-
公开(公告)号：CN114646993B
公开(公告)日：2025-04-15
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。
-
公开(公告)号：CN118887276A
公开(公告)日：2024-11-01
申请号：CN202410904213.0
申请日：2024-07-07
Applicant: 同济大学
Abstract: 自适应光学系统中的噪声较为复杂，对光斑图像造成的影响较大，针对此问题，本发明公开了一种基于自适应阈值的图像光斑质心方法。由于能够较为快速的去除噪声的影响，减阈值方法受到较为广泛的关注。本发明的优点在于，能够将光斑区域定位、对光斑进行有效性识别，实现自适应阈值分割以及确定质心探测窗口的自适应光斑质心探测方法。此算法具有较高的进度以及较强的稳定性，为远距离星地光通信的链路的建立提供条件。
-
公开(公告)号：CN118426013A
公开(公告)日：2024-08-02
申请号：CN202410508231.7
申请日：2024-04-25
Applicant: 同济大学
IPC: G01S19/46
Abstract: 本发明属于组合导航领域，具体涉及一种基于非线性隐式方程约束的GNSS/5G组合导航方法。包括以下步骤：步骤1构建状态空间模型；步骤1.1构建系统模型：sk＝f(sk‑1,uk‑1,wk‑1),wk～N(0,Σww)；这里sk表示系统状态向量，uk表示系统方程控制输入，wk表示系统噪声输入，f(·)表示系统状态方程，Σww表示状态噪声协方差阵；步骤1.2构建观测模型：#imgabs0#h(sk,zk)＝0,ek～N(0,Σee)。这里#imgabs1#表示真实观测向量，zk表示理想观测向量，ek表示观测噪声输入，h(·)表示观测方程，Σee表示观测噪声协方差阵；步骤2运行非线性隐式方程约束的GNSS/5G组合定位算法。本方法相比于传统的基于卡尔曼滤波的交互式EKF(IMM‑EKF)和迭代扩展卡尔曼滤波IEKF等方法，具有精度高、鲁棒性强，抗粗差的特点。
-
公开(公告)号：CN118233312A
公开(公告)日：2024-06-21
申请号：CN202410322773.5
申请日：2024-03-20
Applicant: 同济大学
IPC: H04L41/0896 , H04L41/16 , H04L41/142 , H04L65/80 , H04W28/20 , G06N3/0442 , G06N3/0455 , G06N3/084 , G06N3/092
Abstract: 本发明属于5G及6G通信技术领域，具体为一种深度强化学习和转化器结合的自适应宽带资源分配方法。本发明在基于云的扩展现实(XR)的视频和触觉协同传输场景下，基于深度强化学习方法设计一种自适应分布式多智能体DRL结合转化器的动态资源分配方法，能在保证视频和触觉的服务质量(QoS)要求满足的同时，适应接入系统的用户数量的动态变化，使得更多的用户被成功服务；本发明方法与其他资源分配方案的平均满足用户数的性能比较表明，本发明方法收敛更快且能满足的平均用户数更多。
-
公开(公告)号：CN116841732A
公开(公告)日：2023-10-03
申请号：CN202310672273.X
申请日：2023-06-07
Applicant: 同济大学
Abstract: 本发明涉及无线通信和联邦学习领域，提出一种基于单比特量化的联邦学习资源优化设计方法，包括步骤：S1、智能反射面赋能的单比特联邦梯度无线聚合建模；S2、无线环境下联邦学习训练框架收敛性分析及问题建模；S3、联邦学习通算资源分配优化策略。本发明一方面，通过单比特量化策略实现模型参数的轻量级传输，另一方面通过部署智能反射面智能调控无线环境，极大的提升无线聚合质量，解决了目前大部分无线联邦学习方法所存在的通信和开销问题，同时有效地提升了模型训练精度。
-
Patent Agency Ranking
公开(公告)号：CN111199556B
公开(公告)日：2023-07-04
申请号：CN201911405374.0
申请日：2019-12-31
Applicant: 同济大学
Abstract: 一种基于摄像头的室内行人检测和跟踪方法,包括：步骤1、准备工作。步骤2、将每个点的像素坐标与世界坐标系坐标对应起来，求解旋转矩阵R和平移矩阵T，得到相机外参，提供给步骤5。步骤3、对摄像头采集到的视频进行处理，找出行人轮廓。步骤4、行人跟踪：将图片转化到HSV区域模型，再对检测出来的每一个位行人都使用Cam Shift算法进行跟踪。步骤5、转换为世界坐标系下的行人轨迹：通过步骤2相机标定结果，对图片进行矫正，并对步骤4中的行人轨迹的像素坐标进行转换。步骤6、根据存储的世界坐标形式轨迹，用不同的颜色绘制出行人轨迹，并显示在已经进行过矫正的室内背景图片上。后续可以用于行人的行为分析实验，可以分析行人的偏好路线等。
-
公开(公告)号：CN114460540A
公开(公告)日：2022-05-10
申请号：CN202210030956.0
申请日：2022-01-12
Applicant: 同济大学
Abstract: 本发明涉及一种浅海环境中的声源定位方法，包括：获取目标信号的声压；获取浅海环境参数，并且根据浅海环境参数计算得到初始声速；根据浅海环境参数和初始声速构建四层水平分层的声速线性模型；根据四层水平分层的声速线性模型构建具有声速变化的第一声波动方程；对第一声波动方程进行汉克尔变换得到只和深度有关的第二声波动方程，然后获得格林函数的数值解；将格林函数的数值解代入迭代贝叶斯聚焦算法进行计算，得到贝叶斯后验均值，即目标信号的估计位置。与现有技术相比，本发明可以有效提高浅海环境下声源定位的效率和精度。
-
公开(公告)号：CN114338299A
公开(公告)日：2022-04-12
申请号：CN202111455671.3
申请日：2021-12-01
Applicant: 同济大学
Abstract: 一种基于位置信息对智能反射面辅助的通信系统进行信道估计的方法，其特征是，包括下列步骤：1)基站和智能反射面位置参数获取；2)用户位置获取；3)计算智能反射面和用户之间的信道范围；4)建立上行通信系统模型：假设由用户发送信号，并且用户和基站之间的直接传输信道被阻隔，考虑“基站‑智能反射面‑用户”这条级联信道，并且建立系统模型；5)建立优化问题：利用最大似然估计理论，建立优化问题，并且结合位置信息对信道状态信息进行约束；6)参数设定：设置梯度下降算法的步长，设置迭代停止条件；7)求解目标函数：通过梯度下降的方法对信道状态信息进行求解，并且利用位置信息得到的约束，对结果进行校正，直到满足条件为止。
-
公开(公告)号：CN107733510B
公开(公告)日：2020-12-29
申请号：CN201710880865.5
申请日：2017-09-26
Applicant: 同济大学
IPC: H04B7/06 , H04B7/08 , H04B7/024 , H04W52/02 , H04B17/391
Abstract: 具有鲁棒性的云无线传输系统的波束成型设计。本发明公开了针对Cloud RAN(云无线接入网)的波束成型设计方案，该方案可以在检测信道状态信息有误差的情况下，实现具有整个系统的能耗最小，并且使得系统中的通信设备满足各自的通信要求；具体包括每个基站满足各自自最大能耗限制和每个用户满足其在通信过程中所需的信干噪比要求。本发明中充分考虑了同基站各用户之间的通信信号之间的相互干扰，以信干噪比作为各用户衡量各用户的通信质量。在应用中，只需设定用户的所需的通信质量和个基站最大可提供的传输能耗，即可利用迭代算法在信道状态信息不确定的情况下对各个用户进行波束成型设计。
-
公开(公告)号：CN111199556A
公开(公告)日：2020-05-26
申请号：CN201911405374.0
申请日：2019-12-31
Applicant: 同济大学
Abstract: 一种基于摄像头的室内行人检测和跟踪方法,包括：步骤1、准备工作。步骤2、将每个点的像素坐标与世界坐标系坐标对应起来，求解旋转矩阵R和平移矩阵T，得到相机外参，提供给步骤5。步骤3、对摄像头采集到的视频进行处理，找出行人轮廓。步骤4、行人跟踪：将图片转化到HSV区域模型，再对检测出来的每一个位行人都使用Cam Shift算法进行跟踪。步骤5、转换为世界坐标系下的行人轨迹：通过步骤2相机标定结果，对图片进行矫正，并对步骤4中的行人轨迹的像素坐标进行转换。步骤6、根据存储的世界坐标形式轨迹，用不同的颜色绘制出行人轨迹，并显示在已经进行过矫正的室内背景图片上。后续可以用于行人的行为分析实验，可以分析行人的偏好路线等。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.024 seconds)
