-
公开(公告)号：CN108111255A
公开(公告)日：2018-06-01
申请号：CN201711190617.4
申请日：2017-11-24
Applicant: 同济大学
IPC: H04L1/00 , H04N19/177 , H04N19/625 , H04N19/176 , H04N19/89
Abstract: 本发明涉及一种模拟编码中基于最大后验概率的译码方法，包括：S1、发送端将经过模拟编码后的信号和块方差通过引入设定混沌函数伪模拟传输SoftCast发送到接收端；S2、对接收到的模拟信号的噪声建模为高斯噪声，得到等效建模的待解码信号；S3、计算编码增益；S4、利用设定的混沌函数和MAP译码器高斯分布函数的闭合表达式，得到1/2模拟编码和1/3模拟编码的MAP解码闭合表达式；S5、DCT系数矩阵经过IDCT重建得到带噪编码符号的解码输出。与现有技术相比，本发明充分利用信源的先验概率分布信息和已知的接收数据，同时平衡性能和计算复杂度，在实际系统中具有易于使用的优点。
-
公开(公告)号：CN108052992A
公开(公告)日：2018-05-18
申请号：CN201711172087.0
申请日：2017-11-22
Applicant: 同济大学
IPC: G06K17/00
Abstract: 本发明公开了一种智能室内寻物收纳系统，包括RFID电子标签，手机壳状读写器，APP客户终端，智能手机，目标物品，其中APP客户终端包括物品信息数据库模块，AutoCAD三维系统模块，且物品信息数据库模块和AutoCAD三维系统模块有效连接，手机壳状读写器使用时套在智能手机上，并通过USB接口与智能手机连接。本发明主要用于目标物品的寻找及物品收纳。本发明设计新颖，通过开发应用于智能手机的APP客户终端以及设计手机壳状读写器，可有效的实现以RFID电子标签为信息载体的物品寻找，同时基于AutoCAD三维建模技术的目标物品收纳管理系统，提供给用户更为清晰合理的物品存摆放位置方案。
-
公开(公告)号：CN114980336B
公开(公告)日：2025-03-18
申请号：CN202210562420.3
申请日：2022-05-23
Applicant: 同济大学
IPC: H04W72/044 , H04W72/53 , H04W72/542 , H04N21/262 , G06N20/00
Abstract: 一种基于强化学习的动态视频传输调度算法，其特征是，包括下列步骤：1)通信系统参数的获取。2)建立优化问题函数：设K为系统服务的用户数，L为系统包含的OFDM资源块数，则优化问题函数为每一个资源块l分给的用户编号，使满足QoS需求的用户数最大化。3)更新通信系统的OFDM资源块分配方式：建立状态、动作以及目标奖励函数，使用强化学习网络输出每一个资源块l分给的用户编号，并组成该通信系统的OFDM资源块分配方式。4)更新强化学习网络参数：利用梯度下降法更新强化学习网络参数。5)判断是否满足优化结束条件：在该算法输出资源块分配结果后，观察是否达到系统满足QoS需求的用户数目标，若未达到，则返回3)进行下一步迭代。
-
公开(公告)号：CN118962652A
公开(公告)日：2024-11-15
申请号：CN202411059540.7
申请日：2024-08-04
Applicant: 同济大学
IPC: G01S7/539 , G01S15/88 , G06F18/10 , G06F18/2337 , G06F18/23213
Abstract: 本发明涉及一种管道声呐探测场景下水声信号多次回波及噪声自适应滤波检测方法，该方法采用一种联合门限滤波(Threshold Filtering,TF)和模糊C均值聚类算法(Fuzzy C‑means Clustering，FCM)以及结合CUBE(Combined Uncertainty and Bathymetry Estimator)滤波方法，实现自适应信号识别滤波算法，去除分割结果中的孤立噪点并完成管道孔洞填充，用于在管道内壁声呐探测场景下对水声信号进行滤波检测。该方法主要利用了水声信号的实时统计特性，构造了ASRF算法，实现了管道声呐信号在多次回波噪声干扰下，统计空间的背景噪声抑制和动态识别检测；该方法对实时管道声呐信号的动态处理过程是通过ASRF函数自适应调节的，可以自适应根据门限滤波阈值进行目标信号和管道噪声的判决处理，提高管道声呐信号在时域空间的有效信噪比。
-
公开(公告)号：CN116866752A
公开(公告)日：2023-10-10
申请号：CN202310763385.6
申请日：2023-06-26
Applicant: 同济大学
Abstract: 本发明提出了分布式麦克风阵列两层信息融合模型的设计实现方法，包括：获取用于标识声源目标特征的谐波基频；对来自分布式麦克风阵列的某一阵列内不同通道的估计结果进行第一次融合；使用强化学习对来自分布式麦克风阵列的不同阵列的估计结果进行第二次融合。发明采用的谐波估计方法适用于远场声源检测中的远距离、低频段、低信噪比条件下的谐波估计问题，通过对目标函数的分解与化简，降低了计算复杂度，提高了谐波估计的实时性，同时也保证了估计精确度、对噪声的鲁棒性和稳定性；基于强化学习的第二层融合使得最终估计结果更多地考虑估计准确度较高的阵列给所出的估计值，对提高阵列信息融合准确度有着积极作用。
-
Patent Agency Ranking
公开(公告)号：CN116743112A
公开(公告)日：2023-09-12
申请号：CN202310403896.7
申请日：2023-04-14
Applicant: 同济大学
Abstract: 本发明提出了一种基于强化学习的扩展卡尔曼滤波目标跟踪方法，实现过程包括：给出动态系统建模，并确定影响过程噪声和观测噪声的参数；强化学习问题建模；初始化；使用强化学习算法动态调节过程噪声和观测噪声协方差矩阵的值：引入强化学习算法对协方差矩阵的值进行校正，使用新息序列的差值作为评估智能体动作的指标，指导智能体逼近最优策略。本发明给出了目标跟踪问题中通用的动态系统建模，并使用强化学习算法，根据两个并行滤波器之间的比较结果对过程噪声协方差矩阵Q和观测噪声协方差矩阵R的值进行校正，从而提高扩展卡尔曼滤波器目标跟踪性能的稳定性。
-
公开(公告)号：CN116633462A
公开(公告)日：2023-08-22
申请号：CN202310712500.7
申请日：2023-06-15
Applicant: 同济大学
IPC: H04B17/309 , H04B17/391 , H04B17/382
Abstract: 本发明提出一种基于统计信道状态信息的联邦学习资源优化设计方法。首先，构造统计信道状态信息下智能反射面赋能的联邦梯度聚合模型，并推导无线中断概率影响下的联邦学习训练损失上界；以此为基础，建立通信资源约束下、以带宽分配和智能反射面相位配置为变量的损失上界最小化问题，以减弱甚至消除通信中断对联邦学习收敛性能的影响。本发明的优点在于，所提联邦学习系统无需精准估计瞬时信道状态信息，而从而极大地降低系统训练开销。同时，通过所提出的针对联邦学习框架的无线资源优化方案，进一步提升了训练的精确度。
-
公开(公告)号：CN114756294B
公开(公告)日：2023-08-04
申请号：CN202210314986.4
申请日：2022-03-22
Applicant: 同济大学
IPC: G06F9/445 , G06F9/50 , H04L67/1023
Abstract: 本发明属于无线通信领域，具体涉及一种基于深度强化学习的移动边缘服务器的任务卸载方法。假定用户具有移动性的情况下，本发明通过对用户移动性建模和推导任务在不同端处理速率来达到优化系统卸载能耗最小的目的。本发明采用深度强化学习算法来解决任务在本地端、移动边缘服务器端进行处理的功率分配问题，从而改善系统最小能耗。本发明优化了系统的最小计算能耗，以进一步提高系统的性能。对比传统方案，本发明方法收敛速度快，性能更好，更加突显其实际应用价值。
-
公开(公告)号：CN114006994B
公开(公告)日：2022-10-25
申请号：CN202111351957.7
申请日：2021-11-16
Applicant: 同济大学
IPC: H04N5/14 , H04N5/268 , H04N21/2385 , H04N21/266
Abstract: 本发明涉及一种基于可配置无线视频处理器的传输系统，该系统包括：数字信号处理器：包括数字信号处理器，用以进行可编程的运算和数据调度；专用硬件加速器单元：包括多个专用硬件加速器模块，通过总线拓展方式或数据存储拓展方式与数字信号处理器连接；DMA单元：用以实现数字信号处理器和专用硬件加速器模块的数据调度和数据传输；可配置及控制单元：用以将无线视频处理器实时配置成无线视频发送端或无线视频接收端；硬件加速器衔接单元：用以实现专用硬件加速器单元和数字信号处理器之间的通信，与现有技术相比，本发明具有满足多用户广播场景下的无线视频传输用户对低功耗、高性能和低延时的性能需求等优点。
-
公开(公告)号：CN114646993A
公开(公告)日：2022-06-21
申请号：CN202210256763.7
申请日：2022-03-16
Applicant: 同济大学
Abstract: 本发明公开了一种基于GNSS、视觉以及IMU进行精确定位的数据融合算法。GNSS定位技术易受外界观测条件的限制，在高架桥、城市峡谷等遮挡区域，卫星信号接收能力急剧减弱，无法满足定位导航的需求。纯视觉的位置估计不能解决尺度问题，且在弱纹理场景及快速运动场景下无法建立匹配关系，容易跟踪丢失；IMU可以在短时间内(毫秒级)反映动态变化，但长时间运行下(秒级)其累积误差会不断增加。本发明依据不同传感器数据源之间的互补性，利用本地数据源(视觉及IMU)提高GNSS的全局定位精度，利用GNSS全局数据源消除本地的累积误差，在卫星信号被遮挡时依赖本地视觉、IMU数据保持短期的高精度全局定位，整体上提高了定位导航系统的性能及鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.022 seconds)
