-
公开(公告)号：CN110139245A
公开(公告)日：2019-08-16
申请号：CN201910419688.X
申请日：2019-05-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于模糊逻辑的车联网中继节点选择方法，属于车载自组织网络(Vehicular Ad-hoc Network，VANET)中信息通信领域。车载自组织网络中紧急安全消息在车辆之间依靠广播技术来进行传输，其中的关键在于中继节点的选择。本发明的核心思想是基于模糊逻辑来综合考虑车辆的覆盖范围、信道忙闲比以及移动因素，通过建立合适的模糊推理规则来得到车辆作为中继节点的转发优先级，车辆将转发优先级最大的邻居车辆节点作为下一跳的中继节点，有效降低了中继节点的数目。本发明是为了解决多个车辆节点参与消息广播中带来的广播消息延迟与冗余的问题。
-
公开(公告)号：CN105791203B
公开(公告)日：2019-05-31
申请号：CN201610134286.1
申请日：2016-03-09
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种非正交多址接入下行链路信号接收方法，包括步骤：先对各个接收天线的接收信号进行正交频分复用(OFDM，Orthogonal Frequency Division Multiplexing)解调，然后将解调后的信号进行分集合并，再根据用户信号功率及调制方式构建联合星座图。在对某个用户信号进行检测之前，先推算出其信息比特在星座点中所对应的调制比特位置，然后计算该用户信号信息比特的软信息对数似然比(LLR，Log likelihood ratio)值，最后将该用户信息比特的LLR值输入到译码器进行译码，完成用户信号的接收。本发明提出的联合检测方法，在性能损失较少的情况下，可以大幅降低接收机的复杂度和处理时延。
-
公开(公告)号：CN105791203A
公开(公告)日：2016-07-20
申请号：CN201610134286.1
申请日：2016-03-09
Applicant: 重庆邮电大学
CPC classification number: H04L27/3411 , H04L27/3483 , H04L27/38
Abstract: 本发明请求保护一种非正交多址接入下行链路信号接收方法，包括步骤：先对各个接收天线的接收信号进行正交频分复用(OFDM，Orthogonal Frequency Division Multiplexing)解调，然后将解调后的信号进行分集合并，再根据用户信号功率及调制方式构建联合星座图。在对某个用户信号进行检测之前，先推算出其信息比特在星座点中所对应的调制比特位置，然后计算该用户信号信息比特的软信息对数似然比(LLR，Log likelihood ratio)值，最后将该用户信息比特的LLR值输入到译码器进行译码，完成用户信号的接收。本发明提出的联合检测方法，在性能损失较少的情况下，可以大幅降低接收机的复杂度和处理时延。
-
公开(公告)号：CN104602201A
公开(公告)日：2015-05-06
申请号：CN201510067390.9
申请日：2015-02-09
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种LTE集群专网中单终端同时接收多组呼业务的方法，涉及集群通信技术领域。该方法包括集群网络将不同的组呼数据组合成MAC-PDU并发送给集群终端，不同的组呼数据采用LCID进行区分；集群终端通过寻呼处理过程确定寻呼周期内对应子帧中是否存在专网业务；若存在，则集群终端通过业务数据接收过程对业务数据进行接收，由MAC模块根据不同的LCID指示高层区分不同组呼的业务数据。本发明在不增加集群终端复杂度的前提下，能够很好的解决一个集群终端同时接收多组组呼业务数据问题。
-
公开(公告)号：CN114599014B
公开(公告)日：2025-03-14
申请号：CN202210261412.5
申请日：2022-03-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种车联网中连接时间约束下的基于资源重分配的任务卸载方法，属于移动通信技术领域，包括以下步骤：S1：建立交通流模型，根据车辆的位置信息推导行驶速度，基于等效转换，计算车辆间的连接时间；S2：基于贪婪思想对车辆进行匹配；S3：将卸载决策、信道资源分配、新产生任务和正在计算的任务的资源分配统筹表示为方案矩阵，对迭代过程中不同的卸载决策提出概率变异策略和针对变异产生问题的修正算法，对部分卸载决策和资源分配进行归一化处理来满足约束条件；S4：基于同化变异算法和小生境改进的平衡优化器优化算法对方案矩阵进行迭代寻优。本方法提高了车辆间连接稳定性和任务卸载成功率，降低了超时率和系统成本。
-
Patent Agency Ranking
公开(公告)号：CN119360447A
公开(公告)日：2025-01-24
申请号：CN202411492294.4
申请日：2024-10-24
Applicant: 重庆邮电大学
IPC: G06V40/20 , G06V20/58 , G06V40/10 , G06V20/70 , G06V10/764 , G06V10/82 , G06T7/246 , G06N3/0895 , G06N3/042 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及一种融合大模型的多模态行人指挥手势识别方法，属于自动驾驶领域。其包括：收集行人数据集，并进行数据集划分；采用预训练的行人检测模型从数据集中提取人体关键点；通过目标追踪网络对提取的人体关键点信息进行处理，得到动态的关键点轨迹信息；建立用于识别手势的多模态动作识别模型，其至少包括骨架编码器和文本编码器；多部分对比学习损失训练优化多模态手势识别模型，得到识别结果。将训练好的模型安装至自动驾驶汽车上，对行人手势进行区分，准确判断行人的意图。本发明方法采用多模态框架，识别精度高、识别速度快。
-
公开(公告)号：CN118972801A
公开(公告)日：2024-11-15
申请号：CN202410943001.3
申请日：2024-07-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于跨网融合的路侧感知共享系统，属于车路云协同技术领域，包括：交通对象信息处理子系统包括消息接收模块和与预处理模块，消息接收模块用于将路侧感知设备感知到的交通对象以及接收到的感知共享消息里的交通对象解析并纳入到对象池中进行统一管理；预处理模块通过基于时间和位置的权重方法筛出误差大的对象；感知共享消息生成子系统用于提取出对象池的交通对象，通过基于时空变换的判断规则提取生成感知共享消息；感知信息分发子系统用于分发路侧设备的感知共享消息，在接收到感知共享消息分发请求时，基于消息的来源、类型、目的地多因素融合，设置感知共享消息优先级，继而选择感知共享消息发送的方式与顺序。
-
公开(公告)号：CN118762138A
公开(公告)日：2024-10-11
申请号：CN202410800124.1
申请日：2024-06-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于车路、车云协同感知的车端数字孪生局部场景即时生成方法，属于车路云协同领域。该方法包括：S1：根据商用地图、车端感知共享信息、路侧感知共享信息和云端感知共享信息构建数字孪生场景生成的初始数据；S2：在车端使用感知融合算法将初始数据进行融合，形成完整的点云数据集，然后将重复对象数据剔除，并对空缺对象信息进行补充，构建完整的场景信息和交通对象信息；S3：采用数字孪生3D重构方法对点云数据集进行处理和重构，建立环境与交通对象的三维模型，并在车端或移动终端显示，结合安全辅助驾驶向驾乘者提供服务。本发明为驾驶员或者智能驾驶车辆提供路径规划与决策控制的依据，提高车辆行驶安全与驾驶舒适性。
-
公开(公告)号：CN114640966B
公开(公告)日：2024-05-10
申请号：CN202210242936.X
申请日：2022-03-11
Applicant: 重庆邮电大学
IPC: H04W4/44 , H04W28/08 , H04W28/084 , G06N3/126
Abstract: 本发明属于移动通信技术领域，具体涉及一种车联网中基于移动边缘计算的任务卸载方法，该方法包括：构建多边缘服务器联合卸载模型；获取车辆的卸载任务，并根据车辆的卸载任务构建卸载基站选择向量；根据卸载基站选择向量采用基于等价最大容忍时延的资源分配方法计算进行任务卸载的负载和能耗；以能耗作为适应性函数，并采用遗传算法对车辆的卸载任务进行迭代优化，得到卸载基站选择方案；根据卸载基站选择方案使用强化学习对任务卸载策略进行优化，得到任务卸载比率和卸载功率；根据选定的卸载基站、制定的卸载比率和卸载功率完成任务卸载；本发明有效的降低了系统总能耗开销，实现了车联网任务卸载和资源分配的有效性。
-
公开(公告)号：CN117809375A
公开(公告)日：2024-04-02
申请号：CN202311850249.7
申请日：2023-12-29
Applicant: 重庆邮电大学
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06V10/25 , G06N3/08 , G06V10/82 , G06V10/764 , G06V10/62 , G06N3/0464 , G06N3/045 , G06N5/04 , G06N3/048
Abstract: 本发明涉及一种基于视频序列的交通指挥手势识别方法，属于自动驾驶领域。该方法为：用车载摄像头实时采集视频数据，用opencv进行视频的读取；制作行人和交警的数据集，用NanoDet目标检测网络对其进行训练；提取交警指挥手势的动作序列，将其制作成交警指挥手势跟踪数据集，用DeepSort网络加载数据并进行离线训练；构建交警指挥手势识别分类数据集，用手势识别分类网络对其加载用以训练；将训练好的模型部署在车载系统上；本发明只需搭载车载摄像头对周围环境进行采集，用opencv读取视频数据就可实现交警指挥动作的识别，具有精度高、识别速度快、易于部署等优点，完美的契合了自动驾驶车辆。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.026 seconds)
