公开(公告)号：CN115908216A

公开(公告)日：2023-04-04

申请号：CN202211487389.8

申请日：2022-11-25

Applicant: 南开大学

Inventor： 孙桂玲 ,  南瑞丽 ,  张莹钰 ,  张彭晨

IPC: G06T5/50 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于信号处理和深度学习技术领域，具体涉及一种应用于压缩感知的自然图像重构方法。针对如何实现自然图像的稀疏采样与高质量重构这一问题，本发明提出了一种基于近端梯度下降的可解释性深度压缩感知图像重构模型。该模型由自适应采样、初始化重构和深度重构三部分子网络组成，采样网络实现图像的自适应采样；初始化重构利用测量矩阵的转置矩阵实现图像的初始化重构；深度重构基于近端梯度下降与注意力机制，构建了基于优化的阶段性网络结构，模型的构建同时实现了图像的自适应采样与端到端映射。实验结果表明，本发明提出的基于近端梯度下降的可解释性深度压缩感知图像重构方法，可以在保持重构速度的同时，提升图像的重构质量。

公开(公告)号：CN118260949A

公开(公告)日：2024-06-28

申请号：CN202410414250.3

申请日：2024-04-08

Applicant: 南开大学

Inventor： 孙桂玲 ,  张莹钰 ,  南瑞丽 ,  郑博文 ,  董亮

IPC: G06F30/20 ,  G06F30/15 ,  B60W60/00 ,  G06F119/06

Abstract: 本发明属于驾驶策略和能源技术领域，具体涉及一种以绿色驾驶为导向的驾驶习惯——燃油经济性分析方法。针对以节能为导向的驾驶习惯研究中对大量驾驶过程数据样本的需求，为了弥补传统试实验方法人力物力消耗大、实验样本难以选择的缺点，本发明提出了一种基于跟驰模型的驾驶习惯与燃油经济性相关性分析方法。通过驾驶习惯与IDM跟驰模型，生成汽车的运动状态，即一段仿真的驾驶过程。再利用MOVES燃油消耗计算模型，计算每段驾驶过程的燃油消耗情况。通过蒙特卡洛实验，得到驾驶习惯‑单位距离燃油消耗数据，并通过相关性分析和曲线拟合的方法分析探究跟驰模型中各个驾驶习惯对燃油消耗情况影响的数学关系。本研究中所使用的方法能够针对不同车辆型号，探究驾驶习惯对燃油消耗的影响。能够代替道路实测或作为预分析手段，为其提供参考，节省人力物力，具有广阔的应用前景。

公开(公告)号：CN118012530A

公开(公告)日：2024-05-10

申请号：CN202410195680.0

申请日：2024-02-22

Applicant: 南开大学

Inventor： 孙桂玲 ,  段耀伟 ,  郑博文 ,  张莹钰

IPC: G06F9/445 ,  G06F9/50 ,  G06F1/329 ,  H04L67/12

Abstract: 本发明属于车联网和移动边缘计算领域，具体涉及一种应用于车联网的移动边缘节点卸载方法。本发明针对移动边缘计算在车联网的应用场景，提出了一种多移动终端、多址边缘节点的计算任务卸载策略优化方法，采用联合优化策略让处于同一车联网系统场景中的车辆移动终端，在与分布在场景中的边缘节点实现计算任务卸载的过程中降低系统的任务完成总耗时。本发明基于凸优化原理，分别从计算任务卸载策略和车辆移动终端传播功率两方面作为优化思路，构建了基于移动边缘计算的任务卸载时耗数学模型，考虑计算任务发布的随机性和任务处理的并行性，保证通信质量的前提下，将发布计算任务的车辆移动终端坐标、任务大小和边缘节点状态输入上述模型中，进而求解出接近全局最小耗时的计算任务卸载策略。本发明相较于常见的就近节点卸载方法，以调整传播功率和合理分配卸载权重的方式，提出了有效降低时耗的移动边缘计算卸载策略求解方法，同时通过对非凸约束进行转换方法，能够有效实现复杂车联网环境下对移动边缘计算任务卸载时耗的显著降低，具有广阔的应用前景。