-
公开(公告)号：CN114244487B
公开(公告)日：2024-03-01
申请号：CN202111564049.6
申请日：2021-12-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于极化码的协作NOMA‑VLC通信方法。本发明方法首先将用户分组配对；将N个子信道中可靠性高的K个子信道作为传输有用信息比特的子信道，其他的N‑K个子信道作为传输冻结信息比特的子信道；进行动态功率分配，优先满足弱用户的服务质量，剩余的功率分配给其他用户；信息序列在功率域上混合叠加，并通过直接链路S_R和S_D传输到各自的用户上，传输间接链路R_D的信息序列，从而获得更好的传输质量，最后在接收端，中继用户R的解码模块和目的节点用户D的解码模块中译码。本发明方法有效提高了NOMA‑VLC通信系统的可靠性和传输容量。
-
公开(公告)号：CN112381179B
公开(公告)日：2024-02-23
申请号：CN202011436576.4
申请日：2020-12-11
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/045 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于双层注意力机制的异质图分类方法，包括步骤：S11.对不同类型节点的特征向量进行映射操作，得到目标节点和与目标节点相对应的邻域节点在同一实体空间的特征向量；S12.根据得到的特征向量，并基于双层注意力中的类型级注意力和节点级注意力，从类型级注意力到节点级注意力自顶向下地学习不同类型邻居和不同相邻节点间的权重；S13.根据得到的权重构建异质图，得到分类模型；S14.将测试数据输入至得到的分类模型中，输出最终分类结果。
-
公开(公告)号：CN113111797B
公开(公告)日：2024-02-13
申请号：CN202110417595.0
申请日：2021-04-19
Applicant: 杭州电子科技大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明结合自编码器与视角变换模型的跨视角步态识别方法：采集多视角多携带物状态的步态数据集；训练得到去携带物编码器和视角判别器；将待测目标在多个观测视角下的步态能量图输入编码器得到纯步态特征，将步态特征拼接为步态特征矩阵，通过奇异值分解得到角度变换与身份信息向量；通过带有身份标签的步态组输入卷积神经网络中进行识别，得到识别模型；将待识别目标的步态能量图输入自编码器与观测视角判别器，得到无携带物步态能量图与观测视角信息，一同输入视角投影模型并转换至对比视角下，与在对比视角下来自不同目标的步态能量图依次组成步态能量图组，输入识别模型，取得分最高组合为识别结果，完成识别。
-
公开(公告)号：CN117115888A
公开(公告)日：2023-11-24
申请号：CN202311066826.3
申请日：2023-08-23
Applicant: 杭州电子科技大学
IPC: G06V40/16 , A61B5/08 , A61B5/00 , G06V20/40 , G06V10/774 , G06V10/82 , G06V10/42 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于注意力的三维卷积神经网络和变换器的呼吸率估计方法及系统，变换器用于捕捉人脸视频的长期依赖关系和全局特征，三维卷积神经网络用于提取人脸细微颜色变化，并在其中引入局部注意力模块提高特征提取能力。方法包括如下步骤：1)数据预处理阶段：将原始人脸视频分解为人脸图像帧集合，将集合分为训练集和测试集，同时对人脸图像帧进行人脸检测以及人脸裁剪，最后进行数据归一化；2)训练阶段：首先基于三维卷积神经网络和变换器构建模型，然后基于训练集完成模型训练；3)测试阶段：使用训练好的模型基于测试集进行模型性能测试，获取人脸视频对应的呼吸率。本发明提高了从人脸视频估计呼吸率的准确性。
-
公开(公告)号：CN116934820A
公开(公告)日：2023-10-24
申请号：CN202310933471.7
申请日：2023-07-27
Applicant: 杭州电子科技大学
IPC: G06T7/33 , G06T7/00 , G06T5/50 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了基于交叉注意力的多尺寸窗口Transformer网络布匹图像配准方法及系统，方法包括：处理布匹图像对，并划分为训练集和测试集；创建双通道的Transformer结构网络，将输入图像对分别划分为相同大小的图像块并线性编码，分别提取固定图像和移动图像的特征；来自双通道网络的特征块通过交换输入的顺序，通过两个CAT的多尺寸窗口方法获得交叉注意力，将两个输入特征融合成一个注意力信息；将交叉融合后的特征块之间分别采用跳跃连接进行聚合特征，获取输出形变场；利用得到的形变场和空间变换网络对布匹图像进行变形，得到配准后的图像，并计算固定图像和配准图像的相似度；将配准后的布匹图像与固定图像进行差分操作，根据差分后的图像的像素识别瑕疵布匹。
-
Patent Agency Ranking
公开(公告)号：CN116806008A
公开(公告)日：2023-09-26
申请号：CN202310000803.6
申请日：2023-01-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于智能反射表面进行无线定位方法，S1、获取定位场景下的基站以及至少两个智能反射表面的位置信息S2、接收端通过接收信号进行定时估计分别得到经过每个智能反射表面的反射径与路径AB的到达时间差，利用时间差通过定时估计算法获得待测目标的最佳估计值；S3、根据获得的最佳估计值，通过最优化算法得到的最优解，即待测用户端位置的最佳估计值。该方法给出利用多RIS计算虚拟基站的方法以及基于虚拟基站进行目标定位的方法。本发明给出的基于RIS进行无线定位的方法能够在RIS场景下的定位系统中有效估计用户的准确位置。
-
公开(公告)号：CN116563587A
公开(公告)日：2023-08-08
申请号：CN202310467195.X
申请日：2023-04-25
Applicant: 杭州电子科技大学
IPC: G06V10/762 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了基于Sliced‑Wasserstein距离的图卷积结构深度嵌入式聚类方法及系统，方法如下：构造邻接矩阵；构造自编码器模块；构造GCN模块和自编码器模块的集成网络；构造聚类模块中的聚类分配优化函数；构造聚类模块中的KL损失优化函数、GCN损失优化函数；将自编码器模块、GCN模块和聚类模块联合，构造基于Sliced‑Wasserstein距离的图卷积结构深度嵌入式聚类网络；数据集输入聚类网络中进行迭代训练，当达到精度或训练次数时，聚类网络终止训练，完成聚类。本发明将图像的结构信息集成到深度聚类中，提出了一种新的结构性深度聚类网络，这种结构揭示了样本之间潜在的相似性，从而为特征表示学习提供有价值的指导，使得学习到的特征表示信息更加丰富。
-
公开(公告)号：CN116390099A
公开(公告)日：2023-07-04
申请号：CN202310361778.4
申请日：2023-03-31
Applicant: 杭州电子科技大学
Abstract: 本发明提供了一种基于博弈论的智能反射表面资源分配方法，包括以下步骤：步骤1：计算用户k的效用函数Vk；步骤2：计算IRS的效用函数wk；步骤3：计算最优的IRS单元分配个数bk*；步骤4：计算最优的IRS定价Prk*；步骤5：计算价格更新函数I(Prk)；步骤6：给定初始定价prk，将其代入到价格更新函数I(Prk)，判断每一次迭代出来的IRS定价是否等于Prk*，不相等则返回步骤5。步骤7：智能反射表面资源分配方法结束。上述技术方案，引用了非合作博弈论的相关理论，利用stackelberg博弈提出了一个定价机制来解决IRS反射单元数分配的问题，实现了提高用户效用、IRS收益最大化的目标。
-
公开(公告)号：CN111311652B
公开(公告)日：2023-04-18
申请号：CN202010058698.8
申请日：2020-01-19
Applicant: 杭州电子科技大学
IPC: G06T7/33 , G06T3/40 , G06T3/00 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于回归校正网络的声呐图像配准方法及系统。本发明涉及的一种基于回归校正网络的声呐图像配准方法，包括步骤：S11.创建3D投影变换参数的回归网络，得到3D投影变换参数的预测模型；S12.创建3D投影变换的几何变换网络；S13.创建计算图像相似度的比较网络；S14.根据得到的预测模型的参数和所述几何变换网络生成配准图片，通过所述比较网络计算参考图像和配准图像的相似度，得到图像的配准。本发明将复杂的配准任务分解为可以单独学习的两个简单子任务，通过组合技术优化配准结果。
-
公开(公告)号：CN115880179A
公开(公告)日：2023-03-31
申请号：CN202211603773.X
申请日：2022-12-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于主纹理方向及微分近似的稳定场图像重建方法，首先将稳定场与图像纹理相结合，构建图像局部纹理的稳定场方程；其次依据缺损像素点邻域内各已知点的梯度信息得到该缺损点处主纹理方向所在的方向区间，将位于该区间内的已知点作为参与最终重建的有效场源，使重建过程按照纹理和边缘的走向进行；最后针对有效场源采用微分近似的方法，利用低阶泰勒展开式构造有效场源与缺损像素点之间的场源函数，充分利用了有效场源区域中的已知点信息，得到具体的图像稳定场重建方程完成重建。经实验验证，该方法实现了对不同类型的缺损图像高效且准确的重建,尤其对于图像缺损区域的边缘以及纹理处的重建表现出色。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.035 seconds)
