-
公开(公告)号：CN119808856A
公开(公告)日：2025-04-11
申请号：CN202411891716.5
申请日：2024-12-20
Applicant: 重庆邮电大学
IPC: G06N3/063 , G06N3/0464
Abstract: 本发明公开了一种基于FPGA的共享DSP卷积神经网络加速器实现方法，属于FPGA硬件加速领域，包括卷积神经网络训练和量化、数据重排和基于FPGA的共享DSP卷积神经网络加速器设计。其主要思路为：利用数据量化和数据重排减少存储资源和寻址资源的使用；采用深度可动态配置的行缓冲设计，根据不同卷积层的数据流特性和计算需求，动态调整行缓冲的深度，从而避免了传统固定深度缓冲设计中可能出现的存储资源过度分配或不足的问题；采用共享DSP设计，利用单个DSP实现两个有符号整型8位(INT8)乘法，减少乘法资源使用，提高计算效率。
-
公开(公告)号：CN119397476A
公开(公告)日：2025-02-07
申请号：CN202411509146.9
申请日：2024-10-28
Applicant: 重庆邮电大学
IPC: G06F18/25 , G06F18/213 , G06F18/2411 , G06F18/10 , G01S7/41
Abstract: 本发明公开了一种基于多维特征融合的无人机探测与识别方法，属于无人机探测技术领域，包括信号接收模块、信号处理模块，适用于无人机探测与分类识别领域，其主要思路为：通过软件无线电子板连接2.4～2.485GHz全向天线采集无线信号；对接收的信号进行预处理，通过对比接收信号的方差是否大于自适应三角阈值法所求解的去噪阈值实现无人机的探测并确认无人机通信信号段；提取信号段的梅尔倒谱系数与轴向积分双谱特征，通过典型相关分析处理获得的融合特征作为指纹特征，最后使用分类识别算法对无人机进行分类识别。
-
公开(公告)号：CN119323241A
公开(公告)日：2025-01-17
申请号：CN202411436144.1
申请日：2024-10-15
Applicant: 重庆邮电大学
IPC: G06N3/0464 , G06N3/063 , G06N3/08 , G06F7/523
Abstract: 本发明公开一种基于FPGA的Winograd算法卷积加速器，包括以下步骤：量化卷积神经网络模型；将输入特征图分割成等大小的小块，每小块的尺寸大小由卷积神经网络模型的卷积核尺寸大小决定；利用Winograd算法减少的乘法器，尽可能多的并行执行卷积，使Winograd算法卷积加速器在单位时间内实现更高的计算吞吐量。本发明为Winograd算法卷积加速器设计了最大程度上的并行分块策略，利用相同的乘法器实现更高的计算效率。
-
公开(公告)号：CN115061146B
公开(公告)日：2024-12-27
申请号：CN202210754722.0
申请日：2022-06-30
Applicant: 重庆邮电大学
IPC: G01S17/08 , G01S7/4861 , G01S7/4913
Abstract: 本发明提出了一种基于激光雷达辅助的光量子快速测距系统，包含机械旋转式三维多线激光雷达和纠缠光量子测距平台。首先，将激光雷达设备固定安装在量子测距平台上，启动激光雷达获取目标点云数据，筛选出反射强度值较大的点集，并滤去异常值；其次，通过激光雷达与量子测距平台的角度关系，由激光雷达下数据点的垂直角计算出在量子测距平台下对应的垂直角，调节反射镜利用量子测距平台对准目标点，由符合计数和二阶关联函数计算得到目标测距点的距离值；最后，对同一目标下得到的量子测距结果取平均值，得到关于该目标的量子测距结果。
-
公开(公告)号：CN114859624B
公开(公告)日：2024-10-08
申请号：CN202210459345.8
申请日：2022-04-27
Applicant: 重庆邮电大学
IPC: G02F1/35 , G02F1/355 , G06N3/0464 , G06V10/764 , G06V10/80 , G06V10/82 , H04B10/70
Abstract: 本发明提出了一种基于双流特征融合网络(Two‑Stream Feature Fusion ConvolutionalNetwork,TSFFCNet)的纠缠光量子图像目标识别方法。首先，将氩原子激光器产生的连续泵浦光照射至周期极化磷酸氧钛钾(Periodically Poled KTP,PPKTP)晶体，进行共线的Ⅱ型自发参量下转换过程，产生具有纠缠特性的闲置光和信号光；其次，闲置光和信号光通过偏振分束器被分离在两条光路上传输，信号光束经过成像透镜照射在待成像目标上后被单光子探测器收集，闲置光束经数字微镜装置(Digital Micromirror Device,DMD)扫描后被另一单光子探测器收集；再次，两条光路探测器收集到的光子通过光纤送入符合计数器进行测量得到量子图像；然后，建立双流特征融合网络，将量子图像输入到网络中进行训练；最后，根据深度学习网络提取的特征进行目标识别。
-
Patent Agency Ranking
公开(公告)号：CN118557173A
公开(公告)日：2024-08-30
申请号：CN202410678353.0
申请日：2024-05-29
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于Hilbert‑Huang变换时频分析的呼吸频率检测方法。首先，选择对环境感知敏感度较强的WiFi链路构建信道状态信息(Channel State Information,CSI)比值模型。其次，将滤波后的CSI比值时间序列进行投影，结合幅度和相位信息生成不同呼吸模式信号的候选集。再次，对选出来的呼吸模式进行信号变分模态分解(Variational Mode Decomposition,VMD)和Hilbert‑Huang变换时频分析，进而去除非人体呼吸频率分量。在此基础上，进行重构，并利用主成分分析(Principal Component Analysis,PCA)融合重构的信号。最后，通过假峰检测算法计算呼吸频率。本发明设计的呼吸频率检测算法，在去除时变相位偏移及高频噪声、选择最优子载波的同时，不仅扩大了传感范围、消除了“盲点”，还提高了呼吸频率检测精度，为非接触呼吸频率检测提供了更为精确的检测方法。
-
公开(公告)号：CN114814876B
公开(公告)日：2024-07-30
申请号：CN202210455521.0
申请日：2022-04-28
Applicant: 重庆邮电大学
Abstract: 本发明提出一种基于测距辅助的低开销纠缠光量子目标成像方法，通过两次符合计数操作实现高速目标成像。首先，利用透镜组合和波片组合对激光器产生的泵浦光进行调制，提高周期极化磷酸氧钛钾(Periodically Poled KTP，PPKTP)晶体自发参量下转换的效率；然后，通过控制数字微镜器件(Digital Micromirror Device,DMD)选取局部测距像素区域，构造关于桶探测器和面探测器收集的光子的时间脉冲差值序列；其次，利用该时间脉冲差值序列完成局部符合计数以得到信号光路和参考光路的时间差；再次，通过控制DMD选取全局成像像素区域，对桶探测器得到的时间脉冲序列进行修正，并利用修正后的时间脉冲序列完成全局符合计数；最后，将符合计数值与灰度值进行映射，得到目标的量子灰度成像结果。
-
公开(公告)号：CN110266310B
公开(公告)日：2023-12-12
申请号：CN201910412273.X
申请日：2019-05-17
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种功耗自动调节时域比较器，具体包括：比较控制信号、第一输入信号、第二输入信号、电平输出端、计数值输出端、第一与非门、第二与非门、正向输入缓冲器链、反相输入缓冲器链和计数器。本发明的时域比较器电路，不仅可以比较两个输入信号的相对大小，同时可提供两个输入信号的绝对大小信息；同时，该比较器电路的功耗可随两个输入信号的相对差值大小自动调节。
-
公开(公告)号：CN114444629B
公开(公告)日：2023-12-05
申请号：CN202210027680.0
申请日：2022-01-11
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于射频识别(RFID，Radio Frequency Identification)标签阵列的测角定位系统及方法，涉及RFID室内定位技术领域。本发明首先在物体上布置一个由多个RFID无源标签构成的标签阵列，利用商用读写器和布置在固定位置多个天线对标签阵列的反射信号的相位进行采集，针对同一个阅读器天线构建相位差；然后，使用一种耦合相位误差校正方法对测量相位差进行校准，抑制耦合误差的影响，并利用MUSIC算法对天线方向进行估计；最后，通过多个已知位置天线的方向角、标签阵列姿态角和信号到达角的几何关系，实现对标签阵列姿态的检索和定位。本发明提供了一种部署简单的RFID测角室内定位系统，可实现对目标物体定位的同时对目标姿态的估计，适用于大多数室内定位场景。
-
公开(公告)号：CN114185002B
公开(公告)日：2022-10-25
申请号：CN202111498167.1
申请日：2021-12-09
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于波束空间矩阵束的三维参数估计方法。首先，将采集到信道状态信息数据包构建成一个三维矩阵，并进行平滑处理。其次，构造离散傅里叶变换矩阵和选择矩阵，进行降维运算。然后利用选择矩阵和左奇异向量求解矩阵特征值。最后进一步反解出三维参数到达角(Angle of Arrival,AoA)、飞行时间(Time of Flight,ToF)、多普勒频移(Doppler FrequencyShift,DFS)的估计值。本发明设计的三维参数联合估计方法不仅具有较高估计精度，还能通过合理的降维处理来减少计算复杂度，为Wi‑Fi室内高精度实时跟踪定位等应用提供了良好的技术储备。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.022 seconds)
