-
公开(公告)号：CN114710294A
公开(公告)日：2022-07-05
申请号：CN202210418814.1
申请日：2022-04-20
Applicant: 电子科技大学 , 同方赛威讯信息技术有限公司
Abstract: 本发明涉及一种新型区块链隐私保护方法，包括：S1、设置安全参数1，随机选取大于1的素数q，输出参数为par＝{q,G,G1,P,H0,H1,H2}，根据椭圆曲线得到私钥k和公钥Q；S2、输入安全参数为每一个用户生成公私钥对(pki,ski)S3、输入消息m、一组公钥R和签名者私钥ski，输出对m的环签名；S4、对输入消息m和公钥R进行验证，如果验证结果为真，则验证签名图像是否在其他签名中已经被使用，如果没有被使用，则签名有效，否则视为无效签名。本发明不增长密钥长度的情况下可以保证更好的安全性，加强并改进了对签名者身份的保护，不可伪造性强，攻击者破解密钥的概率降低。
-
公开(公告)号：CN114726645A
公开(公告)日：2022-07-08
申请号：CN202210488586.5
申请日：2022-05-06
Applicant: 电子科技大学 , 同方赛威讯信息技术有限公司
Abstract: 本发明涉及一种基于用户信息安全的可链接环签名方法，包括输入安全参数v，密钥生成模块生成系统参数和主密钥；用户IDi随机选取值ti，以及生成部分公钥Ti＝tiP；输入一个元组，随机选择ri，并计算Ri、ki，用户IDi的部分私钥di，通过认证通道向用户IDi发送Di，用户IDi输出其公钥PKi；输入元组，真实签名用户IDs生成签名o；输入一个元组并进行验证；输入两个消息签名对验证者检查两个签名是否有效。本发明既可以实现消息身份验证并保证签名者的匿名性，又防止了签名权的滥用，它保证验证者可以确定同一个签名者是否生成了多个签名，且无法确定实际签名者的身份，适用于电子商务中对用户隐私的保护。
-
公开(公告)号：CN114726645B
公开(公告)日：2023-01-24
申请号：CN202210488586.5
申请日：2022-05-06
Applicant: 电子科技大学 , 同方赛威讯信息技术有限公司
Abstract: 本发明涉及一种基于用户信息安全的可链接环签名方法，包括输入安全参数v，密钥生成模块生成系统参数和主密钥；用户IDi随机选取值ti，以及生成部分公钥Ti＝tiP；输入一个元组，随机选择ri，并计算Ri、ki，用户IDi的部分私钥di，通过认证通道向用户IDi发送Di，用户IDi输出其公钥PKi；输入元组，真实签名用户IDs生成签名o；输入一个元组并进行验证；输入两个消息签名对验证者检查两个签名是否有效。本发明既可以实现消息身份验证并保证签名者的匿名性，又防止了签名权的滥用，它保证验证者可以确定同一个签名者是否生成了多个签名，且无法确定实际签名者的身份，适用于电子商务中对用户隐私的保护。
-
公开(公告)号：CN117606473A
公开(公告)日：2024-02-27
申请号：CN202410095580.0
申请日：2024-01-24
Applicant: 电子科技大学
Abstract: 本发明属于行人导航技术领域，具体提供一种抑制高度和航向角误差累积的行人自主导航方法，用以抑制行人导航系统的高度及航向漂移、缓解导航系统的误差累积、提升定位精度。本发明提出一种自适应零速检测方法，在行人新进过程中自适应更新零速检测阈值，实现行人状态的准确检测；当行人状态处于零速区间时，分别建立左脚与右脚的单足系统，并依次利用椭球约束与ZUPT对系统误差状态量进行两次修正，有效抑制惯性误差的漂移；再基于UWB测量的双足间距建立双足卡尔曼滤波系统，并利用双足间距的UWB测距约束对系统误差状态量进行再次修正，实现对航向角的修正，最终提升定位精度。
-
公开(公告)号：CN117053802A
公开(公告)日：2023-11-14
申请号：CN202310790003.9
申请日：2023-06-30
Applicant: 电子科技大学
Abstract: 本发明涉及一种基于旋转MEMS IMU的车载导航系统定位误差减小的方法，包括：利用绕X轴旋转系统中MEMS IMU模块输出的数据进行惯性解算得到经度、纬度和速度，以及旋转矩阵；当GNSS当前数据的时间大于等于前一时刻MEMS IMU数据到来的时间且小于当前时刻MEMS IMU数据到来的时间(观测量有效)，利用GNSS输出的地速作为观测量，通过扩展卡尔曼滤波将惯性解算的信息与观测量信息进行信息融合输出L、λ、h、vn、#imgabs0#当GNSS当前数据的时间小于前一时刻MEMS IMU数据到来的时间或者大于当前时刻MEMS IMU数据到来的时刻则(观测量无效)进行误差状态传播。本发明使用旋转的方法提高系统的可观测性，达到导航定位精度提高的目的。
-
Patent Agency Ranking
公开(公告)号：CN117606473B
公开(公告)日：2024-05-10
申请号：CN202410095580.0
申请日：2024-01-24
Applicant: 电子科技大学
Abstract: 本发明属于行人导航技术领域，具体提供一种抑制高度和航向角误差累积的行人自主导航方法，用以抑制行人导航系统的高度及航向漂移、缓解导航系统的误差累积、提升定位精度。本发明提出一种自适应零速检测方法，在行人新进过程中自适应更新零速检测阈值，实现行人状态的准确检测；当行人状态处于零速区间时，分别建立左脚与右脚的单足系统，并依次利用椭球约束与ZUPT对系统误差状态量进行两次修正，有效抑制惯性误差的漂移；再基于UWB测量的双足间距建立双足卡尔曼滤波系统，并利用双足间距的UWB测距约束对系统误差状态量进行再次修正，实现对航向角的修正，最终提升定位精度。
-
公开(公告)号：CN116182852A
公开(公告)日：2023-05-30
申请号：CN202310277552.6
申请日：2023-03-21
Applicant: 电子科技大学
Abstract: 本发明涉及一种基于因子图优化的多车辆协同导航方法，包括：设置车辆的初始信息，通过车载传感器采集并处理数据信息；通过IMU采集车辆加速度和角速度信息，并将数据进行预积分处理；通过轮式里程计采集车辆速度信息；通过UWB测量车辆之间的相对距离与平面角度信息，进而得到两辆车辆之间的观测量；通过因子图优化的方法对数据信息进行融合，并通过求解非线性最小二乘解得到状态补偿量，对系统状态量进行补偿后重新计算，最后根据优化值进行多车辆协同导航。本发明通过使用IMU、OD、UWB传感器并使用合理的数据处理方式与融合方法，能大幅延长在没有绝对导航信息的输入的系统中长时间稳定工作，实现无源自主导航的车辆定位。
-
公开(公告)号：CN115112119A
公开(公告)日：2022-09-27
申请号：CN202210964179.7
申请日：2022-08-11
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于LSTM神经网络辅助的车载导航方法，包括以下步骤：S1.车辆运行时，构建传感器的输出信号特征；S2.在GPS未中断时,构建GPS输出信号特征，并基于扩展卡尔曼滤波处理得到误差数据，并与捷联解算结果作差，得到导航信息；S3.构建LSTM神经网络模型，在GPS未中断的时间段内，对LSTM神经网络进行训练；S4.在GPS中断时，由LSTM神经网络模型输出伪位置增量，并基于卡尔曼滤波得到预测误差数据，与捷联解算结果作差，得到导航信息。本发明基于LSTM神经网络辅助，以MEMS IMU的比力、角速度以及捷联结算的速度和航向角作为输入，以预测GPS中断时的位置增量，并且将此作为EKF的观测量，从而准确估计出车辆的轨迹。
-
公开(公告)号：CN108764471A
公开(公告)日：2018-11-06
申请号：CN201810474089.3
申请日：2018-05-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于特征冗余分析的神经网络跨层剪枝方法，主要解决现有技术对扩张残差单元进行逐层剪枝会造成深度卷积层信息丢失的问题。其实现方案是：1)获取训练样本集；2)构建44层卷积神经网络；3)更新44层卷积神经网络参数；4)判断初始训练的更新次数是否达到100次：若是，则得到训练好的44层卷积神经网络，对训练好的44层卷积神经网络进行跨层剪枝，执行5)；否则，返回3)；5)对剪枝后的稀疏网络进行微调训练；6)判断微调训练的更新次数是否达到40次：若是，则得到微调后的稀疏网络，否则，返回5)。本发明减少神经网络中神经元或特征的退化，降低了神经网络的参数和存储尺寸，可用于移动端和嵌入式设备中。
-
公开(公告)号：CN115112119B
公开(公告)日：2025-04-29
申请号：CN202210964179.7
申请日：2022-08-11
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于LSTM神经网络辅助的车载导航方法，包括以下步骤：S1.车辆运行时，构建传感器的输出信号特征；S2.在GPS未中断时,构建GPS输出信号特征，并基于扩展卡尔曼滤波处理得到误差数据，并与捷联解算结果作差，得到导航信息；S3.构建LSTM神经网络模型，在GPS未中断的时间段内，对LSTM神经网络进行训练；S4.在GPS中断时，由LSTM神经网络模型输出伪位置增量，并基于卡尔曼滤波得到预测误差数据，与捷联解算结果作差，得到导航信息。本发明基于LSTM神经网络辅助，以MEMS IMU的比力、角速度以及捷联结算的速度和航向角作为输入，以预测GPS中断时的位置增量，并且将此作为EKF的观测量，从而准确估计出车辆的轨迹。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.04 seconds)
