-
公开(公告)号：CN119559791A
公开(公告)日：2025-03-04
申请号：CN202411764354.3
申请日：2024-12-03
Applicant: 福州大学
IPC: G08G1/01 , G08G1/0967 , G06N3/092
Abstract: 本发明提供一种基于深度强化学习的车路协同感知方法，通过基于路侧单元RSU的协作对象选择方法，由路侧单元RSU获取所有自动驾驶车辆CAV的位置，使用DQN网络为每辆自动驾驶车辆CAV分配最佳的协作对象，自动驾驶车辆CAV获知需要协作的对象后，使用基于无效动作屏蔽的DQN网络选择最佳的三维检测框和对应的置信度分数，将最佳的三维检测框和对应的置信度分数发送给协作对象以实现车路协同感知。
-
公开(公告)号：CN117915284A
公开(公告)日：2024-04-19
申请号：CN202410080431.7
申请日：2024-01-19
Applicant: 福州大学
Abstract: 本发明涉及一种融合多模态数据的低成本高性能车路协同方法。该方法以相机和低线束激光雷达数据为输入，利用多尺度跨模态交叉注意力模块进行融合，结合特征偏移纠正模块和区域性特征增强算法，在大幅降低车端传感器精度的同时，保持较高感知性能。本发明在基于深度学习的车路协同框架中，针对关注保持感知精度的同时降低部署维护成本以及通信带宽消耗，为解决低精度激光雷达无法很好的感知远处小目标的问题，引入相机传感器，设计多尺度跨模态交叉注意力融合机制，不仅有效的提升对远处小目标的感知性能还大大降低了对激光雷达精度的需求，大幅节约了成本。还设计了区域特性增强算法，实现对传输特征的进一步精简，大大降低了传输带宽消耗。
-
公开(公告)号：CN113256977B
公开(公告)日：2022-06-14
申请号：CN202110521299.5
申请日：2021-05-13
Applicant: 福州大学
Abstract: 本发明涉及一种基于图张量分解的交通数据处理方法。该方法将张量转换到图频域并施加时间约束项，以准确估计缺失的交通流量；包括以下步骤：步骤S1：将交通流量数据构造为图张量模型；步骤S2：将图张量分解为两个低秩图张量；步骤S3：构建时间平滑约束；步骤S4：设计目标函数并求解，即在时间平滑约束条件下对两个低秩图张量进行更新优化；步骤S5：利用更新后的两个低秩图张量重建交通流量数据。本方法充分利用交通流量数据的拓扑图结构，以较高的精度恢复出缺失的交通流量数据，为智能交通系统的应用提供参考。
-
公开(公告)号：CN113313040B
公开(公告)日：2022-05-13
申请号：CN202110623471.8
申请日：2021-06-04
Applicant: 福州大学
IPC: G06K9/00 , G06V40/20 , G06V10/80 , G06V10/82 , G06K9/62 , G01S13/88 , G06F17/14 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于FMCW雷达信号的人体姿势识别方法，其首先将FMCW雷达采集到的数据进行离散傅里叶变换（FFT），获得目标距离、目标速度以及目标角度。其次，采用DBSCAN聚类算法以及Hampel滤波法，解决了范围内动态或静态目标的噪声干扰的同时去除多余的异常值，提高人体姿势的精度，从而构造了距离‑时间图(DTM)和速度‑时间图(VTM)。最后，搭建了一种基于不同融合方式的多维参数深度学习网络框架。该网络框架利用卷积神经网络对DTM、VTM数据集进行特征提取，利用低秩多模态融合（LMF）网络进行不同数据集的特征融合，采用域鉴别器获得与环境无关的特征并使用活动识别器获得姿势识别结果。该方法可以有效去除FMCW人体姿势识别的背景噪声干扰，具有对环境不敏感的优势。
-
公开(公告)号：CN111814079B
公开(公告)日：2022-05-13
申请号：CN202010637805.2
申请日：2020-07-03
Applicant: 福州大学
IPC: G06F16/9537 , G06K9/62 , H04L67/12
Abstract: 本发明涉及一种结合聚类与CMAB的群智感知车联网用户筛选方法。该方法包括：对车联网用户行车轨迹进行用户轨迹聚类特征的构建；利用CMAB模型，将轨迹聚类信息作为用户任务分配的依据，求解最佳工作者组合；根据真实出租车轨迹数据集对该方法进行验证分析。本发明将用户轨迹信息与CMAB模型相结合的用户筛选方法，克服了参与感知任务的用户技能水平不高而导致的感知数据质量差的现象，能使所选出的工作者集合具有相近的行车轨迹；同时该方法可以使得基于用户筛选结果的任务分配算法更快更早地趋于稳定。故适用于实际应用场景中。
-
Patent Agency Ranking
公开(公告)号：CN108882189A
公开(公告)日：2018-11-23
申请号：CN201810582754.0
申请日：2018-06-07
Applicant: 福州大学
Abstract: 本发明涉及一种基于自适应采样的WiFi室内定位方法，包括以下步骤：步骤S1：采集室内感兴趣区域的WiFi数据；步骤S2：构造室内WiFi数据张量；步骤S3：根据所述WiFi数据张量，进行基于杠杆的自适应采样；步骤S4：通过恢复算法进行数据恢复,利用KNN算法实现WiFi数据的室内定位。本发明通过自适应杠杆采样的方式减少构建室内WiFi数据库的时间，人力花费，能够以较少的采样点，较高的精度重建WiFi数据库。
-
公开(公告)号：CN107203934A
公开(公告)日：2017-09-26
申请号：CN201710383949.8
申请日：2017-05-26
Applicant: 福州大学
CPC classification number: G06Q40/00 , G06Q10/101
Abstract: 本发明涉及一种群智感知不对称信息场景中的激励方法，步骤如下：对群智感知场景进行特征提取并构建为数学模型，量化定义抽象概念，进行研究分析；再利用契约理论，将群智感知转换为契约关系，在不同场景中根据代理人存在的努力不可观测情况分析道德风险问题并求解契约，即给出最优报酬、最优努力方案。本发明利用契约理论设计群智感知下的激励机制，克服了在不对称信息场景中努力不可观测的现象，由于代理人与委托人利益相冲突，代理人容易伪装信息来使自身利益增大，从而使委托人利益减小，本发明设计出最优的报酬方案，有效地激励代理人按照契约执行任务，让委托人在群智感知中获得最大收益，具有一定的参考价值和实际经济效益。
-
公开(公告)号：CN106971547A
公开(公告)日：2017-07-21
申请号：CN201710352120.1
申请日：2017-05-18
Applicant: 福州大学
CPC classification number: G08G1/0129 , G08G1/065
Abstract: 本发明涉及一种考虑时空相关性的短时交通流预测方法。考虑时间相关性对目标检测点交通流的影响，获取短时交通流的时间关联预测值；利用层次聚类方法分析研究对象交通流的空间相关性，并确定几个关键的空间关联点；考虑空间关联点的交通流对目标检测点交通流的影响，获取短时交通流的空间关联预测值；采用“熵值法”融合时间关联预测值、空间关联预测值和现有方法的预测值，生成目标检测点短时交通流的最终预测结果；根据交通流的预测结果和实际交通数据，对预测误差进行评价分析。本发明方法可克服现有方法不能充分利用时空特征的不足，同时可进一步将时空关联预测结果和现有方法的预测结果进行融合，从而有效提升短时交通流预测结果的准确性。
-
公开(公告)号：CN106131154A
公开(公告)日：2016-11-16
申请号：CN201610503784.9
申请日：2016-06-30
Applicant: 福州大学
IPC: H04L29/08
CPC classification number: H04L67/2828
Abstract: 本发明涉及一种移动无线传感器网络中基于核函数的压缩数据收集方法，其特征在于，包括以下步骤：步骤S01：基于随机游走算法收集传感器节点的数据；步骤S02：根据所述随机游走算法设计随机测量矩阵；步骤S03：设计稀疏表示矩阵；步骤S04：根据所述随机测量矩阵与稀疏表示矩阵对步骤S01收集到的传感器节点的数据进行压缩感知恢复。本发明提高了数据收集的效率，降低了节点能耗，减少了数据的收集时间，提高了数据收集的可靠性，进而延长网络的生命周期。
-
公开(公告)号：CN119780911A
公开(公告)日：2025-04-08
申请号：CN202411846369.4
申请日：2024-12-16
Applicant: 福州大学
IPC: G01S13/88 , G01S13/50 , G01S7/41 , G06F18/25 , G06F18/2131 , G06F18/2431 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084
Abstract: 本发明提出基于FMCW雷达多域特征融合的连续人体活动识别方法，首先运用快速傅里叶变换算法与多重信号分类技术，从雷达的原始数据中处理并得到距离‑多普勒图像和距离‑角度图像，并利用短时分数阶傅里叶变换将雷达数据映射到分数域上，得到分数域谱图；然后通过可变窗长STA/LTA连续动作检测算法，实现三类连续活动序列域信息的同步分割；最后将分割后的活动样本作为多输入多任务连续活动识别模型的输入，通过卷积网络和双向长期记忆网络提取输入特征，引入CTC层融合多输入表示，并计算预测序列与真实标签的CTC损失，执行多任务学习并获得人体动作识别结果；本发明能高精度分割连续人体动作，准确地融合三类雷达域信息，实现高精度的连续人体动作识别任务。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.025 seconds)
