-
公开(公告)号：CN119782679A
公开(公告)日：2025-04-08
申请号：CN202411816791.5
申请日：2024-12-11
Applicant: 常州大学
IPC: G06F17/16 , G01S3/14 , G06N3/0464
Abstract: 本发明涉及DOA估计技术领域，尤其涉及一种基于SE和CNN的DOA估计方法，包括：利用传感器阵列配置构建信号模型，获取阵列接收信号，并计算阵列接收信号协方差矩阵的采样估计值；将阵列接收信号协方差矩阵的采样估计值的对角线元素置零，得到采样估计协方差矩阵，得到采样估计协方差矩阵的实部、虚部和相位；构建SE‑CNN模型，以采样估计协方差矩阵的实部、虚部和相位为输入，离散化DOA的角度范围为标签，对SE‑CNN模型进行训练。本发明在复杂环境下利用深度学习技术提高DOA估计的精确度和鲁棒性。
-
公开(公告)号：CN119455348A
公开(公告)日：2025-02-18
申请号：CN202411642894.4
申请日：2024-11-18
Applicant: 常州大学
Abstract: 本发明提供一种基于脑机接口的主动式上肢康复训练方法及系统，上述方法包括：采集运动想象脑电数据，将所述运动想象脑电数据分成离线数据和在线数据；通过所述离线数据进行模型训练，得到离线脑电模型；通过所述离线脑电模型对所述在线数据进行分析处理，得到运动意图，将所述运动意图进行保存，并转换为控制指令；根据运动障碍程度选择外骨骼的康复模式，所述康复模式包括主动康复模式和被动康复模式；所述外骨骼根据所述控制指令及所述康复模式完成康复训练任务。本发明的方法提高了大脑神经信号识别的效率跟准确性。
-
公开(公告)号：CN117146809A
公开(公告)日：2023-12-01
申请号：CN202311040181.6
申请日：2023-08-17
Applicant: 常州大学
Abstract: 本发明涉及姿态解算技术领域，尤其涉及用于惯性‑地磁组合的快速互补滤波方法及系统，包括计算初始姿态；根据标量因子迭代算法，计算出标量因子的稳态值；利用标量因子的稳态值分别计算第一标量因子、第二标量因子和第三标量因子；计算第一姿态矩阵；利用k时的陀螺仪信息预测k+1时刻的姿态估计；构造第二姿态矩阵和第三姿态矩阵，并计算增益矩阵；利用k+1时刻的加速度计和地磁传感器信息对由陀螺仪信息预测出的该时刻的姿态进行修正，从而计算出该时刻的验后姿态估计；计算采样时刻k+2时的验后姿态估计，直至用户终止姿态解算过程。本发明解决现有增益矩阵计算量较大且精度无法满足的问题。
-
公开(公告)号：CN117078753A
公开(公告)日：2023-11-17
申请号：CN202310995879.7
申请日：2023-08-09
Applicant: 常州大学
IPC: G06T7/73 , G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，尤其涉及基于相机的渐进式特征分布采样6D位姿估计方法及系统，包括利用Unet++的多层渐进式特征采样网络获得密集的像素点；运用图卷积解析三维模型表面点特征，形成图像像素点与表面点的对应分布关系；通过查询模型计算图像像素坐标点集特征对应键的概率分布，得到图像像素坐标对应三维表面的掩码概率；计算估计最佳概率分布值；对生成的每个假设进行评分投票；根据表面分布对所得到的最佳投票评分姿态假设进行细化，得到目标最终姿态估计位姿。本发明解决仅使用RGB数据时，对目标对象进行位姿估计的稳定性和准确性不高以及针对三维模型表面特征采样存在非规则特征时准确性不高的问题。
-
公开(公告)号：CN110197129B
公开(公告)日：2023-04-18
申请号：CN201910382084.2
申请日：2019-05-09
Applicant: 常州大学
Abstract: 本发明公开一种自然环境下果蔬生长形态视觉辨识方法，包括以下步骤：图像采集步骤：基于单目视觉实时采集果蔬图像；目标区域提取步骤：对采集的图像进行处理，提取出图像中连带遮挡枝叶的果蔬区域；其中，对采集的图像进行处理的方法为：采用掩膜基于区域的卷积神经网络对果蔬图像中的果蔬区域进行检测与语义分割；重叠形态辨识步骤：将果蔬分为单果形态果蔬和多果重叠形态果蔬；枝茎遮挡形态辨识步骤：将单果形态果蔬和多果重叠形态果蔬进一步细分为无枝茎遮挡单个果蔬、枝茎遮挡单个果蔬和无枝茎遮挡重叠果蔬、枝茎遮挡重叠果蔬。该方法可使得采摘机器人自动完成采集图像中不同生长形态果蔬的分类，为后续选用相应的采摘机制提供依据。
-
Patent Agency Ranking
公开(公告)号：CN115192048A
公开(公告)日：2022-10-18
申请号：CN202210851305.8
申请日：2022-07-20
Applicant: 常州大学
Abstract: 本发明涉及SVR算法技术领域，尤其涉及一种用于肌电‑握力预测的改进SVR方法及装置，包括分别采集正常侧手臂的肌电信号和握力信号；对肌电信号和握力信号进行预处理、特征提取，构建特征提取后的肌电信号和握力信号的训练集和测试集；通过训练集数据训练出改进SVR模型。本发明通过正常侧指套装置抓取物体，采集物体对应的握力值与正常侧肌电值，通过麻雀搜索算法对SVR模型改进，建立肌电与握力预测模型；并实时采集患侧抓取物体时的握力，通过比较抓取相同物体时正常侧与患侧握力的差值，对患侧的握力进行补偿。
-
公开(公告)号：CN108615027B
公开(公告)日：2021-10-08
申请号：CN201810446463.9
申请日：2018-05-11
Applicant: 常州大学
Abstract: 本发明公开了一种基于长短期记忆的加权卷积神经网络对视频中的人群进行计数的方法，首先根据不同场景估计透视图，进而生成人群的自适应密度图；然后对连续多帧图像降采样后输入神经网络，并基于图像及其对应的真实自适应密度图训练网络；利用训练好的网络估计输入图像的密度图，并根据密度图预测人数。针对场景中人群的尺度差异，本发明通过一种分尺度损失函数衡量网络学习到的不同尺度特征。针对人群分布不均匀问题，本发明通过一种加权损失函数权衡不同区域的贡献。同时，本发明通过长短期记忆获取相邻帧之间的关联信息，并通过平滑滤波对预测的人数进行后处理，提高了人群计数的准确性。
-
公开(公告)号：CN108805015B
公开(公告)日：2021-09-03
申请号：CN201810385430.8
申请日：2018-04-26
Applicant: 常州大学
Abstract: 本发明公开了一种加权卷积自编码长短期记忆网络(Weighted convolutional autoencoder‑long short‑term memory network,WCAE‑LSTM网络)进行异常检测的方法，致力于学习移动行人的生成模型进行异常检测及定位，以保证公共安全。本发明提出一种新颖的双通道框架，利用WCAE‑LSTM网络分别学习原始数据通道及对应的光流通道的生成模式并对数据进行重构，基于重构误差进行异常检测。此外，针对复杂背景问题，本发明提出采用分块鲁棒主成分分析分解将稀疏前景与低秩背景分离，根据得到的背景信息设计加权欧几里德损失函数，从而抑制背景噪声。本发明设计的WCAE‑LSTM网络不仅能从全局角度检测异常，还能从局部角度粗略地定位异常区域，并通过联合考虑全局‑局部异常分析和光流异常分析的结果，最终实现对异常事件鲁棒、准确地检测。
-
公开(公告)号：CN107967451B
公开(公告)日：2021-04-27
申请号：CN201711179075.0
申请日：2017-11-23
Applicant: 常州大学
Abstract: 本发明公开了一种对静止图像进行人群计数的方法，首先将逆高斯密度图与原始高斯密度图结合，组成组合密度图；然后对输入图像不重叠采样获得若干图像子块，并基于图像子块及其对应的真实组合密度图训练网络；以相同步幅对输入图像重叠采样，将MMCNN预测得到的每个图像子块的组合密度图叠加，重构完整人群图像的组合密度图，进而实现人群计数。此外，针对人群尺度差异问题，本发明通过一种分尺度损失函数衡量不同尺度网络学习到的特征。同时，本发明提出的网络以多任务的方式同时预测人群组合密度图、密度级别以及前景/背景分类，由此改善组合密度图的估计准确性，从而缓减人群密度不均问题。
-
公开(公告)号：CN112690777A
公开(公告)日：2021-04-23
申请号：CN202110042559.0
申请日：2021-01-13
Applicant: 常州大学
Abstract: 本发明公开了一种基于状态转换动态脑网络算法的神经障碍诊断系统，包括范式设计模块、数据转换模块、网络构建模块、动态分析模块、数据检测模块以及结果示出模块。数据转换模块用于采集核磁共振脑功能成像BOLD信号并进行预处理；网络构建模块采用互信息算法构建全脑功能网络；动态分析模块根据空间标准差对全时段脑功能网络进行动态时间窗划分，在数据驱动下解码适当数量的脑部状态，使用曲率面积算法进行脑网络指标计算，获取模型训练分析结果，形成数据化诊断报告。本发明能够为一些神经障碍疾病提供一种新型的疾病诊断与预测思路，在脑功能连接分析领域具有一定的实际意义与应用价值。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.019 seconds)
