-
公开(公告)号：CN116011478B
公开(公告)日：2023-06-13
申请号：CN202310152344.3
申请日：2023-02-23
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种基于大规模RFID系统的未知标签识别方法，属于射频识别和物联网技术领域，其步骤为：首先阅读器通过标签的EPC构建一个期望帧向量，在该期望帧向量的基础上，筛选出所有“0”片段的大小，并将所有“0”片段的长度构建一个指示向量。通过该指示向量来同时标记未知标签和失活已知标签，极大提高了未知标签的失活效率。当系统中的已知标签全部被失活后，阅读器通过曼彻斯特编码解码所有收到的未知标签回应，通过筛选出所有的“0”片段构建另一个指示向量。阅读器通过该指示向量使未知标签在特定的时隙内回复他们的EPC。该指示向量不但可以减少阅读器的广播成本，还能有效跳过空时隙，提高未知标签的识别效率。
-
公开(公告)号：CN115146667A
公开(公告)日：2022-10-04
申请号：CN202210428762.6
申请日：2022-04-22
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于曲波变换与多分枝深层自编码的多尺度地震噪声压制算法。属于地震信号处理领域。本发明提出采用基于多分枝卷积自编码器与曲波变换去噪算法动态融合的多尺度地震噪声压制方法，实现准确的地震数据噪声压制与弱信号提取。首先生成含真实噪声的数据训练集与纯净的数据标签集，生成的训练集与标签集通过切块算法得到一组大小相同的矩阵，并将其输入到构建的多分枝卷积自编码地震噪声压制网络，进行模型的迭代训练，迭代结束后保存模型参数，完成网络训练；通过相同的方法将需要去噪的数据加工成预测集，并将其分别输入到神经网络分支与曲波变换分支，两个分支的运算结果通过均方损失算法根据数据的特征进行动态加权融合，得到高精度的纯净地震数据。该方法能够显著压制地震数据中多尺度的噪声特征，并增强多尺度的深层弱信号，提高整体信噪比。该方法效果优于传统算法，为地震数据的噪声压制提供了新的思路。
-
公开(公告)号：CN113850095A
公开(公告)日：2021-12-28
申请号：CN202111111564.9
申请日：2021-09-23
Applicant: 中国石油大学(华东)
IPC: G06K7/10
Abstract: 本发明涉及一种多点选择的商用RFID系统的未知标签识别方法，其步骤为：阅读器首先构建一个掩码集，为了降低空时隙的比例，提高未知标签的识别效率，掩码集被均分为多批，每批包含多个Select命令用于未知标签的选择。此外，为了消除多个Select命令共同作用导致的时隙冲突问题，阅读器将产生冲突的Select命令进行分解。这时，阅读器在问询标签前，将一批Select命令广播出去。被这些Select命令选择的标签会向阅读器发送回应，若出现冲突，则将该批的Select命令分解重新选择，通过多点的选择方式，本方法能够在降低空时隙比例的基础上避免了多个Select命令导致的时隙冲突问题，大大提高了未知标签的识别效率。
-
Patent Agency Ranking
公开(公告)号：CN110807339A
公开(公告)日：2020-02-18
申请号：CN201911065666.4
申请日：2019-11-04
Applicant: 中国石油大学(华东)
IPC: G06K7/00
Abstract: 本发明涉及一种RFID系统的丢失标签检测方法，含有以下步骤：阅读器根据所有已知标签的ID以及哈希函数，通过阅读器构建的网格表将RFID系统中的未知标签进行失活，其中，f1表示每个帧的长度，l表示随机种子数量；阅读器根据所有已知标签的ID以及基于ID右移的多次哈希运算检测RFID系统中的丢失标签，进行哈希运算时，每个标签进行多次映射，在第i次映射之前，剩余标签的ID右移i-1位之后再做哈希运算。本发明能够有效地失活绝大部分的未知标签，将未知标签对丢失标签检测的影响大幅度降低，且能够缩短响应时间，提高丢失标签的检测效率。
-
公开(公告)号：CN110807339B
公开(公告)日：2023-04-14
申请号：CN201911065666.4
申请日：2019-11-04
Applicant: 中国石油大学(华东)
IPC: G06K7/00
Abstract: 本发明涉及一种RFID系统的丢失标签检测方法，含有以下步骤：阅读器根据所有已知标签的ID以及哈希函数，通过阅读器构建的网格表将RFID系统中的未知标签进行失活，其中，f1表示每个帧的长度，l表示随机种子数量；阅读器根据所有已知标签的ID以及基于ID右移的多次哈希运算检测RFID系统中的丢失标签，进行哈希运算时，每个标签进行多次映射，在第i次映射之前，剩余标签的ID右移i‑1位之后再做哈希运算。本发明能够有效地失活绝大部分的未知标签，将未知标签对丢失标签检测的影响大幅度降低，且能够缩短响应时间，提高丢失标签的检测效率。
-
公开(公告)号：CN116011478A
公开(公告)日：2023-04-25
申请号：CN202310152344.3
申请日：2023-02-23
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种基于大规模RFID系统的未知标签识别方法，属于射频识别和物联网技术领域，其步骤为：首先阅读器通过标签的EPC构建一个期望帧向量，在该期望帧向量的基础上，筛选出所有“0”片段的大小，并将所有“0”片段的长度构建一个指示向量。通过该指标向量来同时标记未知标签和失活已知标签，极大提高了未知标签的失活效率。当系统中的已知标签全部被失活后，阅读器通过曼彻斯特编码解码所有收到的未知标签回应，通过筛选出所有的“0”片段构建另一个指示向量。阅读器通过该指示向量使未知标签在特定的时隙内回复他们的EPC。该指示向量不但可以减少阅读器的广播成本，还能有效跳过空时隙，提高未知标签的识别效率。
-
公开(公告)号：CN117812072A
公开(公告)日：2024-04-02
申请号：CN202211140397.5
申请日：2022-09-20
Applicant: 中国石油大学(华东)
IPC: H04L67/10 , H04L67/1008 , H04L67/101 , G06N7/01 , G06N3/092 , G06F17/18
Abstract: 本发明公开了一种基于深度强化学习的云边端协同智慧油田边缘计算系统任务卸载策略。云边端协同智慧油田边缘计算系统通常由中心云服务器、多个边缘服务器以及大量装载有传感器的终端设备组成。终端设备需要处理计算密集或延迟敏感的任务，该任务可以被分解为多个具有依赖关系的子任务，而传统基于粗粒度的任务卸载策略无法应用于子任务间具有依赖关系的场景。此外，基于通信模型的任务卸载策略可扩展性较差，很难适用于通信环境日益复杂的智慧油田系统。与现有的基于通信模型的粗粒度任务卸载策略不同，本发明提出的卸载策略针对智慧油田中通信环境复杂多变、油田任务复杂多样等挑战，引入深度强化学习，通过与环境的交互来学习模型，代替预先定义通信模型的方式，实现基于无模型的任务卸载，在最大化系统效用的同时，有效提高卸载策略的动态适应能力。仿真结果显示本发明所提出的基于深度强化学习的云边端协同智慧油田边缘计算系统任务卸载策略在性能上优于基准方法。
-
公开(公告)号：CN113850095B
公开(公告)日：2023-10-20
申请号：CN202111111564.9
申请日：2021-09-23
Applicant: 中国石油大学(华东)
IPC: G06K7/10
Abstract: 本发明涉及一种多点选择的商用RFID系统的未知标签识别方法，其步骤为：阅读器首先构建一个掩码集，为了降低空时隙的比例，提高未知标签的识别效率，掩码集被均分为多批，每批包含多个Select命令用于未知标签的选择。此外，为了消除多个Select命令共同作用导致的时隙冲突问题，阅读器将产生冲突的Select命令进行分解。这时，阅读器在问询标签前，将一批Select命令广播出去。被这些Select命令选择的标签会向阅读器发送回应，若出现冲突，则将该批的Select命令分解重新选择，通过多点的选择方式，本方法能够在降低空时隙比例的基础上避免了多个Select命令导致的时隙冲突问题，大大提高了未知标签的识别效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
