-
公开(公告)号:CN119620913A
公开(公告)日:2025-03-14
申请号:CN202411704857.1
申请日:2024-11-26
Applicant: 海南大学
Abstract: 本申请公开了一种分数阶电路及调整分数阶电路参数的方法,该分数阶电路包括:信号处理电路模块、负压电流源电路模块和电流采样与显示电路模块;信号处理电路模块,用于接收调整后的偏置电流信号;信号处理电路模块,还用于根据调整后的偏置电流信号调整输入N组运放电路的偏置电流值,以调整N组运放电路的零点值和极点值,使得所能满足分数阶性质的频率范围变大;和/或,根据调整后的偏置电流信号调整输入N组运放电路的偏置电流值的比例,以调整N组运放电路的幅值;使得所能支持的外部信号电压范围变大;信号处理电路模块,还用于根据调整后的N组运放电路对外部输入信号进行处理,获得输出信号,输出信号为满足分数阶性质的信号。
-
公开(公告)号:CN119597202A
公开(公告)日:2025-03-11
申请号:CN202411704859.0
申请日:2024-11-26
Applicant: 海南大学
Abstract: 本申请公开了一种阶次可编辑的分数阶电路,包括信号处理电路模块、偏置电流输出电路模块和电流采样电路模块;信号处理电路模块,用于接收外部输入信号;偏置电流输出电路模块,用于输出偏置电流信号;电流采样电路模块,用于将偏置电流信号转换为电压信号;偏置电流输出电路模块,还用于基于核心MCU对电压信号进行调整,获得PWM电压信号;偏置电流输出电路模块,还用于将PWM电压信号转换为调整后的偏置电流信号,调整输入信号处理电路模块的偏置电流值,以调整分数阶电路的阶次为目标阶次;信号处理电路模块,用于对外部输入信号进行处理,获得输出信号,如此,核心MCU进行PWM电压信号的控制与输出,实现分数阶电路的阶次可编辑。
-
公开(公告)号:CN119065033A
公开(公告)日:2024-12-03
申请号:CN202411237961.4
申请日:2024-09-05
Applicant: 海南大学
IPC: G01W1/10 , G06N3/04 , G06V20/13 , G06V10/82 , G06F18/214
Abstract: 本发明涉及气象预测领域,公开了一种台风生成预测方法、装置、设备及介质,包括:获取目标区域不同历史时刻的多种原始气象数据并进行处理,得到气象样本集;将气象数据样本集输入至时空预测神经网络中进行训练和测试,得到多源气象预测模型;多源气象预测模型是台风生成预测模型的第一部分;获取目标区域的历史台风气象数据并进行处理,得到标注有台风位置的台风数据样本集;将台风数据训练集输入至目标检测神经网络中进行训练和测试,得到台风识别模型;台风识别模型是台风生成预测模型的第二部分;将目标区域的待测气象数据输入至台风生成预测模型中,输出未来台风生成的时间和位置。这样同时满足了高效、准确预测台风生成时间和位置的需求。
-
公开(公告)号:CN117918865A
公开(公告)日:2024-04-26
申请号:CN202410120327.6
申请日:2024-01-29
Applicant: 海南大学
IPC: A61B5/389 , A61B5/397 , A61B5/00 , G06F18/241 , G06F18/15 , G06F18/213 , G06N3/0442 , G06N3/0455 , G06F123/02
Abstract: 本申请公开了一种表面肌电信号分类方法、装置、设备及存储介质,涉及计算机技术领域,包括:基于预设动作采集相应多通道的表面肌电信号,并对采集到的待分类表面肌电信号进行滤波,得到滤波后信号;通过已预先打好标签的各滑动窗口对滤波后信号进行切片,以得到相应的数据集;在分别对数据集进行线性处理、位置编码之后,循环利用Transformer模型的Encoder层对当前的编码后数据进行预设次数的全局特征提取,得到第一提取结果;基于GRU模型及第一提取结果进行时间序列特征提取,得到第二提取结果;通过将第二提取结果输入至全连接层,并利用归一化指数函数,得到对应的信号分类结果。这样一来,能够有效提高分类的准确率。
-
公开(公告)号:CN117876728A
公开(公告)日:2024-04-12
申请号:CN202410124058.0
申请日:2024-01-30
Applicant: 海南大学
IPC: G06V10/762 , G06V10/141 , G06V10/147
Abstract: 本申请公开了一种目标识别方法、装置、设备及存储介质,涉及信号识别技术领域,包括:利用预设视觉传感器对目标对象进行事件信号采集以得到目标事件信号;基于预设时间间隔对所述目标事件信号进行切片划分操作以得到信号样本;基于事件时间戳和目标最近邻算法对所述信号样本进行graph图形构建操作以得到所述信号样本的距离关系图,然后对所述距离关系图进行密度聚类以实现对所述目标对象的识别。这样一来,针对事件数据的特点进行了图形构造,并在构造的图形上使用密度聚类算法进行目标识别检测,通过对不同时间片段的迭代计算达到动态识别的效果。
-
-
-
-