公开(公告)号：CN112564713B

公开(公告)日：2023-09-19

申请号：CN202011368867.4

申请日：2020-11-30

Applicant: 福州大学

Inventor： 赵铁松 ,  曾超洋 ,  乔杨珺 ,  房颖 ,  徐艺文

IPC: H03M13/00

Abstract: 本发明提出一种高效率低时延的动觉信号编解码器及编解码方法，编码器由信号放大器、离散余弦变换模块、量化器、游程编码模块和熵编码器组成；解码器由熵解码器、游程解码模块、逆量化器、逆离散余弦变换模块和逆放大器组成。其提出的高效率低时延的动觉信号编解码器设计，相比与现有的先进的触感编码方法，压缩率方面相比于基于死区的触感编码标准算法平均降低50%，同时失真度和时延都更小。

公开(公告)号：CN110737339B

公开(公告)日：2021-11-02

申请号：CN201911029362.2

申请日：2019-10-28

Applicant: 福州大学

Inventor： 赵铁松 ,  薛鸿 ,  徐艺文 ,  陈炜玲 ,  乔杨珺 ,  袁迪

IPC: G06F3/01 ,  G06N3/04 ,  G06F11/34

Abstract: 本发明涉及一种基于深度学习的视觉—触觉交互模型构建方法。首先，基于设计的三种虚拟交互任务，获得不同任务下视觉注意力和触感控制之间的相关性，进行跨模态行为分析；其次，根据相关性，利用LSTM神经网络建立视觉—触觉交互预测模型，实现不同任务的交互模型，并进行性能对比和评价；最后，利用训练模型预测出的结果在虚拟控制任务中进行实施，判断任务中目标的完成情况。本发明方法较采用传统的基于机器学习的训练模型相比，基于深度学习的LSTM神经网络模型预测效果最好，并在非随机任务中任务完成度较高，优势明显。

公开(公告)号：CN112564713A

公开(公告)日：2021-03-26

申请号：CN202011368867.4

申请日：2020-11-30

Applicant: 福州大学

Inventor： 赵铁松 ,  曾超洋 ,  乔杨珺 ,  房颖 ,  徐艺文

IPC: H03M13/00

Abstract: 本发明提出一种高效率低时延的动觉信号编解码器及编解码方法，编码器由信号放大器、离散余弦变换模块、量化器、游程编码模块和熵编码器组成；解码器由熵解码器、游程解码模块、逆量化器、逆离散余弦变换模块和逆放大器组成。其提出的高效率低时延的动觉信号编解码器设计，相比与现有的先进的触感编码方法，压缩率方面相比于基于死区的触感编码标准算法平均降低50%，同时失真度和时延都更小。

公开(公告)号：CN110737339A

公开(公告)日：2020-01-31

申请号：CN201911029362.2

申请日：2019-10-28

Applicant: 福州大学

Inventor： 赵铁松 ,  薛鸿 ,  徐艺文 ,  陈炜玲 ,  乔杨珺 ,  袁迪

IPC: G06F3/01 ,  G06N3/04 ,  G06F11/34

Abstract: 本发明涉及一种基于深度学习的视觉—触觉交互模型构建方法。首先，基于设计的三种虚拟交互任务，获得不同任务下视觉注意力和触感控制之间的相关性，进行跨模态行为分析；其次，根据相关性，利用LSTM神经网络建立视觉—触觉交互预测模型，实现不同任务的交互模型，并进行性能对比和评价；最后，利用训练模型预测出的结果在虚拟控制任务中进行实施，判断任务中目标的完成情况。本发明方法较采用传统的基于机器学习的训练模型相比，基于深度学习的LSTM神经网络模型预测效果最好，并在非随机任务中任务完成度较高，优势明显。