-
公开(公告)号：CN118168544A
公开(公告)日：2024-06-11
申请号：CN202410327173.8
申请日：2024-03-21
Applicant: 南通大学
Abstract: 本发明公开了一种基于改进Swim Transformer的雷达和惯导融合位姿分析方法。利用改进的模型从雷达和IMU数据中提取特征，并对提取到的特征进行融合，然后利用融合后的特征，采用姿态估计算法对目标的位姿进行估计，最后通过调整模型的超参数，以提高模型的性能和收敛速度。本发明可以有效处理多模态传感器数据，并在时间序列中捕捉长期依赖关系，通过融合雷达和惯性导航数据，并利用改进的模型进行处理，可以充分利用两种传感器的优势，提高位姿分析的准确性。雷达系统具有较长的探测距离和强大的抗干扰能力，而惯性导航系统具有高精度和实时性，融合两者数据可以弥补彼此的不足，得到更可靠和准确的位姿估计结果。
-
公开(公告)号：CN117503140A
公开(公告)日：2024-02-06
申请号：CN202311726966.9
申请日：2023-12-15
Applicant: 南通大学
IPC: A61B5/16 , G06F18/2134 , G06F18/24 , G06N3/0442 , G06N3/0464 , G06N3/08 , A61B5/0205 , A61B5/0507 , A61B5/00
Abstract: 本发明公开了一种基于独立成分分析和时空网络的人体困倦检测方法，包括：通过毫米波雷达来检测被测人的呼吸与心跳信号，使用独立成分析法结合IIR滤波器分离呼吸与心跳信号，再通过无迹卡尔曼滤波与中值滤波器来处理呼吸与心跳信号中的异常值以及噪声干扰，然后通过求根MUSIC算法以及自相关函数法来估计呼吸和心跳频率的平均值，再通过峰值检测法来获得心率变异性，通过对心率变异性频域分析获得心率变异性功率谱密度值，通过CNN‑LSTM‑Attention网络来对呼吸和心跳频率和心率变异性功率谱密度进行训练后进行预测困倦等级。
-
公开(公告)号：CN117045235A
公开(公告)日：2023-11-14
申请号：CN202310998007.6
申请日：2023-08-09
Applicant: 南通大学
IPC: A61B5/11 , G01S13/86 , G01C22/00 , G06N3/0464 , G06F18/25 , G06F17/16 , G06V40/20 , G06V10/82 , G06V10/80
Abstract: 本发明涉及一种同时测量手机惯导和毫米波雷达的行人步态数据，并通过数据融合和强化学习对步态进行识别和分类的系统及方法。通过结合手机内置的惯性传感器和毫米波雷达技术，实时获取行人的步态信息，经过数据融合和强化学习算法的处理，提高步态识别的准确率和鲁棒性。本发明提供了一种可靠、高精度的行人步态识别方案，适用于安全监控、人机交互等领域。
-
公开(公告)号：CN118094333A
公开(公告)日：2024-05-28
申请号：CN202410265092.X
申请日：2024-03-08
Applicant: 南通大学
IPC: G06F18/241 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985 , G01S7/41 , G06F123/02
Abstract: 本发明公开了基于金字塔多尺度通道注意力机制的人类行为分类方法，该方法使用毫米波雷达进行雷达数据的采集，并使用动态谱融合网络将雷达数据处理为时间‑速度微多普勒图像；搭建基于卷积神经网络的多尺度通道注意力机制和特征金字塔深度学习神经网络，该网络多尺度特征提取组件、特征金字塔拼接组件、全连接分类组件组成，使用时间‑速度微多普勒图像对网络模型进行训练评估；最终得到的网络模型能够准确分类现实中的人类活动，从而提高人类行为分类的准确性和时空特征的动态捕获能力。
-
公开(公告)号：CN118823402A
公开(公告)日：2024-10-22
申请号：CN202410824670.9
申请日：2024-06-25
Applicant: 南通大学
Abstract: 本发明公开了一种面向无人机的毫米波雷达点云与图像融合决策聚类方法，所述方法包括：对相机和毫米波雷达进行联合标定；使用毫米波雷达获取目标农作物点云数据，将点云数据合并为聚合帧点云并排除背景噪声点；对经过背景噪声点排除的点云数据进行聚类；对聚类完成的点云数据使用基于目标作物的目标ID特征进行优化；使用视觉传感器获取目标作物的图像数据，并使用训练好的YOLOv7网络对图像中的目标作物进行检测；计算得到目标作物边界框的中心坐标，并将中心坐标投影到雷达坐标上获取目标作物的高程信息，完成图像和毫米波雷达点云的决策融合。本发明可以根据作物的生长特征自适应调整无人机农药喷洒的方式。
-
Patent Agency Ranking
公开(公告)号：CN118487685A
公开(公告)日：2024-08-13
申请号：CN202410581824.6
申请日：2024-05-11
Applicant: 南通大学
IPC: H04B17/309 , H04B17/336 , H04B7/0413
Abstract: 本发明公开了一种改进基于Neumann级数展开的MIMO信号检测算法的方法，该方法包括：构建大规模MIMO系统模型；将MMSE加权矩阵分解为一个严格对角矩阵和一个空心矩阵，根据线性迭代的思想，将发送信号矢量表达式转换成线性方程式的迭代解法形式，并给出迭代收敛条件；计算展开阶数为2时的MMSE加权矩阵的Neumann级数展开式，求得迭代方程的初始值，将其设定为初始矢量值代入迭代方程求解。采用本发明的方法，能够以较少的迭代次数逼近MMSE检测算法的性能曲线。
-
公开(公告)号：CN118033586A
公开(公告)日：2024-05-14
申请号：CN202410224543.5
申请日：2024-02-29
Applicant: 南通大学
IPC: G01S7/41 , G06V20/58 , G06V20/56 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于深度卷积模型的雷达距离多普勒图像目标识别方法，其具体步骤包括：利用毫米波雷达采集道路目标数据；对数据进行2D‑FFT处理，得到距离多普勒图；设计动目标显示算法对距离多普勒图中的杂波信号进行抑制；引入注意力机制，将其嵌入到Mask R‑CNN模型中，并实现了多层次的注意力机制；训练所设计的深度卷积神经网络模型；将待检测的距离多普勒图像输入经过训练的深度卷积神经网络模型中，有效实现对目标特征的精准选择与提取，获得待测距离多普勒图像的目标类别判定。通过引入多层次的注意力机制，该模型能够更加准确地捕捉距离多普勒图像中的关键特征，从而显著提高了目标检测的精度和鲁棒性。
-
公开(公告)号：CN117892177A
公开(公告)日：2024-04-16
申请号：CN202410079128.5
申请日：2024-01-19
Applicant: 南通大学
IPC: G06F18/24 , G06N3/045 , G06N3/0464 , G06N3/096 , G06N3/084 , G06F18/213 , G06F18/25 , G06F18/10
Abstract: 本专利涉及一种结合迁移学习与特征金字塔的行人步态识别与分类方法，该方法使用手机惯性导航传感器以及毫米波雷达进行惯性导航数据以及雷达数据的采集。通过搭建卷积神经网络和特征金字塔网络的深度学习神经网络，使用处理后的惯性导航数据以及雷达数据对神经网络进行迁移学习。在网络训练和迁移过程中优化步态数据的识别和分类性能。本发明能够实现在多传感器数据上进行行人步态的准确预测。
-
公开(公告)号：CN116559864A
公开(公告)日：2023-08-08
申请号：CN202310532811.5
申请日：2023-05-12
Applicant: 南通大学
IPC: G01S13/88 , G01S13/931 , G01S13/42
Abstract: 本发明公开了一种非机动车道目标识别方法及系统，包括如下步骤：用毫米波雷达采集非机动车道目标互相垂直的两个方向的径向速度；构建目标的微多普勒图像；对微多普勒图像进行抑制固定杂波，对消静止目标和低速目标等处理，提取运动目标信号；根据运动目标信号及其运动姿态分类标签构建数据集，训练卷积神经网络；将新采集的目标的径向速度输入训练好的卷积神经网络中，输出对应的运动姿态。本发明解决了当前数据特征的提取高度依赖于人类经验和领域知识；浅层人工特征训练的模型应用于新数据集时，其性能总是不如原始数据集；单雷达识别范围较窄导致准确率不高；传统的机器学习方法无法在大规模动态数据情况下训练出一个鲁棒的模型等一系列问题。
-
公开(公告)号：CN116626674A
公开(公告)日：2023-08-22
申请号：CN202310589616.6
申请日：2023-05-23
Applicant: 南通大学
IPC: G01S13/88 , A61B5/0205 , A61B5/00 , G01S7/41 , G01S7/02
Abstract: 本发明公开了一种消防救援中人体呼吸和心跳信号自适应检测及分离方法。本发明包括软件、硬件与算法。可根据消防救援的需要自行选择设备工作频段，穿透障碍物后进行呼吸检测以及未有障碍物或少量障碍物时进行呼吸和心跳检测。通过GNU Radio Companion软件控制基于USRP B210的软件定义雷达硬件实现检测的功能。对发射基带信号和接受基带信号进行数据预处理得到人体呼吸信号和心跳信号叠加的复合信号。对于软件定义雷达检测人体呼吸和心跳信号难以分离的问题，对复合信号进行自适应滤波以及动目标显示以分离呼吸心跳信号。该方法包括：基于软件定义雷达的人体呼吸和心跳信号检测方法，基于最小均方误差动目标显示的自适应人体呼吸和心跳信号分离方法。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
