-
公开(公告)号：CN113920577B
公开(公告)日：2024-11-12
申请号：CN202110900089.7
申请日：2021-08-06
Applicant: 南京邮电大学
Abstract: 本发明公开了一种室内非接触式人体活动识别方法及系统，包括：利用天线阵列采集室内的反射信号；对反射信号滤波处理得到去除噪声后的反射信号；输入到预先训练好的人体活动识别模型，确定人体活动类别，所述人体活动识别模型为预先训练好的基于迁移学习算法的CNN网络模型。优点：使用天线阵列采集人的动作，在室内进行活动识别，可以应用于居家养老的场景；对原始数据进行降噪，能够去除大部分的高频噪声，并且保留信号的相位变化；采用CNN结构进行训练旨在降低系统复杂性，同时利用迁移学习的思想，赋予该系统单独学习的能力，并将从一个位置获得的知识用于其他位置。最终达到了使用尽可能少的数据来实现高精度的位置无关感知的目的。
-
Patent Agency Ranking
公开(公告)号：CN113920577A
公开(公告)日：2022-01-11
申请号：CN202110900089.7
申请日：2021-08-06
Applicant: 南京邮电大学
Abstract: 本发明公开了一种室内非接触式人体活动识别方法及系统，包括：利用天线阵列采集室内的反射信号；对反射信号滤波处理得到去除噪声后的反射信号；输入到预先训练好的人体活动识别模型，确定人体活动类别，所述人体活动识别模型为预先训练好的基于迁移学习算法的CNN网络模型。优点：使用天线阵列采集人的动作，在室内进行活动识别，可以应用于居家养老的场景；对原始数据进行降噪，能够去除大部分的高频噪声，并且保留信号的相位变化；采用CNN结构进行训练旨在降低系统复杂性，同时利用迁移学习的思想，赋予该系统单独学习的能力，并将从一个位置获得的知识用于其他位置。最终达到了使用尽可能少的数据来实现高精度的位置无关感知的目的。
-
公开(公告)号：CN113271539B
公开(公告)日：2024-06-25
申请号：CN202110556627.5
申请日：2021-05-21
Applicant: 南京邮电大学
IPC: H04W4/02 , H04W4/021 , H04W4/33 , G06N3/0464 , G06N3/08 , G06F18/23213
Abstract: 本发明公开了一种基于改进的CNN模型的室内目标定位方法，旨在解决现有技术中室内定位易受多径效应和非视距误差影响的技术问题。其包括：利用待定位目标的目标CSI数据与预先生成的定位指纹库进行指纹匹配，获得待定位目标的坐标信息；定位指纹库的生成方法为：利用SDR平台采集室内CSI数据，基于聚类算法将室内CSI数据划分为多个数据子集，并利用数据子集训练改进的CNN模型，获得训练好的改进的CNN模型，最后利用训练好的改进的CNN模型生成定位指纹库。本发明能够解决室内定位数据的噪声干扰问题，最大限度的减少多径效应的影响，提高室内定位的精度。
-
公开(公告)号：CN113658051B
公开(公告)日：2023-10-13
申请号：CN202110713063.1
申请日：2021-06-25
Applicant: 南京邮电大学
IPC: G06T5/00 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于循环生成对抗网络的图像去雾方法及系统，包括：获取待处理的有雾图像；输入到预先训练好的密集连接循环生成对抗网络，输出无雾图像；所述密集连接循环生成对抗网络包括生成器，生成器包括编码器、转换器和解码器，编码器包括密集连接层，用于提取输入图像的特征，转换器包括过度转换层，用于将编码器阶段提取的特征进行组合，解码器包括密集连接层和缩放卷积神经网络层，密集连接层用于还原图像的原有特征，缩放卷积神经网络层用于去除还原的原有特征的棋盘格效应，得到最终输出的无雾图像。优点：基于循环生成对抗网络进行图像去雾，消除对成对数据集的要求，提高了特征图的利用率，保持网络训练效率，提高生成图像质量。
-
公开(公告)号：CN113658051A
公开(公告)日：2021-11-16
申请号：CN202110713063.1
申请日：2021-06-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于循环生成对抗网络的图像去雾方法及系统，包括：获取待处理的有雾图像；输入到预先训练好的密集连接循环生成对抗网络，输出无雾图像；所述密集连接循环生成对抗网络包括生成器，生成器包括编码器、转换器和解码器，编码器包括密集连接层，用于提取输入图像的特征，转换器包括过度转换层，用于将编码器阶段提取的特征进行组合，解码器包括密集连接层和缩放卷积神经网络层，密集连接层用于还原图像的原有特征，缩放卷积神经网络层用于去除还原的原有特征的棋盘格效应，得到最终输出的无雾图像。优点：基于循环生成对抗网络进行图像去雾，消除对成对数据集的要求，提高了特征图的利用率，保持网络训练效率，提高生成图像质量。
-
公开(公告)号：CN113271539A
公开(公告)日：2021-08-17
申请号：CN202110556627.5
申请日：2021-05-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于改进的CNN模型的室内目标定位方法，旨在解决现有技术中室内定位易受多径效应和非视距误差影响的技术问题。其包括：利用待定位目标的目标CSI数据与预先生成的定位指纹库进行指纹匹配，获得待定位目标的坐标信息；定位指纹库的生成方法为：利用SDR平台采集室内CSI数据，基于聚类算法将室内CSI数据划分为多个数据子集，并利用数据子集训练改进的CNN模型，获得训练好的改进的CNN模型，最后利用训练好的改进的CNN模型生成定位指纹库。本发明能够解决室内定位数据的噪声干扰问题，最大限度的减少多径效应的影响，提高室内定位的精度。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
