公开(公告)号：CN116390053A

公开(公告)日：2023-07-04

申请号：CN202310271814.8

申请日：2023-03-20

Applicant: 海南大学

Inventor： 陈敏 ,  丁洁 ,  崔亚妮 ,  任佳 ,  郝秋实 ,  刘长鑫 ,  蔡彦涛

IPC: H04W4/40 ,  H04W40/20 ,  H04W40/12

Abstract: 本发明公开了一种基于融合MPTCP的移动车联网路径传输方法及系统，结合距离、信号的强度、带宽、往返时间以及丢包率等因素多方面动态考量路径质量并求出路径的质量因子，通过系统的通信路径选择模块比较活动路径的质量因子的大小选出优先活动子流集合，由筛选的优先活动子流集进行数据传输。本发明可以确保在与路边单元连接的切换过程中不会发生连接中断的情况，数据传输稳定。通过通信距离、通信路径评价、通信路径选择三个层面综合动态管理路径，解决了车联网传输路径动态选择问题，提高了车联网通信的传输带宽，稳定性和总吞吐量。

公开(公告)号：CN117032258A

公开(公告)日：2023-11-10

申请号：CN202311106137.0

申请日：2023-08-30

Applicant: 海南大学

Inventor： 张育 ,  杜育宽 ,  郝秋实 ,  易家傅 ,  任佳 ,  崔亚妮 ,  丁洁 ,  陈敏 ,  姚京涛

IPC: G05D1/02

Abstract: 本发明属于无人智能船舶自动控制技术领域，具体涉及一种基于扰动观测器的低维优化轨迹跟踪控制系统及方法，能够控制无人船跟踪预设轨迹航行，本发明尤其适用于外界环境干扰较强的复杂海况。所述控制系统由LMPC控制器和反馈部分构成。LMPC控制器由LMPC最优化问题和船舶运动数学模型构成；反馈部分由线性扰动观测器和低维度优化模型构成。所述方法包括以下步骤：步骤一：建立船舶运动数学模型；步骤二：建立线性扰动观测器；步骤三：建立低维度优化模型；步骤四：求解LMPC最优化问题。

公开(公告)号：CN116390053B

公开(公告)日：2023-09-19

申请号：CN202310271814.8

申请日：2023-03-20

Applicant: 海南大学

Inventor： 陈敏 ,  丁洁 ,  崔亚妮 ,  任佳 ,  郝秋实 ,  刘长鑫 ,  蔡彦涛

IPC: H04W4/40 ,  H04W40/20 ,  H04W40/12

Abstract: 本发明公开了一种基于融合MPTCP的移动车联网路径传输方法及系统，结合距离、信号的强度、带宽、往返时间以及丢包率等因素多方面动态考量路径质量并求出路径的质量因子，通过系统的通信路径选择模块比较活动路径的质量因子的大小选出优先活动子流集合，由筛选的优先活动子流集进行数据传输。本发明可以确保在与路边单元连接的切换过程中不会发生连接中断的情况，数据传输稳定。通过通信距离、通信路径评价、通信路径选择三个层面综合动态管理路径，解决了车联网传输路径动态选择问题，提高了车联网通信的传输带宽，稳定性和总吞吐量。

公开(公告)号：CN116307835A

公开(公告)日：2023-06-23

申请号：CN202310083572.X

申请日：2023-02-01

Applicant: 海南大学

Inventor： 郝秋实 ,  任佳 ,  崔亚妮 ,  易家傅 ,  张育 ,  陈敏 ,  丁洁 ,  周荣臻

IPC: G06Q10/0639 ,  G06F17/16

Abstract: 本发明涉及一种水面无人航行器探测系统效能评估指标体系，包括：4个一级指标和12个二级指标。本发明还涉及一种在所述指标体系框架下的水面无人航行器探测系统效能评估方法，包括：步骤一，用层次分析法计算指标权重；步骤二，计算探测系统固有能向量Q；步骤三，计算探测系统的可用性向量M和可行性矩阵N；步骤四，计算探测系统的效能值E。本发明不仅考虑了探测系统中各探测设备的探测精度、探测范围、分辨率、发生故障的情况以及在执行任务中的状态等，而且考虑了海洋环境的影响，尤其适用于多探测设备、复杂海况下水面无人航行器探测系统的效能评估。

公开(公告)号：CN117692084A

公开(公告)日：2024-03-12

申请号：CN202410054564.7

申请日：2024-01-15

Applicant: 海南大学

Inventor： 丁洁 ,  陈敏 ,  郝秋实 ,  任佳 ,  崔亚妮 ,  易家傅 ,  张育 ,  吕洪飞

IPC: H04B17/391 ,  H04B10/50 ,  H04B7/22

Abstract: 本发明属于激光跨介质通信技术领域，具体涉及一种考虑后向散射的跨介质激光信道建模方法，能够模拟光信号传播过程中非球形粒子的后向散射，本发明尤其适用于浑浊海水、强风浪环境的海‑空跨介质光通信，以及对光的接收精度要求较高的远距离通信场景。所述方法包括以下步骤：步骤一：构造RH‑G散射相函数；步骤二：建立后向散射跨介质激光信道模型。所述建立后向散射跨介质激光信道模型方法由初始输入模块、迭代更新模块、更新输出模块和叠加模块四部分构成。所述初始输入模块包括初始坐标和初始方向余弦，所述迭代更新模块包括RH‑G散射相函数计算散射角、确定行进步长和计算方位角，所述更新输出模块包括更新坐标和更新方向余弦。

公开(公告)号：CN117218377A

公开(公告)日：2023-12-12

申请号：CN202311108891.8

申请日：2023-08-30

Applicant: 海南大学

Inventor： 任佳 ,  郝秋实 ,  崔亚妮 ,  丁洁 ,  张育 ,  陈敏 ,  易家傅 ,  马秀新

IPC: G06V10/52 ,  G06V20/54 ,  G06V20/40 ,  G06V10/774 ,  G06V10/762 ,  G06V10/82

Abstract: 本发明涉及一种面向视觉图像的MSD‑YOLOv4船舶实时检测网络及方法。本发明的方案尤其适用于内河港口、大型码头等场景的船舶实时检测。所述网络包括四个模块：主干特征提取模块M3Darknet‑53、多尺度特征提取模块SPP、加强特征提取模块SPANet和检测模块YOLO Detect。主干特征提取模块M3Darknet‑53通过三普通卷积(Conv×3)与多尺度特征提取模块SPP相连；多尺度特征提取模块SPP通过拼接加三普通卷积(Contact+Conv×3)与加强特征提取模块SPANet相连；加强特征提取模块SPANet与检测模块YOLO Detect直接相连。本发明的优势在于，简化了网络结构并提高了检测速度；使用深度可分离卷积代替网络中的某些普通卷积，减少了模型参数，进一步提高了检测速度；添加了通道注意力单元使检测过程聚焦于船舶目标，提高了检测准确性。

公开(公告)号：CN116185025A

公开(公告)日：2023-05-30

申请号：CN202310140514.6

申请日：2023-02-20

Applicant: 海南大学

Inventor： 郝秋实 ,  任佳 ,  陈敏 ,  崔亚妮 ,  丁洁 ,  张育 ,  易家傅 ,  张婧

IPC: G05D1/02

Abstract: 本发明公开基于蚁群算法的无人艇全局航迹规划方法、设备及介质。该方法以下包括步骤：步骤一，建立任务环境模型；步骤二，建立无人艇航行代价函数；步骤三，利用改进的蚁群算法求解无人艇航行代价。本发明具有如下优点：建立了较为完善的无人艇全局航迹规划优化数学模型，使得模型本身对无人艇的航行过程有较为精确的描述；考虑了无人艇自身的航行和动力特点，将航行代价引入到蚁群算法中表征信息素和启发因子，并在此基础上，提出初始信息素设置方法，加快了算法的计算速度；提出了信息素更新规则，解决了传统蚁群算法容易陷入局部最优的问题，提高了算法的全局搜索能力；提出了死锁点的信息素更新机制，保障了算法寻优过程后期解多样性。

公开(公告)号：CN116415197A

公开(公告)日：2023-07-11

申请号：CN202310236950.3

申请日：2023-03-13

Applicant: 海南大学

Inventor： 任佳 ,  陈敏 ,  丁洁 ,  张育 ,  易家傅 ,  郝秋实 ,  崔亚妮 ,  许示凡

IPC: G06F18/2433 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明提出一种基于注意力机制的地下管廊异常检测网络及方法，既能够保证长时间的异常检测具有较高的精度，又能对多数据下的异常情况具有良好的检测效果。所述网络包括：编码模块、特征提取模块和解码模块。编码模块包括四个卷积层，四个卷积层间顺序相连。特征提取模块包括Conv‑LSTM层和注意力机制层，Conv‑LSTM层包括四个结构相同的Conv‑LSTM，注意力机制层包括四个结构相同的注意力机制。解码模块包括由反卷积层和连接层构成的七个层，这七个层间顺序相连。编码模块中的第一卷积层与特征提取模块的Conv‑LSTM层的第一Conv‑LSTM相连；特征提取模块中的Conv‑LSTM层的第一Conv‑LSTM与注意力机制层的第一注意力机制相连，以此类推。特征提取模块的注意力机制层与解码模块的反卷积层反向相连。

公开(公告)号：CN116259018A

公开(公告)日：2023-06-13

申请号：CN202310220395.5

申请日：2023-03-09

Applicant: 海南大学

Inventor： 崔亚妮 ,  任佳 ,  郝秋实 ,  张育 ,  易家傅 ,  丁洁 ,  陈敏 ,  马秀新

IPC: G06V20/54 ,  G06V10/764 ,  G06V10/762 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/09 ,  G08G1/017

Abstract: 本发明提出一种YOLOv3Tiny Vehicle高速车辆实时检测网络及方法，在保证检测精度的情况下提高了检测效率，尤其适用于车辆速度较快、车流量较多情况的车辆实时检测。YOLOv3Tiny Vehicle网络包括主干特征提取模块和检测模块。主干特征提取模块包括主干特征提取首层、五个密集连接块和主干特征提取尾层。主干特征提取首层与第一密集连接块相连。五个密集连接块，即第一密集连接块、第二密集连接块、第三密集连接块、第四密集连接块和第五密集连接块，结构相同、顺序相连；每个密集连接块由三个卷积层构成，这三个卷积层的连接采用密集连接方式；第五密集连接块与主干特征提取尾层相连。检测模块包括顺序相连的三个卷积层。

公开(公告)号：CN116579951A

公开(公告)日：2023-08-11

申请号：CN202310663735.1

申请日：2023-06-05

Applicant: 海南大学

Inventor： 郝秋实 ,  丁洁 ,  任佳 ,  陈敏 ,  崔亚妮 ,  张育 ,  易家傅 ,  陈姿羽

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出一种浅层特征与深层特征融合的图像去雾网络及方法，相比现有去雾方法具有较强的边缘轮廓信息恢复能力和较高的学习精度。所述网络包括全局特征提取模块、多尺度卷积模块和深层融合模块。所述全局特征提取模块用于提取表述边缘轮廓信息的浅层特征，包括四个依次相连的卷积层和池化层；所述多尺度卷积模块用于提取多尺度的图像特征，包括三个并联的卷积层、一个通道叠加单元和另外一个卷积层；所述深层融合模块用于完成浅层特征与深层特征的融合，包括三个卷积层、两个上采样层和两个通道叠加单元，所述全局特征提取模块中各卷积层的输出与此部分相连。