-
公开(公告)号：CN115459788B
公开(公告)日：2024-10-18
申请号：CN202211129773.0
申请日：2022-09-16
Applicant: 杭州电子科技大学
Abstract: 本发明属于通信技术领域，公开了一种软件无线电快速部署装置及智能干扰方法，包括全可编程片上系统、宽带收发器和PC系统；所述PC系统与全可编程片上系统连接，所述全可编程片上系统与宽带收发器连接；所述全可编程片上系统接收PC系统的控制指令并配置宽带收发器；所述宽带收发器完成A/D、D/A处理和基带信号处理，使用天线收发无线电信号；所述PC系统使用可拖动单元搭建通信系统模型并将配置信息下发至全可编程片上系统，并提供可视化界面供观察通信系统运行状态。本发明同时满足了对软件无线电系统数据吞吐量、实时性、稳定性、灵活性的要求，便利了软件无线电系统的搭建和对系统进行调试和验证，便于智能干扰算法的落地应用。
-
公开(公告)号：CN112949391B
公开(公告)日：2024-09-13
申请号：CN202110118186.0
申请日：2021-01-28
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于深度学习谐波信号分析的智能安检方法，包括：针对不同场景设置探测器阵列，采集待测者所携带物品的波段信息，得到一组数据结果；分别让待测者携带不同类别的违禁品和非违禁品，每隔一定的时间间隔就记录下每个探测器测得的谐波数值，得到一组数据，直到检测结束为止；将两组数据打上报警和不报警两种标签，并用增强方法对数据进行处理；构建一维卷积神经网络，训练得到一个分类模型；构建长短期记忆网络，训练得到一个分类模型；利用模型融合的方法综合使用两种分类模型，得到准确率更高的分类模型并保存；检测时，探测器测出波段信息并传入分类模型，如果输出结果显示为未携带违禁品则可顺利通过，否则会触发警报。
-
公开(公告)号：CN118070867A
公开(公告)日：2024-05-24
申请号：CN202410182435.6
申请日：2024-02-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于脉冲分类层事件驱动的脉冲神经网络转换方法及装置，通过对人工神经网络模型转换而来的脉冲神经网络模型分类层神经元采用脉冲发放优先级的判断方法来进行快速分类；通过将人工神经网络模型ReLU激活层替换为神经元，从而得到更利于转换后脉冲神经网络模型精度的人工神经网络模型；并通过权重归一化或阈值平衡的操作，完成从人工神经网络模型到脉冲神经网络模型的转换；通过脉冲神经网络中神经元发射脉冲信号的信息传递完成模型的前向推理；通过使用脉冲神经网络分类层事件驱动的判断方法来进行分类，可以在一定程度上提升推理速度，并可以通过记录时间步长的方式和普通方法进行推理精度和速度的比较。该方法相较于传统的人工到脉冲神经网络转换模型的训练和推理，能够在以较小的精度损失的条件下大幅提升推理速度，能够更好地应用于FPGA等专属脉冲神经网络推理加速硬件。
-
公开(公告)号：CN112435270B
公开(公告)日：2024-02-09
申请号：CN202011629075.8
申请日：2020-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于本地语义分割网络和FPGA硬件加速的便携式烧伤深度鉴定设备，属于基于智能硬件及辅助医疗诊断领域，包括中央控制与处理模块、基于现场可编程门阵列(FPGA)的本地语义分割网络加速模块、高分辨率图像采集与处理模块、数据储存模块、网络通信模块以及用户交互模块。本发明还公开了一种基于本地语义分割网络和FPGA硬件加速的便携式烧伤深度鉴定设备设计方法，系统搭载专用本地语义分割网络加速器，能够实现烧伤图像的实时鉴定和分割。
-
公开(公告)号：CN115086995A
公开(公告)日：2022-09-20
申请号：CN202210643334.5
申请日：2022-06-09
Applicant: 杭州电子科技大学
IPC: H04W24/02
Abstract: 本发明属于无线通信技术领域，公开了一种智能通信架构及方法，在通信前设置通信要求和决策准则，当智能感知模块接收到动态环境信息时，使用搜索决策单元进行知识库搜索，如果知识库中存在与环境信息相同的样本，可直接使用已有样本配置通信链路参数，存在或者知识库过于庞大时，使用智能决策单元进行决策，得到决策结果后配置参数，通过智能通信模块进行通信；同时依据得到通信性能反馈，若反馈结果不符合通信要求，则使用决策修正单元，进行重新决策，直到反馈符合通信要求，将本次决策结果以样本的形式存入知识库。本发明复杂电磁通信环境中，通过不断提高系统的学习能力方式更好的应对电磁环境信息的变化，真正做到适应环境、智能通信。
-
Patent Agency Ranking
公开(公告)号：CN112687287B
公开(公告)日：2022-06-03
申请号：CN202011529813.1
申请日：2020-12-22
Applicant: 杭州电子科技大学
IPC: G10L21/0208 , G10L21/0216 , G10L21/0272 , G10L25/66
Abstract: 本发明公开了基于盲源分离算法的麦克风阵列鼾声信号分离方法及系统，通过多麦克风阵列同时采集两个测试者整晚的鼾声数据；对采集到的混合鼾声信号使用谱减法进行降噪处理；通过短时能量的端点检测法对采集到的整晚鼾声信号中的有效片段进行截取；通过多麦克风采集到的鼾声信号进行波形对比对独立鼾声信号和混合鼾声信号进行分离；通过鼾声盲源分离算法将两个测试者的混合鼾声分离出来；根据麦克风阵列基于TDOA算法的声源定位技术对分离出来的鼾声分类；根据分类结果得到两个测试者独立的整晚鼾声数据。
-
公开(公告)号：CN113887410A
公开(公告)日：2022-01-04
申请号：CN202111158365.3
申请日：2021-09-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的多类别食材识别系统及方法，系统包括：初始化层、密集连接层、过渡层、注意力模块和分类层；方法包括：S1，食材进行图片采样，S2，食材图片编号，构建多类别食材数据集；S3，将食材数据集，按比例划分为训练集、验证集和测试集；S4，通过预处理和图片增强，丰富样本；S5，构建基于深度学习的多类别食材识别系统；S6，根据不同单位、不同时间的食材，通过修改包括类别标签、载入权重训练的方式对模型进行调整；S7，获取食材图片后，传到本地和/或云端服务器，使用S5构建好的系统，对食材图片进行分析，得出识别结果并展示。
-
公开(公告)号：CN112949391A
公开(公告)日：2021-06-11
申请号：CN202110118186.0
申请日：2021-01-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习谐波信号分析的智能安检方法，包括：针对不同场景设置探测器阵列，采集待测者所携带物品的波段信息，得到一组数据结果；分别让待测者携带不同类别的违禁品和非违禁品，每隔一定的时间间隔就记录下每个探测器测得的谐波数值，得到一组数据，直到检测结束为止；将两组数据打上报警和不报警两种标签，并用增强方法对数据进行处理；构建一维卷积神经网络，训练得到一个分类模型；构建长短期记忆网络，训练得到一个分类模型；利用模型融合的方法综合使用两种分类模型，得到准确率更高的分类模型并保存；检测时，探测器测出波段信息并传入分类模型，如果输出结果显示为未携带违禁品则可顺利通过，否则会触发警报。
-
公开(公告)号：CN112863667A
公开(公告)日：2021-05-28
申请号：CN202110088348.0
申请日：2021-01-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的肺部声音诊断装置，包括依次连接的采集设备、图像标注工具、数据预处理模块、二次数据增强模块和深度学习分类模型；采集设备，分别采集肺部健康状况正常和异常的肺部听诊数据；图像标注工具，对所采集到的每段音频进行划分和标注；数据预处理模块和二次数据增强模块，对所采集到的音频信号样本进行预处理，并做数据增强，得到不同肺部听诊信号样本的音频初级特征，归类并标记为正常样本和异常样本，用于后续进一步的深度学习特征提取；深度学习分类模型，根据初级特征向量进行训练，得到一系列高层特征，采用RF分类器进行分类，通过输入的高层特征，得到多分类RF模型。
-
公开(公告)号：CN112754431A
公开(公告)日：2021-05-07
申请号：CN202011638348.5
申请日：2020-12-31
Applicant: 杭州电子科技大学
IPC: A61B5/00 , A61B5/0205 , G06K9/00 , G06N3/04 , G01S7/02 , G01S7/41 , G01S13/88 , A61B5/0507
Abstract: 本发明公开了基于毫米波雷达和轻量级神经网络的呼吸心跳监测系统，包括雷达生命信号提取模块、生命体征分离模块、呼吸心跳分类模块、呼吸心跳监测模块。雷达生命信号提取模块，用于对雷达回波原始信号进行预处理，滤除杂波干扰，准确提取出含有被测人体生命体征的雷达生命信号；生命体征分离模块，用于采用LMS自适应算法，实现对生命体征呼吸信号和心跳信号快速有效分离；呼吸心跳分类模块，用于训练轻量级神经网络MobileNetV2网络，分别对正常/异常呼吸信号和正常/异常心跳信号进行特征提取和分类；呼吸心跳监测模块，用于对被测人体呼吸心跳是否异常进行实时监测。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.04 seconds)
