-
公开(公告)号：CN110736986A
公开(公告)日：2020-01-31
申请号：CN201910993252.1
申请日：2019-10-18
Applicant: 北京大学
Abstract: 本发明公布了基于现场可编程超材料的智能Wi-Fi成像方法及系统，利用Wi-Fi路由器、参考接收机、主接收机及工作频段覆盖Wi-Fi频段的电控现场可编程超材料，搭建基于现场可编程超材料的智能Wi-Fi成像系统；方法包括：直接利用Wi-Fi信号探测目标，而无需向目标主动发射电磁波，再利用深度学习方法，实现对目标进行远距离和非视距的实时成像。本发明能够实现远距离和非视距的实时成像，兼具低成本和高效率等特点。
-
公开(公告)号：CN110190923A
公开(公告)日：2019-08-30
申请号：CN201910468549.6
申请日：2019-05-31
Applicant: 北京大学
Abstract: 本发明公布了一种基于非合作盲源的潜伏通信系统及方法，潜伏通信系统包括：信息编码与发送端、信息接收与解调端和非合作盲源信号；将非合作盲源作为通信载波，利用双天线或多天线作为接收端，并在接收机中将接收到的电磁波进行解调，从而实现信息的隐蔽传输和无源传输通信。采用本发明技术方案，无需信号发射源，节省了载波发射功率，不占用新的频谱资源；简化了电路结构，降低了硬件成本；在物理层面保障了隐蔽通信，可实现室内定向定点通信；还可向物联网中的特定位置的传感器发送信息、为射频识别标签提供能量，改善无线通信质量。
-
Patent Agency Ranking
公开(公告)号：CN110781764B
公开(公告)日：2021-08-03
申请号：CN201910941889.6
申请日：2019-09-30
Applicant: 北京大学
Abstract: 本发明公布了一种智能微波手语识别方法，包括：利用信号源对手势进行照射，再通过接收机将带有手语特征的微波数据传入神经网络，通过神经网络对不同手语的微波特征进行学习和记忆，并以成像或直接分类的方式实现手语识别。本发明利用的微波频段具有穿透性，不受障碍物的约束；克服了现有光学手语成像和识别对环境，天气，光线等条件的依赖，可全天候不间断工作；利用机器学习处理数据，通过神经网络提高了计算能力，增强了手语识别精度；采用的深度学习网络抗噪声能力较强；且对设备要求低，可依据不同复杂场景、不同精度项目来灵活设置各种参数，灵活应用。
-
公开(公告)号：CN110781764A
公开(公告)日：2020-02-11
申请号：CN201910941889.6
申请日：2019-09-30
Applicant: 北京大学
Abstract: 本发明公布了一种智能微波手语识别方法，包括：利用信号源对手势进行照射，再通过接收机将带有手语特征的微波数据传入神经网络，通过神经网络对不同手语的微波特征进行学习和记忆，并以成像或直接分类的方式实现手语识别。本发明利用的微波频段具有穿透性，不受障碍物的约束；克服了现有光学手语成像和识别对环境，天气，光线等条件的依赖，可全天候不间断工作；利用机器学习处理数据，通过神经网络提高了计算能力，增强了手语识别精度；采用的深度学习网络抗噪声能力较强；且对设备要求低，可依据不同复杂场景、不同精度项目来灵活设置各种参数，灵活应用。
-
公开(公告)号：CN110736986B
公开(公告)日：2021-06-04
申请号：CN201910993252.1
申请日：2019-10-18
Applicant: 北京大学
Abstract: 本发明公布了基于现场可编程超材料的智能Wi‑Fi成像方法及系统，利用Wi‑Fi路由器、参考接收机、主接收机及工作频段覆盖Wi‑Fi频段的电控现场可编程超材料，搭建基于现场可编程超材料的智能Wi‑Fi成像系统；方法包括：直接利用Wi‑Fi信号探测目标，而无需向目标主动发射电磁波，再利用深度学习方法，实现对目标进行远距离和非视距的实时成像。本发明能够实现远距离和非视距的实时成像，兼具低成本和高效率等特点。
-
公开(公告)号：CN110190923B
公开(公告)日：2020-06-02
申请号：CN201910468549.6
申请日：2019-05-31
Applicant: 北京大学
Abstract: 本发明公布了一种基于非合作盲源的潜伏通信系统及方法，潜伏通信系统包括：信息编码与发送端、信息接收与解调端和非合作盲源信号；将非合作盲源作为通信载波，利用双天线或多天线作为接收端，并在接收机中将接收到的电磁波进行解调，从而实现信息的隐蔽传输和无源传输通信。采用本发明技术方案，无需信号发射源，节省了载波发射功率，不占用新的频谱资源；简化了电路结构，降低了硬件成本；在物理层面保障了隐蔽通信，可实现室内定向定点通信；还可向物联网中的特定位置的传感器发送信息、为射频识别标签提供能量，改善无线通信质量。
-
公开(公告)号：CN109472747A
公开(公告)日：2019-03-15
申请号：CN201811213563.3
申请日：2018-10-18
Applicant: 北京大学
IPC: G06T5/00
Abstract: 本发明提出了一种微波遥感图像去相干斑噪声的深度学习方法；本发明提出的DsCNN网络采用残差网络模块串联方式构建，相干斑噪声分级处理降低了相干斑噪声去除难度，克服了DsCNN网络过深导致训练难度增加的问题；本发明提出的DsCNN网络样本数据集源自开源软件，可以免费获取充足样本数据集，克服现有微波遥感开源图像数据集少，获取成本高的缺点；本发明提出的DsCNN网络在去除相干斑噪声同时，能够保持目标纹理特征；本发明提出的DsCNN网络基于样本驱动，降低了相干斑噪声建模难度，提高了相干斑噪声建模精度；本发明提出的DsCNN网络处理速度快，满足实时处理大尺度微波遥感图像去相干斑噪声任务的需求。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
