-
公开(公告)号：CN118823646A
公开(公告)日：2024-10-22
申请号：CN202410973422.0
申请日：2024-07-19
Applicant: 南京国电南自轨道交通工程有限公司 , 南京信息工程大学
IPC: G06V20/40 , G06V20/52 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06N3/0895
Abstract: 本发明公开了一种基于对抗训练技术的地铁场景异常行为检测方法，属于视频检测领域，包括步骤1：构建基准数据集：从地铁站监控系统中收集实时视频数据，利用自动化视频分析技术进行初步处理；步骤2：基准数据集预处理：对基准数据集中的正常行为样本进行预处理，提高数据质量为模型训练准备数据；步骤3：生成异常行为虚拟样本：基于生成对抗网络，通过对抗训练方法，生成异常行为的虚拟样本；步骤4：半监督异常行为检测模型训练：结合真实的正常行为样本和通过生成对抗网络生成的异常行为虚拟样本，训练半监督的异常行为检测模型。
-
公开(公告)号：CN118097028A
公开(公告)日：2024-05-28
申请号：CN202410473110.3
申请日：2024-04-19
Applicant: 南京国电南自轨道交通工程有限公司 , 南京信息工程大学
Abstract: 本发明公开了一种基于增强现实的地铁场景异常行为图像样本生成方法，属于图像处理领域，具体包括步骤1、场景三维重建模块通过深度估计算法和基于目标检测的平面检测算法对地铁站监控视频进行处理，获取地铁场景的深度图和地面平面；步骤2、场景光照估计模块通过光照估计算法分析地铁站监控视频，获取地铁场景的光照情况；步骤3、虚拟人员生成模块通过图像处理技术和SMPL人体模型实现虚拟人员的生成；步骤4、异常行为生成模块通过扩散模型实现在地铁场景中虚拟人员违规操作与异常行为的生成；步骤5、合成数据生成模块通过Blender三维建模软件将虚拟人员导入并注册至复原的地铁场景中，最后对场景进行渲染，生成最终的合成数据。
-
公开(公告)号：CN118097564A
公开(公告)日：2024-05-28
申请号：CN202410473111.8
申请日：2024-04-19
Applicant: 南京国电南自轨道交通工程有限公司 , 南京信息工程大学
IPC: G06V20/52 , G06V10/774 , G06T19/00
Abstract: 本发明设计了一种基于虚拟现实技术的地铁场景图像样本仿真构建方法。这种方法利用虚拟现实技术创建合成的地铁站场景图像，包括模拟行人的外观、姿态、动作等各种变化。通过这种方式，可以生成大量具有多样性和复杂性的图像样本，以用于训练和测试行人物体目标检测算法。这种方法的优势在于，它克服了真实数据集受限的问题，提供了更丰富的数据样本，有助于提高目标检测算法在地铁站场景中的准确性和鲁棒性。通过虚拟现实技术，研究人员可以精确控制场景的各个方面，从而更好地满足算法训练的需求。这对于加强地铁站安全监控系统等领域的人体检测技术具有积极的推动作用。
-
公开(公告)号：CN119629674B
公开(公告)日：2025-05-23
申请号：CN202510150056.3
申请日：2025-02-11
Applicant: 南京信息工程大学
IPC: H04W28/082 , H04W28/08 , H04W84/08 , H04L67/1014 , H04L67/61 , H04L67/1042
Abstract: 本发明提供了一种面向FPGA信道仿真的集群动态调度方法、系统及介质，属于信息通信技术领域。其方法包括：获取集群中待调度的数据流；将实时信息年龄作为所述数据流的时效性指标，利用待分配的调度节点的实时负载计算数据流和调度节点之间的优先级权重；对预先构建的有向无环图进行优先级划分，得到任务优先级；根据所述任务优先级和所述优先级权重，将所述数据流分配至调度节点上，得到调度节点上的数据流；更新调度节点的负载、更新信息年龄；根据所述数据流的时效性指标与预设的时效性阈值，优化调度节点的数据资源，得到调度后的数据流。
-
公开(公告)号：CN119011090B
公开(公告)日：2025-04-22
申请号：CN202411493141.1
申请日：2024-10-24
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种基于RaptorQ喷泉码的网络流信标编解码方法，包括：步骤1，将网络流信标进行RaptorQ编码处理，形成一个连续的信标比特序列流；步骤2，在信标比特序列流中的每个码段后添加特有的动态冗余校验码DRCC，使得每个码段带有校验信息；步骤3，信标接收端进行信标检测；步骤4，启动每个码段中的同步码的检测；步骤5，将同步码和RaptorQ码段转换为字节形式送入RaptorQ解码器进行解码。本发明采用RaptorQ喷泉码的设计，有效应对了易受干扰的网络环境，以及在传输信道上易发生干扰错误，如同步丢失和延迟抖动等，该方法为在加密网络环境中实现基于信标的追踪溯源提供了可靠的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN119324854B
公开(公告)日：2025-03-25
申请号：CN202411876304.4
申请日：2024-12-19
Applicant: 南京信息工程大学
IPC: H04L27/26 , H04L69/00 , H04W72/0453 , H04W72/0457 , H04W72/23 , H04W72/541 , H04B1/69 , H04B1/7163 , G01S13/86
Abstract: 本发明提供了一种基于多载波梳状调控复用的通感一体化信号及协议生成方法，该方法以信号多域调控理论为指引，能够突破雷达信号理论、香农信息论、帕塞瓦尔定理等制约，兼顾通信和雷达对信号的矛盾要求，规避通信协议对雷达模糊函数的恶化，同波束（同时同频同空域）实现了大容量无线通信与高精度雷达感知一体化。利用该方法来设计、产生和处理通感一体化信号与协议，能以0.36%的NR资源换取chirp模糊函数。该方法支持商用终端接入和5G业务，感知距离不小于1km，雷达通信互干扰能量低于‑39dB。此外，该方法的整个实施过程相对简单，只涉及一维傅里叶变换和逆变换操作，不涉及求逆、特征分解等复杂运算。
-
公开(公告)号：CN119651190A
公开(公告)日：2025-03-18
申请号：CN202510188070.2
申请日：2025-02-20
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种基于周期性矩形反射面天线阵列的大平面波生成器，包括周期性矩形反射面天线阵列、矩形反射面天线阵列安装支架，N路等功率分配网络、N根稳幅稳相电缆和微波信号源；周期性矩形反射面天线阵列垂直安装在矩形反射面天线阵列安装支架上，并与N根稳幅稳相电缆相连接，N根稳幅稳相电缆与N路等功率分配网络相连接，N路等功率分配网络与微波信号源相连接。本发明通过优化其馈源阵列天线的幅度和相位分布来实现辐射口径上的电场强度和相位相等，从而在矩形反射面天线单元辐射口径上形成准平面波。再将N个矩形反射面天线单元进行周期性排列，从而在周期性矩形反射面天线阵列的辐射口径上形成大平面波。
-
公开(公告)号：CN119202804A
公开(公告)日：2024-12-27
申请号：CN202411700138.2
申请日：2024-11-26
Applicant: 南京信息工程大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/084 , H04L9/40
Abstract: 本发明提供了一种基于冲激序列响应的Tor网络流量感知方法，包括：利用抓包工具从Tor网络中捕获数据流，利用五元组信息进行初步分流；对Tor网络流量进行指纹识别，提取窗口内数据流的频域熵和直流分量两种特征并进行表征；使用动态窗口调整器比较相邻窗口的熵值，动态调整窗口的大小；将特征矩阵输入到分类器中对网络流量数据的频域特征进行学习；根据损失值灵活调整训练批次的大小。本发明通过自适应处理策略，有效应对Tor网络环境下的复杂流量特征，能够及时做出分类决策，显著提高处理准确率和响应能力。本发明在Tor网络流量感知和管理中，特别是在流量分析、隐私保护、网络安全监控及异常检测方面，展现了广泛的应用潜力。
-
公开(公告)号：CN119154998A
公开(公告)日：2024-12-17
申请号：CN202411670320.8
申请日：2024-11-21
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种抗复杂干扰的网络流信标编解码方法，包括：将待编码数据进行循环冗余校验CRC编码，并将编码后的数据与已知标记码序列结合后进行低密度奇偶校验LDPC编码处理，对于LDPC编码后的数据，剔除其中的已知标记码序列即M1序列并将标记码等间隔地插入到数据中，在数据末尾插入间隔标记码，将此编码段重复并在其开头和结尾分别添加开始同步码和结束同步码，将添加同步码后的序列不断重复形成码流；然后进行解码，并验证解码结果的正确性。本发明提高了前向后向算法同步数据的准确性，提高了译码的成功率，有效应对了在传输信道上易发生的干扰错误，为在加密网络环境中实现基于信标的追踪溯源提供了可靠的解决方案。
-
公开(公告)号：CN118433121A
公开(公告)日：2024-08-02
申请号：CN202410897429.9
申请日：2024-07-05
Applicant: 南京信息工程大学
IPC: H04L47/2483 , H04L47/193 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于深度学习的网络流量内容类型识别方法和装置，所述方法包括：对采集的网络数据进行预处理，提取每个会话的上行数据包负载，按照固定长度分组为数据块，组批送入深度学习模型；深度学习模型通过卷积神经网络提取数据块的特征，通过全连接层映射到不同的内容类型；根据模型输出结果，获取每个会话的内容类型标签和置信度，输出至后续处理模块。本发明通过对网络数据包进行话单聚合和负载分组，利用端到端的深度学习模型进行内容类型识别，相比传统的基于规则或特征工程的方法，具有识别准确率高、实时性好、扩展性强等优势。本发明能够有效应用于网络安全监测、流量管控、协议分析等领域。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.05 seconds)
