-
公开(公告)号：CN117388791A
公开(公告)日：2024-01-12
申请号：CN202311181504.3
申请日：2023-09-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种6GISCA系统宽带信号DOA估计算法，涉及通信宽带技术领域，其技术方案要点是：包括以下步骤：利用均匀线性阵列接收K个远场天线发射的宽带信号，将K个宽带型号分为F个窄带信号，其中K为正整数，构成输出信号矩阵Y。本发明基于均匀线性阵列，根据宽带入射信号的特点建立接收信号的稀疏信号模型，其次对模型中各变量构建基于狄利克雷过程先验的概率模型，然后引入虚拟节点，提出基于GAMP算法的变分贝叶斯宽带DOA估计方法；在对未知参数进行初始化后，输入接收天线阵列数据Y，通过DP‑GAMP算法进行迭代更新，得到概率模型参数的各估计值；最后，根据所得到的参数估计值，计算DOA的估计值。该方法具有复杂度低、估计精度高的特点。
-
公开(公告)号：CN113205468B
公开(公告)日：2022-08-09
申请号：CN202110607071.8
申请日：2021-06-01
Applicant: 桂林电子科技大学 , 桂林慧谷人工智能产业技术研究院
Abstract: 本发明涉及一种基于自注意力机制和GAN的水下图像实时复原模型，属于深度学习技术领域。它将生成对抗网络作为基本架构，生成网络采用编码‑解码结构，通过9个残差块和反卷积运算，以原始分辨率生成合成图像，并引入自注意力模块，可以捕获更丰富的高级特征以提升模型性能，为了同时保持图像内容和去除水下噪声，判别网络采用一种包含对抗分支和批评分支的多分支判别器的结构。本发明通过增加自注意力模块，改进模型结构较为理想地解决了水下图像处理时间效率低的问题，训练有素的基于GAN‑RS的方法可以适应各种水下情况，具有出色的实时处理性能。
-
公开(公告)号：CN109992847B
公开(公告)日：2022-08-05
申请号：CN201910194398.X
申请日：2019-03-14
Applicant: 桂林电子科技大学 , 桂林笑微酒店管理有限公司
IPC: G06F30/20
Abstract: 本发明公开了一种混合机器学习模型的滑坡位移预测方法，对滑坡监测点进行滑坡影响因素挖掘和滑坡位移数据采集和预处理并作为模型的训练数据；将获得的滑坡影响因素和滑坡位移数据看作时间序列进行小波去燥处理；基于时间序列原理，采用霍德里克‑普雷斯科特滤波器(HP)将去燥后的滑坡影响因素和位移数据分解成趋势项和周期项。针对趋势项和周期项分别采用二阶指数平滑(DBS)的方法和动态多群粒子群(DMS‑PSO)优化极限学习机(ELM)模型进行位移预测。最后将预测的周期项位移和趋势项位移相加得到总的滑坡预测位移。通过该周期项位移预测模型可以更好的求解全局最优解，使预测精度和可靠性更高。
-
公开(公告)号：CN110320495A
公开(公告)日：2019-10-11
申请号：CN201910708267.9
申请日：2019-08-01
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于Wi-Fi、蓝牙和PDR融合定位的室内定位方法，步骤为：1）在待定位区域内部署Wi-Fi环境，离线阶段通过在待定位区域采集各个小区域的Wi-Fi信号强度值RSSI，建立Wi-Fi离线指纹数据库；2）在线阶段采集Wi-Fi信号RSSI值，通过改进加权质心定位算法实现Wi-Fi定位；3）在待定位区域内部署蓝牙设备，采集蓝牙RSSI值，通过改进加权质心定位算法实现蓝牙定位；4）通过平均加权实现Wi-Fi和蓝牙融合定位；5）利用步长模型匹配加速度传感器结果，进行PDR定位；6）通过UKF算法将Wi-Fi、蓝牙和PDR进行融合得到最终定位结果。该定位方法定位精度高，定位误差小，效果好。
-
公开(公告)号：CN108845344A
公开(公告)日：2018-11-20
申请号：CN201810418454.9
申请日：2018-05-04
Applicant: 桂林电子科技大学
IPC: G01S19/48
Abstract: 本发明公开了一种基于BDS和超宽带双模定位方法，包括如下步骤：基于超宽带短距离无线定位得到监控对象的速度V1和位置信息L1；应用BDS定位系统，通过粒子滤波器融合定位，得到监控对象的速度V2和位置信息L2；用Kalman滤波对两个位置信息和速度(L1，V1)、（L2，V2）进行融合定位，得到精确定位信息。本发明适用于监控对象的精确位置信息反馈，能够有助于帮助监控对象突发病情或其他情况下得到及时医治。
-
Patent Agency Ranking
公开(公告)号：CN108765557A
公开(公告)日：2018-11-06
申请号：CN201810526067.7
申请日：2018-05-29
Applicant: 桂林电子科技大学
CPC classification number: G06T17/00 , G06F17/5009
Abstract: 本发明公开了一种基于BDS的山体滑坡三维重建的几何方法，先基于北斗卫星导航系统（BDS），在远离滑坡体的安全区域内选择稳定的无强干扰的位置建立基准点，在山体滑坡监测区域沿滑坡方向选择纵断面建立n个变形监测点，采集监测点数据，通过BDS接收机获取滑坡数据；再对滑坡数据进行预处理，对所得n个监测点引入W曲面对滑坡山体进行参数化，得到重建滑坡体的网格曲面模型S(u,v)；最后针对监测点的物理特性加入约束条件，根据约束条件建立Lagrange方程，构成滑坡山体三维可视化模型，实现山体滑坡三维重建。采用本发明方法具有数据易于存储、复杂度小、计算过程高效、对复杂的山体模型恢复迅速，对滑坡山体模型可进行的局部修正等优点。
-
公开(公告)号：CN118376976B
公开(公告)日：2025-04-01
申请号：CN202410449102.5
申请日：2024-04-15
Applicant: 桂林电子科技大学 , 桂林市高新技术产业发展集团有限公司
Abstract: 本发明公开了一种基于消息传递算法的宽带信号的DOA估计方法，步骤为：S1：根据信号模型构建统计模型；再根据贝叶斯链式法则将所述统计模型的联合分布表示成多项式相乘的形式；S2：将多项式记为因子节点，各个多项式中变量记为变量节点，将各多项式分布形式依次将因子节点和变量节点相连，即将统计模型表示成因子图的形式；S3：通过多个规则推导变量的更新公式；S4：再从观测节点开始，根据消息传递的顺序依次将对不同的消息进行更新迭代，并计算出各个变量节点的置信，从而求出变量的估计值，再根据估计值的稀疏性，确定不为零元素的位置从而确定所对应的网格角，提高DOA估计精度。该方法提升算法估计精度的同时保证算法的收敛性。
-
公开(公告)号：CN118394084B
公开(公告)日：2024-12-20
申请号：CN202410494862.8
申请日：2024-04-23
Applicant: 桂林电子科技大学 , 桂林市高新技术产业发展集团有限公司
IPC: G05D1/43 , G05D1/633 , G05D1/644 , G05D1/247 , G05D109/10
Abstract: 本发明公开了一种基于GSO粒子群算法的移动机器人路径规划方法，涉及移动机器人路径规划技术领域；该方法包括如下步骤：S1、构建目标函数；采用栅格法对工作环境空间进行建模，并以最短路径函数为目标函数；S2、通过GSO粒子群算法计算最短路径的路径点；将初始化后的粒子代替移动机器人，采用GSO粒子群算法对粒子进行优化更新，得到最短路径；S3、对最短路径进行平滑处理；根据粒子优化迭代所得到的最短路径，对其进行三次样条插值调整，得到平滑的最短路径。本发明中方法采用GSO粒子群算法，对不同等级的粒子采用不同的学习策略，在保证优势粒子的挖掘能力的前提下，增加粒子的多样性，从而增加算法的探索能力。
-
公开(公告)号：CN118394084A
公开(公告)日：2024-07-26
申请号：CN202410494862.8
申请日：2024-04-23
Applicant: 桂林电子科技大学 , 桂林市高新技术产业发展集团有限公司
IPC: G05D1/43 , G05D1/633 , G05D1/644 , G05D1/247 , G05D109/10
Abstract: 本发明公开了一种基于GSO粒子群算法的移动机器人路径规划方法，涉及移动机器人路径规划技术领域；该方法包括如下步骤：S1、构建目标函数；采用栅格法对工作环境空间进行建模，并以最短路径函数为目标函数；S2、通过GSO粒子群算法计算最短路径的路径点；将初始化后的粒子代替移动机器人，采用GSO粒子群算法对粒子进行优化更新，得到最短路径；S3、对最短路径进行平滑处理；根据粒子优化迭代所得到的最短路径，对其进行三次样条插值调整，得到平滑的最短路径。本发明中方法采用GSO粒子群算法，对不同等级的粒子采用不同的学习策略，在保证优势粒子的挖掘能力的前提下，增加粒子的多样性，从而增加算法的探索能力。
-
公开(公告)号：CN115343673A
公开(公告)日：2022-11-15
申请号：CN202210966643.6
申请日：2022-08-12
Applicant: 桂林电子科技大学 , 苏州优睿讯电子科技有限公司
Abstract: 本发明公开了一种基于狄利克雷过程先验的宽带信号DOA估计方法，首先，建立宽带信号模型，构建接收天线阵列数据的稀疏信号模型；其次，建立基于狄利克雷过程先验的概率模型，然后采用联合置信传播和平均场规则的消息传递方法得到概率模型中未知参数的更新公式，对概率模型中未知参数赋予初值，处理阵列天线接收数据，迭代更新得到模型参数的估计值，最后根据参数估计值计算DOA估计值。该方法得到的DOA估计值较为准确，与真实的DOA之间存在的误差较小。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
