公开(公告)号：CN116151029A

公开(公告)日：2023-05-23

申请号：CN202310396754.2

申请日：2023-04-14

Applicant: 南昌大学

Inventor： 罗雨彤 ,  刘晓东 ,  陈煊邦 ,  王玉皞 ,  魏轶凡 ,  刘锦

IPC: G06F30/20 ,  H04L41/14 ,  H04B10/116

Abstract: 本发明提供了一种照明通信一体化的仿真方法及系统，通过构建一仿真场景，并控制仿真场景中的光源发光，根据障碍物的位置，得到直射光链路和非直射光链路，并根据碰撞检测算法，分别确定碰撞点，由于各碰撞点的确定，可以将光线划分为不同的运动方式，在确定对应的运动方式的光路径和接收功率后，可以用于分析照明性能和通信性能指标，从而实现了兼顾照明性能和通信性能的建模和数据处理全流程仿真。

公开(公告)号：CN116095915B

公开(公告)日：2023-06-30

申请号：CN202310371287.8

申请日：2023-04-10

Applicant: 南昌大学

Inventor： 魏轶凡 ,  刘晓东 ,  陈煊邦 ,  王玉皞 ,  张宏宇 ,  朱蔓菁

IPC: H05B47/105 ,  H05B47/11 ,  H05B47/165

Abstract: 本发明提供了一种基于人体热舒适度的调光方法及系统，通过实时获取环境参数，其中，环境参数至少包括温度值、湿度值、照度值以及色温值；将温度值和湿度值进行预处理后，输入调光数据库中进行检索，得到对应的目标照度值和目标色温值；判断照度值和色温值是否与对应的目标照度值和目标色温值一致；若否，则根据目标照度值和目标色温值，对光源进行动态调节，通过调光源使人体的舒适度达到最佳，实现了实时动态的人因照明。

公开(公告)号：CN116095915A

公开(公告)日：2023-05-09

申请号：CN202310371287.8

申请日：2023-04-10

Applicant: 南昌大学

Inventor： 魏轶凡 ,  刘晓东 ,  陈煊邦 ,  王玉皞 ,  张宏宇 ,  朱蔓菁

IPC: H05B47/105 ,  H05B47/11 ,  H05B47/165

Abstract: 本发明提供了一种基于人体热舒适度的调光方法及系统，通过实时获取环境参数，其中，环境参数至少包括温度值、湿度值、照度值以及色温值；将温度值和湿度值进行预处理后，输入调光数据库中进行检索，得到对应的目标照度值和目标色温值；判断照度值和色温值是否与对应的目标照度值和目标色温值一致；若否，则根据目标照度值和目标色温值，对光源进行动态调节，通过调光源使人体的舒适度达到最佳，实现了实时动态的人因照明。

公开(公告)号：CN116506261B

公开(公告)日：2023-09-08

申请号：CN202310764586.8

申请日：2023-06-27

Applicant: 南昌大学

Inventor： 刘晓东 ,  魏轶凡 ,  董帆 ,  胡键 ,  陈煊邦 ,  王玉皞

IPC: H04L25/02 ,  G01S5/16 ,  G06T5/00 ,  G06N3/0442 ,  G06N3/08 ,  H04B10/116

Abstract: 本发明提供了一种可见光通信感知方法及系统，该方法通过获取光源和模拟终端的位置坐标信息计算得到信道增益信息，进而构造信道增益矩阵。其中，信道增益矩阵视为无噪声的二维图像；将无噪声的二维图像进行加噪处理，再将噪声图像和对应的噪声水平图输入FFDNet中进行训练；将去噪图像和目标位置输入LSTM神经网络模型中进行训练；将实际获取到的目标图像依次通过训练好的FFDNet以及LSTM神经网络模型，输出信道估计结果和目标预测位置，具体的，首先采用图像去噪技术对可见光信道进行估计，然后将含有位置特征的参数矩阵与LSTM神经网络算法融合，从信道估计的信道状态信息中获取精确的定位信息，最终实现可见光通感一体化。

公开(公告)号：CN116506261A

公开(公告)日：2023-07-28

申请号：CN202310764586.8

申请日：2023-06-27

Applicant: 南昌大学

Inventor： 刘晓东 ,  魏轶凡 ,  董帆 ,  胡键 ,  陈煊邦 ,  王玉皞

IPC: H04L25/02 ,  G01S5/16 ,  G06T5/00 ,  G06N3/0442 ,  G06N3/08 ,  H04B10/116

Abstract: 本发明提供了一种可见光通信感知方法及系统，该方法通过获取光源和模拟终端的位置坐标信息计算得到信道增益信息，进而构造信道增益矩阵。其中，信道增益矩阵视为无噪声的二维图像；将无噪声的二维图像进行加噪处理，再将噪声图像和对应的噪声水平图输入FFDNet中进行训练；将去噪图像和目标位置输入LSTM神经网络模型中进行训练；将实际获取到的目标图像依次通过训练好的FFDNet以及LSTM神经网络模型，输出信道估计结果和目标预测位置，具体的，首先采用图像去噪技术对可见光信道进行估计，然后将含有位置特征的参数矩阵与LSTM神经网络算法融合，从信道估计的信道状态信息中获取精确的定位信息，最终实现可见光通感一体化。