-
公开(公告)号：CN105472657A
公开(公告)日：2016-04-06
申请号：CN201510938104.1
申请日：2015-12-14
Applicant: 南开大学
IPC: H04W28/06
CPC classification number: H04W28/06
Abstract: 一种基于低秩张量的无线传感器网络中数据重构方法，属于无线传感器网络数据重构领域。本发明基于低秩张量理论，通过利用无线传感器网络中不同类型数据之间的时空相关性，在低采样率情况下提高了数据重构精度；将无线传感器网络中数据根据位置，时间，类型分布在一个三阶张量中，通过约束“张量核范数”由部分采样数据重构出全部数据。本发明与现有对无线传感器网络中数据重构方法相比，具有可充分利用数据之间相关性，提高重构精度的特点。
-
公开(公告)号：CN102970044A
公开(公告)日：2013-03-13
申请号：CN201210480452.5
申请日：2012-11-23
Applicant: 南开大学
Abstract: 本发明公开了一种基于回溯的迭代重加权(Backtracking-based iterative reweighted least square，BIRLS)压缩传感重构算法。本发明通过在迭代重加权过程中加入回溯和稀疏度自适应的思想，算法在每一次迭代过程中将前次迭代得到的解向量支撑与迭代重加权产生的支撑合并，再通过回溯和自适应过程优化解向量支撑的选择。基于回溯的迭代重加权压缩传感重构算法能平衡所有系数对算法恢复效果的影响，且仅需要很少的迭代次数就能高概率恢复原始信号，大大减少重构所需的迭代时间，可较大程度提升对稀疏信号的恢复能力和重构精度。
-
公开(公告)号：CN111681298A
公开(公告)日：2020-09-18
申请号：CN202010509984.1
申请日：2020-06-08
Applicant: 南开大学
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农作物图像重建方法。针对如何在农作物生长监测中实现对农作物图像快速、准确获取这一问题，本发明提出了一种基于多特征残差网络的深度压缩感知图像重建方法。该方法利用卷积神经网络自主学习农作物图像的不同特征信息，结合残差模块，实现压缩感知逆求解。基于深度学习的图像重建方法与传统的图像重建方法相比，放宽了对原始信号稀疏性的假设条件，将多次迭代转换成深度神经网络计算，可获得更高的精确度。实验结果表明，本发明提出的基于多特征残差网络的压缩感知图像重建方法可提升农作物图像的重建质量。
-
公开(公告)号：CN102970044B
公开(公告)日：2017-10-27
申请号：CN201210480452.5
申请日：2012-11-23
Applicant: 南开大学
Abstract: 本发明公开了一种基于回溯的迭代重加权(Backtracking‑based iterative reweighted least square，BIRLS)压缩传感重构方法。本发明通过在迭代重加权过程中加入回溯和稀疏度自适应的思想，在每一次迭代过程中将前次迭代得到的解向量支撑与迭代重加权产生的支撑合并，再通过回溯和自适应过程优化解向量支撑的选择。基于回溯的迭代重加权压缩传感重构方法能平衡所有系数对恢复效果的影响，且仅需要很少的迭代次数就能高概率恢复原始信号，大大减少重构所需的迭代时间，可较大程度提升对稀疏信号的恢复能力和重构精度。
-
公开(公告)号：CN106953640A
公开(公告)日：2017-07-14
申请号：CN201710195703.8
申请日：2017-03-24
Applicant: 南开大学
IPC: H03M7/30
CPC classification number: H03M7/3062
Abstract: 本发明公开了基于压缩感知正交匹配追踪算法的一种融合改进方法，属于压缩感知技术领域。本发明基于正交匹配追踪算法，改进压缩感知重构算法，实现信号重构，突破现有算法信号重构成功率的瓶颈；提出以先验参数控制正交匹配追踪算法在融合过程中所占比重，通过可控融合实现算法改进；提出以正交匹配追踪算法得到的原子集和现有算法融合的方式进行算法改进，改进方式简单有效，显著提高信号重构成功率。本发明提高了现有算法的重构成功率，实现了低测量值下的高成功率重构，适用于多种压缩感知重构算法，对于压缩感知理论的进一步应用具有有效促进作用。
-
Patent Agency Ranking
公开(公告)号：CN106953641A
公开(公告)日：2017-07-14
申请号：CN201710195704.2
申请日：2017-03-24
Applicant: 南开大学
IPC: H03M7/30
CPC classification number: H03M7/3062
Abstract: 本发明公开了一种基于压缩感知的多算法融合自适应信号重构方法，属于压缩感知技术领域。本发明能将多个不同类型的压缩感知重构算法进行不均等融合，实现信号重构，突破参与融合的重构算法信号重构成功率的瓶颈；通过在参与融合的算法中设定主算法，实现算法的不均等融合，提高算法融合有效性；通过多个算法支撑集的多次交、并集获取，获得大小自适应的原子集，再通过原子集与主算法融合，实现自适应信号重构，显著提高信号重构成功率，一定程度上降低了融合重构时间。本发明突破了单一算法重构成功率的瓶颈，适用于多种压缩感知重构算法，相比于均等融合方法重构效果优越。
-
公开(公告)号：CN104921841B
公开(公告)日：2017-03-29
申请号：CN201510167670.7
申请日：2015-04-10
Applicant: 南开大学
Abstract: 本发明提供了一种双层结构人工血管的制备方法与应用，该发明包括两部分，第一部分是双层结构人工血管制备方法，包括2步：第1步：双层结构人工血管取向微米纤维内层的制备；第2步：双层结构人工血管无规纳米纤维外层的制备。第二部分是该双层人工血管的原位移植以替代病损血管的方法。该人工血管内层取向微米纤维可体内诱导血管平滑肌细胞拟天然血管取向结构再生，同时无规纳米纤维外层又保证血管具有足够的缝合强度和力学性能，可以用于修复替代病损的天然血管。该双层人工血管在医学临床血管移植领域具有良好的应用前景。
-
公开(公告)号：CN104921841A
公开(公告)日：2015-09-23
申请号：CN201510167670.7
申请日：2015-04-10
Applicant: 南开大学
Abstract: 本发明提供了一种双层结构人工血管的制备方法与应用，该发明包括两部分，第一部分是双层结构人工血管制备方法，包括2步：第1步：双层结构人工血管取向微米纤维内层的制备；第2步：双层结构人工血管无规纳米纤维外层的制备。第二部分是该双层人工血管的原位移植以替代病损血管的方法。该人工血管内层取向微米纤维可体内诱导血管平滑肌细胞拟天然血管取向结构再生，同时无规纳米纤维外层又保证血管具有足够的缝合强度和力学性能，可以用于修复替代病损的天然血管。该双层人工血管在医学临床血管移植领域具有良好的应用前景。
-
公开(公告)号：CN111388753B
公开(公告)日：2022-05-27
申请号：CN202010101404.5
申请日：2020-02-13
Applicant: 南开大学 , 中国医学科学院生物医学工程研究所
Abstract: 本发明公开了一种负载Cu‑MOFs的多孔纤维支架材料及其制备方法和用途，是采用静电纺丝技术制备的含Cu‑MOFs纳米粒子的生物可降解高分子多孔纤维支架材料，可以用于人工血管构建。采用静电纺丝技术制备的生物可降解高分子纤维对Cu‑MOFs起到很好的支持和包裹作用，减缓Cu‑MOFs的降解，有效提高Cu‑MOFs的催化寿命，同时静电纺丝制备的支架材料纤维形貌和力学性能良好，更加符合细胞外基质环境，有利于细胞的粘附，迁移和增殖。实现Cu‑MOFs的长期催化性能，可以稳定可控催化生成NO。作为小口径人工血管移植材料，可以提高其血液相容性以及加速材料的内皮化，促进血管组织再生。
-
公开(公告)号：CN111388753A
公开(公告)日：2020-07-10
申请号：CN202010101404.5
申请日：2020-02-13
Applicant: 南开大学 , 中国医学科学院生物医学工程研究所
Abstract: 本发明公开了一种负载Cu-MOFs的多孔纤维支架材料及其制备方法和用途，是采用静电纺丝技术制备的含Cu-MOFs纳米粒子的生物可降解高分子多孔纤维支架材料，可以用于人工血管构建。采用静电纺丝技术制备的生物可降解高分子纤维对Cu-MOFs起到很好的支持和包裹作用，减缓Cu-MOFs的降解，有效提高Cu-MOFs的催化寿命，同时静电纺丝制备的支架材料纤维形貌和力学性能良好，更加符合细胞外基质环境，有利于细胞的粘附，迁移和增殖。实现Cu-MOFs的长期催化性能，可以稳定可控催化生成NO。作为小口径人工血管移植材料，可以提高其血液相容性以及加速材料的内皮化，促进血管组织再生。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
