-
公开(公告)号：CN117580105B
公开(公告)日：2024-04-19
申请号：CN202410053103.8
申请日：2024-01-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种面向电网巡检的无人机任务卸载优化方法，包括以下步骤：（1）基于BS的通信方式及各无人机的巡检模式，构建由MEC服务器和无人机组成的电网巡检系统模型；（2）基于巡检系统模型，计算第k个无人机在第i时隙用于执行巡检任务的飞行能耗；（3）计算各无人机在第i时隙的任务处理时延；（4）计算各无人机在第i时隙的能量消耗；（5）基于任务处理时延和能量消耗，以系统能耗和时延的加权和最小化为目标函数：（6）采用深度强化学习中的DDPG算法求解最优卸载策略,使无人机电网巡检系统能耗和时延加权和最小；本发明能够在实时变化的环境中自主地调整无人机的卸载比例，以适应不同任务需求和通信环境，实现高效的无人机电网巡检。
-
公开(公告)号：CN117580105A
公开(公告)日：2024-02-20
申请号：CN202410053103.8
申请日：2024-01-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种面向电网巡检的无人机任务卸载优化方法，包括以下步骤：（1）基于BS的通信方式及各无人机的巡检模式，构建由MEC服务器和无人机组成的电网巡检系统模型；（2）基于巡检系统模型，计算第k个无人机在第i时隙用于执行巡检任务的飞行能耗；（3）计算各无人机在第i时隙的任务处理时延；（4）计算各无人机在第i时隙的能量消耗；（5）基于任务处理时延和能量消耗，以系统能耗和时延的加权和最小化为目标函数：（6）采用深度强化学习中的DDPG算法求解最优卸载策略,使无人机电网巡检系统能耗和时延加权和最小；本发明能够在实时变化的环境中自主地调整无人机的卸载比例，以适应不同任务需求和通信环境，实现高效的无人机电网巡检。
-
公开(公告)号：CN115983448A
公开(公告)日：2023-04-18
申请号：CN202211609240.2
申请日：2022-12-14
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种基于时空图神经网络的多能源负荷预测方法，包括如下步骤：选出日历特征，并获取综合能源系统中对应时间的电、热、冷负荷、气象特征数据；对各特征数据进行异常数据检测、线性插值、归一化处理，得到时间序列数据集；使用灰色关联度分析方法选择与电、热、冷负荷相关性较强的气象、日历特征，得到多能源负荷预测数据集；将多能源负荷预测数据集分为训练集、验证集和测试集，利用训练集和验证集中的数据对时空图神经网络进行训练，得到最优负荷预测模型；将测试集中的数据输入最优负荷预测模型，得到电、热、冷负荷预测结果。本发明利用时空图神经网络使多能源负荷预测模型的通用性更强，预测性能更高。
-
公开(公告)号：CN110706463A
公开(公告)日：2020-01-17
申请号：CN201910499276.1
申请日：2019-06-11
Applicant: 南京信息工程大学
IPC: G08B25/01 , G08B21/04 , H04B17/309 , G06K9/62
Abstract: 本发明公开了一种适于摔倒监测的WIFI无源感知方法，包括：采集无线信号中的信道状态信息，获取若干个CSI原始数据集；筛选出异常状态的CSI原始数据集，生成若干个数据样本集；创建行为识别模块；实时采集无线信号中的信道状态信息，获取CSI实时数据集，将异常状态的CSI实时数据集导入行为识别模块，判断当前行为类别，根据识别出的行为类别，生成对应的警报信号。本发明能够从实时监测WiFi路由器的OFDM子载波链路状态信息，选择合适的特征参数及参数组合，经参数评估后给出最优组合，通过测试数据计算无线路由器在应用场合中的漏检率和错检率，经加权求和后给出最优参数，从而实现在室内环境中及时获取目标警报行为的发生。
-
公开(公告)号：CN110974190A
公开(公告)日：2020-04-10
申请号：CN201911180945.5
申请日：2019-11-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于微多普勒特征的心动状况无源感知方法，包括以下步骤：(1)使用微功率多普勒雷达发射信号s(t)；(2)接收雷达回波x(t)；(3)从雷达回波中x(t)提取微多普勒特征信号I；(4)从微多普勒特征信号I中提取出携带心尖搏动运动特征的分量I2；(5)从步骤(4)中得到的分量I2中提取特征，构造特征向量，通过KNN方法，映射至不同的心动异常类型。该方法能够据心尖搏动的运动学基础上从多普勒雷达回波信号中提取能反映心动状况的信息，采集的心动状况信息更为精细，所获取的心动状况信息精确。
-
Patent Agency Ranking
公开(公告)号：CN110807443A
公开(公告)日：2020-02-18
申请号：CN201911181098.4
申请日：2019-11-27
Applicant: 南京信息工程大学
IPC: G06K9/00 , A61B5/0452 , A61B5/0402 , A61B5/04 , A61B5/00
Abstract: 本发明公开了基于参数自适应HMM模型的体感网心电信号分段方法，包括以下步骤：(1)将ECG信号x(n)输入系统；(2)对x(n)进行R波检测，标记R波位置，并计算R-R间隙,保存最大R-R间隙值RRmax，保存最小R-R间隙值RRmin；(3)设置ECG分组阶数N初始值为2；(4)设置分组间隙Δ＝(RRmax-RRmin)/N；(5)对各ECG分组进行初始化，提取特征，训练参数后进行特征波段识别；(6)计算HMM模型识别参数灵敏度SE和正检率+P；(7)模型阶数N值优化，当不满足灵敏度SE阈值大于92％和正检率+P阈值大于95％时，设置N＝N+1，返回步骤(4)；当满足灵敏度SE阈值大于92％和正检率+P阈值大于95％时，输出HMM模型识别结果。该方法对心电信号进行识别并分段，使得对于心电信号时变特性响应加快、正检率+P阈值高达98％。
-
公开(公告)号：CN110245718A
公开(公告)日：2019-09-17
申请号：CN201910540142.X
申请日：2019-06-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于联合时域频域特征的人体行为识别方法，采用单节点惯性测量装置对人体运动产生的加速度数据和角速度数据进行样本数据采集，通过对采集结果进行去除奇异值、漂移补偿和数据窗口化处理，提取出能用来区分人体行为运动的特征，对提取出的特征进行优化处理之后，采用基于欧式距离的二叉树分类算法生成分类二叉树，利用提取的特征对二叉树的SVM二元分类器进行训练和测试，从而提取出分类模型，将单节点惯性测量装置采集到的代表人体行为运动的实时加速度、角速度数据输入该分类模型可实现人体行为运动实时识别。本方法采用二叉树分类算法，同时精简选取较少特征进行训练，降低了计算复杂度、减少了运算时间、降低了功耗、提升了识别准确率。
-
公开(公告)号：CN117556369A
公开(公告)日：2024-02-13
申请号：CN202410046231.X
申请日：2024-01-12
Applicant: 南京信息工程大学
IPC: G06F18/2433 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种动态生成的残差图卷积神经网络的窃电检测方法，包括以下步骤：（1）收集电力系统中用户电力消费原始数据；（2）对原始数据进行缺失补充、异常值处理并划分训练集、验证集和测试集；（3）将预处理后的一维电力负荷曲线变换为二维电力负荷特征矩阵，以输入图卷积神经网络；（4）通过训练获得最佳参数以获得最能代表数据关系的邻接矩阵A；（5）将特征矩阵X和邻接矩阵A送入残差图卷积神经网络中提取潜在特征，通过池化层与全连接层得到最终分类；本发明通过动态学习用户用电周期之间的深层时间依赖关系、周期模式和潜在特征，提升了窃电检测领域的精度。所采用的数据补充方法有效缓解了现实世界中的数据不平衡问题。
-
公开(公告)号：CN115983448B
公开(公告)日：2023-09-12
申请号：CN202211609240.2
申请日：2022-12-14
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种基于时空图神经网络的多能源负荷预测方法，包括如下步骤：选出日历特征，并获取综合能源系统中对应时间的电、热、冷负荷、气象特征数据；对各特征数据进行异常数据检测、线性插值、归一化处理，得到时间序列数据集；使用灰色关联度分析方法选择与电、热、冷负荷相关性较强的气象、日历特征，得到多能源负荷预测数据集；将多能源负荷预测数据集分为训练集、验证集和测试集，利用训练集和验证集中的数据对时空图神经网络进行训练，得到最优负荷预测模型；将测试集中的数据输入最优负荷预测模型，得到电、热、冷负荷预测结果。本发明利用时空图神经网络使多能源负荷预测模型的通用性更强，预测性能更高。
-
公开(公告)号：CN110946556B
公开(公告)日：2022-07-15
申请号：CN201911375827.X
申请日：2019-12-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于可穿戴式体感网的帕金森静息态震颤评估方法，属于无线传感器网络及其数据分析领域，特别涉及一种基于可穿戴式体感网的帕金森患者手臂震颤状态获取及识别。本发明通过测量上臂、下臂和手腕的姿态角，计算肘关节和腕关节的角度变化量，提取角度变化量的特征，提取肌电信号的实时特征，根据特征数据和UPDRS量表训练隐马尔可夫模型，输出当前最优状态序列。本方法可以为帕金森患者手臂震颤程度评估提供技术支持，为帕金森患者、老年人、体弱者等需要及时获知早期帕金森病症发生的人群提供理论依据。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.028 seconds)
