动、外观相似的运动物体进行行为预测，进而能够有效检测出异常行为。
-
公开(公告)号：CN113516028A
公开(公告)日：2021-10-19
申请号：CN202110468555.9
申请日：2021-04-28
Applicant: 南通大学
Abstract: 本发明涉及一种基于混合注意力机制的人体异常行为识别方法及系统，所述识别方法包括：对原始图像进行特征提取，得到低层细节特征F；对所述低层细节特征F进行筛选，得到主要显著特征F″；将所述主要显著特征F″输入至卷积特征提取模块，得到高层语义特征；将所述高层语义特征与所述低层细节特征进行融合，得到融合后的特征；计算训练样本预测值和实际值之间的损失，得到损失值；基于所述损失值对训练参数进行优化；基于优化后的训练参数和所述融合后的特征对神经网络模型进行训练，得到训练后的异常行为识别模型；基于训练后的异常行为识别模型对人体异常行为进行识别。本发明中的上述方法能够提高人体异常行为的识别精度。
-
公开(公告)号：CN111240198A
公开(公告)日：2020-06-05
申请号：CN202010040895.7
申请日：2020-01-15
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明公开了一种压电陶瓷执行器迟滞分析方法，构建压电陶瓷执行器输入电压与输出位移的等效分数阶模型并辨识模型；根据测量输出计算分数阶微分，建立测量数据和模型之间的误差分数阶模型，根据误差模型设计了有记忆的未知参数辨识规则。本发明建立简化的等效迟滞模型，不用对压电陶瓷执行器复杂机理理想化处理，也不用将复杂模型高阶项舍弃，建立的模型更准确，位移分析更有效，满足高精度控制领域对执行器的更高要求。
-
Patent Agency Ranking
公开(公告)号：CN109188600A
公开(公告)日：2019-01-11
申请号：CN201811274434.5
申请日：2018-10-30
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
Abstract: 本发明属于微纳结构光纤传感器领域，具体涉及一种锥形光纤及制作方法。为解决现有锥形光纤中模式单一，难以产生高阶模式的技术问题，利用熔融放电法将两段端面切平的单模光纤熔融成具有半圆端头的纤芯分离光纤，并熔接成纤芯分离的葫芦状光纤，用氢氧火焰拉锥机对葫芦状光的腰部进行拉锥，形成具有双梭形结构的锥形光纤。纤芯分离结构能够将更多的基模转变为高阶模，有效地提高灵敏度。该双梭形结构的锥形光纤制作方法简单，可全机械完成利于生产，其制作所用的设备为光纤熔接机和氢氧焰拉锥机以及原材料单模光纤均价格低廉，全机械制作利于生产，具有线性度高，灵敏度高等特点。
-
公开(公告)号：CN108233158A
公开(公告)日：2018-06-29
申请号：CN201810084297.2
申请日：2018-01-29
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
IPC: H01S3/067 , H01S3/0941 , H01S3/106 , H01S3/11
Abstract: 本发明公开了一种光纤激光器。该光纤激光器包括：可饱和吸收体装置、掺镱光纤、波分复用器、泵浦源、单模光纤、光线隔离器、偏振控制器以及耦合器；所述可饱和吸收体装置熔接在所述光纤激光器的激光腔体内，用于通过调节所述可饱和吸收体装置的弯曲曲率以提高所述光纤激光器输出的激光波长的可调谐精度。采用本发明所提供的可饱和吸收体装置以及光纤激光器，能够以简单结构即可实现输出的脉冲激光波长可调谐。
-
公开(公告)号：CN104808287A
公开(公告)日：2015-07-29
申请号：CN201510255170.9
申请日：2015-05-19
Applicant: 南通大学
IPC: G02B6/02
CPC classification number: G02B6/02095 , G02B6/02152
Abstract: 本发明公开了一种石墨烯被覆微光纤长周期光栅，包括纤芯及包覆在所述纤芯外部的石墨烯涂覆层，所述纤芯为直径达到微米量级的微光纤，其具有锥腰部分，且所述锥腰部分具有光栅周期长度大于70um，周期数大于5的长周期光栅。本发明的一种石墨烯被覆微光纤长周期光栅，将石墨烯的优良光学性能，物理性能与微光纤长周期光栅的传感特性进行结合，产生一种具有特殊光学传输特性以及传感特性的石墨烯被覆微光纤长周期光栅。
-
公开(公告)号：CN119135248A
公开(公告)日：2024-12-13
申请号：CN202411305094.3
申请日：2024-09-19
Applicant: 南通大学
Abstract: 本发明公开了一种无人机NOMA网络中基于人工噪声的安全通信方法，通信过程共两时隙。在第一时隙，基站采用NOMA机制发送信号给无人机，同时无人机选择一根天线发送人工噪声信号干扰不可信远用户，剩余天线接收信号，近用户也发送人工噪声信号；在第二时隙，无人机将其第一时隙的人工噪声信号和近用户信号异或相加，再采用NOMA机制将所得信号和远用户信号叠加，最后重选一根天线发送叠加信号；接着NOMA用户根据接收信号获得相应的信干噪比或信噪比，并计算系统中断概率和窃听概率。本发明能有效削弱不可信用户的窃听能力，且基本不影响不可信用户接收自身消息，有助于解决实际无人机协作NOMA网络通信场景中的安全隐患问题。
-
公开(公告)号：CN118154231A
公开(公告)日：2024-06-07
申请号：CN202410011369.6
申请日：2024-01-04
Applicant: 南通大学
IPC: G06Q30/0202 , G06Q30/0201 , G06Q50/06 , G06N3/006
Abstract: 本发明提供一种基于过程灰色模型的天然气消费预测方法，涉及天然气消费预测技术领域，包括以下步骤：S1：构建天然气消费预测灰色模型；S2：根据构建的灰色模型建立模型预测算法；S3：利用采集的历史数据进行验证，以验证所提出方法的性能。本发明提出了一种基于过程的灰色模型，其基于系统理论，建立预测输出与已知输出的系统模型，并利用粒子群搜索算法辨识系统参数。本发明提出的方法更能反映预测输出与历史过程的记忆特征以及依赖关系，原理更简单、意义更清楚，本申请所提供的预测方法可以应用于天然气消费预测，为天然气消费预测提供新方法。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.029 seconds)
