-
公开(公告)号：CN102608626A
公开(公告)日：2012-07-25
申请号：CN201210062429.4
申请日：2012-03-09
Applicant: 暨南大学
Abstract: 本发明公开了一种高灵敏度卫星导航信号捕获方法及系统，其中该系统包括：实现卫星数字中频信号数字下变频操作的数字下变频模块；平均采样卫星数据及完成块累加功能的平均采样及块累加模块；实现码相位频域搜索的FFT模块；利用多普勒圆周移位搜索代替频率补偿的圆周移位模块；存储本地PRN码FFT共轭结果的本地PRN码FFT共轭存储器；实现信号解扩的复数乘法器模块；计算不同码相位相关结果的IFFT模块；对解扩后的卫星信号进行差分相关能量累加的差分相干积分模块；实现信号捕获输出的峰值检测模块；对系统各模块时序进行控制的时序控制模块。本发明提高了卫星导航接收机捕获弱信号的速度和灵敏度，且各参数可以灵活配置。
-
公开(公告)号：CN101345880B
公开(公告)日：2010-09-01
申请号：CN200810198170.X
申请日：2008-08-29
Applicant: 暨南大学
Abstract: 本发明公开了一种基于AVS的环路滤波器的硬件实现方法。它将传统行列转换结构中80个8位可控寄存器修改为80个8位纯寄存器。垂直滤波时数据不需要从最左端输入，只需从p2的左端输入即可，水平缓冲6个周期后即可再进行垂直缓冲。左右两边的寄存组还可以在一维滤波模块进行复用。行列转换将垂直数据转换成水平数据，使得一维滤波模块能统一处理水平和垂直数据，具有节约资源，减少了近一半的面积，同时也极大的减少时钟周期和降低了模块功耗的优点。环路滤波器中的时序控制模块中采用Mealy状态机来实现，根据不同的边界强度(BS)值，控制处理过程的状态转移，达到了对数据的合理处理和状态的自适应跳转，使系统代码易于维护。
-
公开(公告)号：CN119378618A
公开(公告)日：2025-01-28
申请号：CN202411757398.3
申请日：2024-12-03
Applicant: 暨南大学
Abstract: 本发明涉及一种基于近似计算的可在线学习神经形态处理器，包括：通信子系统、训练子系统和推理子系统；所述通信子系统，用于构建分层路由架构的多脉冲核心神经形态处理器；所述训练子系统，用于采用在线学习方法，优化所述多脉冲核心神经形态处理器的权重及阈值参数；所述推理子系统，用于在线训练后或离线部署权重后的所述多脉冲核心神经形态处理器对编码后输入图像数据进行推理，生成所述多脉冲核心神经形态处理器的分类输出。本发明提出一种基于在线学习和近似计算的神经形态处理器架构，以实现处理器在精度、能效比与响应速度三者之间的高度权衡，实时、高效地处理动态和复杂的任务数据。
-
公开(公告)号：CN112418228B
公开(公告)日：2023-07-21
申请号：CN202011201208.1
申请日：2020-11-02
Applicant: 暨南大学
Abstract: 本发明公开了一种基于多种特征融合的图像语义分割方法，包括如下步骤：首先构造融合增强特征和图像边缘特征的空洞‑稠密结构；将待分割图像分别输入到图像增强通道、空洞卷积通道和图像边缘特征提取通道进行特征提取；接着将提取得到的特征通过稠密连接的方式进行合并；然后将合并的特征传递到多个由三层空洞卷积构成的稠密块中，最后通过反卷积层得到像素分类后的结果。本发明同时利用方差拟合的方法改进了L1范数的平滑性，并利用改进后的L1范数裁剪掉卷积层中存在的冗余卷积核。本图像语义分割方法在卷积层参数适中情况下提高了图像语义分割的效果。
-
公开(公告)号：CN115457363A
公开(公告)日：2022-12-09
申请号：CN202210957661.8
申请日：2022-08-10
Applicant: 暨南大学
Abstract: 本发明涉及机器视觉技术领域，提出一种图像目标检测方法及系统，包括以下步骤：构建用于图像目标检测的第一网络模型、第二网络模型和第三网络模型；其中，第一网络模型、第二网络模型和第三网络模型中包括特征提取模块、特征融合模块和输出模块；其中，第一网络模型中的特征提取模块经过网络压缩得到，第二网络模型中的特征提取模块引入瓶颈结构，第三网络模型中的特征提取模块和特征融合模块采用FPN结构；根据第一网络模型、第二网络模型和第三网络模型分别生成相应的IP核，然后将IP核经过设计后搭载在硬件系统上；获取待检测的图像并对其进行预处理，根据图像的规格调用硬件系统上适配的IP核执行图像目标检测，输出得到目标检测结果。
-
Patent Agency Ranking
公开(公告)号：CN114445430B
公开(公告)日：2022-06-21
申请号：CN202210365378.6
申请日：2022-04-08
Applicant: 暨南大学
Abstract: 本发明提出一种轻量级多尺度特征融合的实时图像语义分割方法，包括：构建包括初始化模块、分离‑提取‑合并瓶颈模块、分区‑融合通道注意力模块、特征融合模块和多尺度注意力解码器的图像语义分割网络。通过图像语义分割网络提取待处理图像初始特征图的多尺度特征，得到多尺度特征图；提取并融合初始特征图的全局通道信息和局部通道信息，得到通道信息特征图；将多尺度特征图、通道信息特征图和原始的待处理图像进行特征融合，得到融合特征图；基于融合特征图进行图像精度恢复，得到图像语义分割结果。本发明能够在参数量相对较小的轻量级图像语义分割网络模型中保证模型的精度和准确率，提高模型的推理速度，实现图像的实时语义分割。
-
公开(公告)号：CN110139112B
公开(公告)日：2022-04-05
申请号：CN201910352686.3
申请日：2019-04-29
Applicant: 暨南大学
IPC: H04N19/85 , H04N19/154 , H04N19/625 , H04N19/80
Abstract: 本发明属于视频编码技术领域，涉及一种基于JND模型的视频编码方法，包括：建立像素域JND模型；建立改进的DCT域JND模型，引入一个更符合人眼特性的时空域CSF函数；利用像素域JND模型对原始视频预处理，去除视频中的视觉冗余；使用改进的DCT域JND模型对变换不跳过模式进行处理，去除人眼无法感知的失真；对预测残差很小的变换跳过模式，则使用计算简单的亮度掩盖模型以降低计算复杂度。本发明采用像素域JND模型对视频进行预处理，能去除人眼视觉冗余，计算简单方便；采用改进的DCT域JND模型，使得处理结果更贴切人眼；针对不同模式使用不同的模型，能进一步去除视频编码过程中的感知冗余，大大提升视频编码效率。
-
公开(公告)号：CN112752105A
公开(公告)日：2021-05-04
申请号：CN202110002469.9
申请日：2021-01-04
Applicant: 暨南大学
IPC: H04N19/159 , H04N19/122 , H04N19/147
Abstract: 本发明公开了一种适用于HEVC标准的帧内预测编码复杂度降低方法，包括以下步骤：对大于8x8的PU，基于梯度提取的方法，使用4个不同方向梯度提取算子提取梯度幅值和，并降序排序得到A1、A2、A3、A4；若A1/A4
-
公开(公告)号：CN112418228A
公开(公告)日：2021-02-26
申请号：CN202011201208.1
申请日：2020-11-02
Applicant: 暨南大学
Abstract: 本发明公开了一种基于多种特征融合的图像语义分割方法，包括如下步骤：首先构造融合增强特征和图像边缘特征的空洞‑稠密结构；将待分割图像分别输入到图像增强通道、空洞卷积通道和图像边缘特征提取通道进行特征提取；接着将提取得到的特征通过稠密连接的方式进行合并；然后将合并的特征传递到多个由三层空洞卷积构成的稠密块中，最后通过反卷积层得到像素分类后的结果。本发明同时利用方差拟合的方法改进了L1范数的平滑性，并利用改进后的L1范数裁剪掉卷积层中存在的冗余卷积核。本图像语义分割方法在卷积层参数适中情况下提高了图像语义分割的效果。
-
公开(公告)号：CN111175795A
公开(公告)日：2020-05-19
申请号：CN202010004513.5
申请日：2020-01-03
Applicant: 暨南大学
Abstract: 本发明公开了一种GNSS/INS组合导航系统的两步抗差滤波方法及系统，该方法的步骤为：根据新息构建渐消因子矩阵，根据残差构建增益系数矩阵，构建GNSS/INS组合导航系统的状态方程和测量方程，按照卡尔曼滤波紧耦合方式融合GNSS/INS数据；检测动力学模型是否异常，若超过设定阈值范围，通过渐消因子矩阵调整，进入时间更新；检测观测量是否正常，若超过设定阈值范围，通过增益系数矩阵多通道调整观测向量，进入测量更新；更新卡尔曼滤波过程，输出GNSS/INS组合导航结果。本发明可充分利用组合导航系统的冗余信息，同时从标量因子拓展到对角线矩阵，减少了算法复杂度，增强了组合导航系统的定位精度、跟踪性能和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.022 seconds)
