一种恶劣气候环境下的海洋搜救方法

    公开(公告)号:CN112686826A

    公开(公告)日:2021-04-20

    申请号:CN202110041955.1

    申请日:2021-01-13

    Applicant: 东华大学

    Abstract: 本发明公开了恶劣气候环境下的海洋搜救方法,通过无人机/无人船获取海上模糊图像,通过对少数图像采用Deep Image Prior(DIP)技术进行预处理,再通过基于改进的ESRGAN神经网络对图像进行重构,去除受恶劣环境产生的模糊、重影,实现图像的去模糊化,最后通过YOLOv4目标检测算法识别落水人员。本发明通过图像重构技术重构图像,并利用目标检测技术精确定位待救人员的位置区域,提高救援的效率,具有良好的实用性,能够对恶劣气候下的海洋环境进行图像重构,能最大程度定位落水人员的位置区域,方便后期快速救援。

    基于多任务学习蜂窝网无线信号与用户轨迹联合预测方法

    公开(公告)号:CN116261158B

    公开(公告)日:2025-05-16

    申请号:CN202310005580.2

    申请日:2023-01-04

    Applicant: 东华大学

    Abstract: 本发明的技术方案是提供了一种基于多任务学习蜂窝网无线信号与用户轨迹联合预测方法。本发明在提供位置预测的同时,可以对当前范围内的信号强度、信号质量进行预测,有利于优化网络资源管理。预测输入基于真实的实测数据,将历史轨迹与相应的RSRP和RSRQ相结合,丰富定位特征,提高精度。与隐马尔可夫模型和卡尔曼滤波等基线方法相比,该模型在定位和信号功率预测任务中均具有较高的预测精度。此外,本发明基于局部均值对原始数据进行预处理,以增加下一个位置预测的范围。在不同尺度上仔细评估预测精度和预测范围之间的权衡,便于多任务预测模型在实际交通场景中的应用。

    基于多任务学习蜂窝网无线信号与用户轨迹联合预测方法

    公开(公告)号:CN116261158A

    公开(公告)日:2023-06-13

    申请号:CN202310005580.2

    申请日:2023-01-04

    Applicant: 东华大学

    Abstract: 本发明的技术方案是提供了一种基于多任务学习蜂窝网无线信号与用户轨迹联合预测方法。本发明在提供位置预测的同时,可以对当前范围内的信号强度、信号质量进行预测,有利于优化网络资源管理。预测输入基于真实的实测数据,将历史轨迹与相应的RSRP和RSRQ相结合,丰富定位特征,提高精度。与隐马尔可夫模型和卡尔曼滤波等基线方法相比,该模型在定位和信号功率预测任务中均具有较高的预测精度。此外,本发明基于局部均值对原始数据进行预处理,以增加下一个位置预测的范围。在不同尺度上仔细评估预测精度和预测范围之间的权衡,便于多任务预测模型在实际交通场景中的应用。

    一种基于机器学习的蜂窝网无线感知与定位一体化方法

    公开(公告)号:CN116056140A

    公开(公告)日:2023-05-02

    申请号:CN202310007214.0

    申请日:2023-01-04

    Applicant: 东华大学

    Abstract: 本发明的技术方案是提供了一种基于机器学习的蜂窝网无线感知与定位一体化方法。本发明通过充分利用从蜂窝网络收集到的用户测量报告,提出的无线感知与定位一体化方法更加符合无线网络测试转向用户主动报告模式的趋势,解决了指纹数据库中室内室外MRs混杂在一起的问题,基于集成学习有效对指纹进行分类,并排除了室内指纹对于室外定位的干扰。一方面,得到的定位结果远远超过了美国联邦通信委员会的标准,证明通过指纹去噪进一步提高定位精度是切实可行的。另一方面,在定位前增加场景感知并没有明显增加计算复杂性,在处理较多数据时可以有效降低时延。

Patent Agency Ranking