混行条件下快速路匝道智能网联车辆合流变道控制方法

    公开(公告)号:CN113246985B

    公开(公告)日:2022-08-09

    申请号:CN202110687438.1

    申请日:2021-06-21

    Applicant: 苏州大学

    Abstract: 本发明公开了一种混行条件下快速路匝道智能网联车辆合流变道控制方法,该方法包括以下步骤:收集道路交通行驶信息;分析加速车道车辆、目标车道前后车辆的运行状态及最佳安全距离,判断是否产生变道决策;基于行驶换道轨迹路径函数实时调整车辆加速度,实现安全变道。本发明基于智能网联、车路协同等相关技术的实现,根据在通信区域内获取预设范围周边道路的环境、交通等信息,进行换道决策判断,避免驾驶智能网联时车辆之间发生追尾碰撞,有效提高自动驾驶在换道过程的安全性及可靠性。

    一种体现情感细节信息的情感语料库构建方法

    公开(公告)号:CN109509486B

    公开(公告)日:2021-04-09

    申请号:CN201811255066.X

    申请日:2018-10-26

    Applicant: 苏州大学

    Abstract: 本发明公开了一种体现情感细节信息的情感语料库构建方法,步骤一、构建语料库所使用的语句文本列表,步骤二、确认语料库使用的情感类别和表达程度,步骤三、通过若干录制人分别对语料库中的语句文本列表进行语音录制,生成若干情感语音样本;步骤四、通过若干评价人对所录制的情感语音样本进行评测,并以使用唤醒‑效价二维坐标的方式对每条情感语音样本进行情感标注,得到评测结果;步骤五、根据步骤四中得到的测评结果,对步骤三中每个录制人所录制的所有情感语音样本所表达的情感状态准确程度进行验证,步骤六、通过语句文本列表、经验证合格的情感语音样本和评测结果共同构建得到情感语料库。本发明解决了现有情感语料库不能体现情感强度的技术。

    一种体现情感细节信息的情感语料库构建方法

    公开(公告)号:CN109509486A

    公开(公告)日:2019-03-22

    申请号:CN201811255066.X

    申请日:2018-10-26

    Applicant: 苏州大学

    Abstract: 本发明公开了一种体现情感细节信息的情感语料库构建方法,步骤一、构建语料库所使用的语句文本列表,步骤二、确认语料库使用的情感类别和表达程度,步骤三、通过若干录制人分别对语料库中的语句文本列表进行语音录制,生成若干情感语音样本;步骤四、通过若干评价人对所录制的情感语音样本进行评测,并以使用唤醒-效价二维坐标的方式对每条情感语音样本进行情感标注,得到评测结果;步骤五、根据步骤四中得到的测评结果,对步骤三中每个录制人所录制的所有情感语音样本所表达的情感状态准确程度进行验证,步骤六、通过语句文本列表、经验证合格的情感语音样本和评测结果共同构建得到情感语料库。本发明解决了现有情感语料库不能体现情感强度的技术。

    一种高情感区分度的语音特征提取方法

    公开(公告)号:CN107564543A

    公开(公告)日:2018-01-09

    申请号:CN201710822706.X

    申请日:2017-09-13

    Applicant: 苏州大学

    Abstract: 本发明公开了一种高情感区分度的语音特征提取方法,包括:进行常规的语谱图提取,即对语音信号分帧后,对各帧数据进行离散傅里叶变换DFT,以频谱幅度值作为灰度值,得到语谱图。对语谱图进行预滤波后,进行稀疏化处理,提取其最高若干条能量峰值曲线,并对所提取的曲线结果进行频率位置信息去除,仅保留其幅度,以消除语音内容的影响,然后进行第二层离散傅里叶变换,生成语音二重谱,可以保留具有高情感区分度的信息。本发明解决了现有技术中在语音识别过程中,语音信息部分细节信息被淹没,同时由于语音特征中包含大量与语音内容有关的信息而造成情感区分度有限的技术问题。

    车辆混行情况的智能网联车辆的通行引导方法及引导系统

    公开(公告)号:CN112820125B

    公开(公告)日:2023-01-17

    申请号:CN202110314982.1

    申请日:2021-03-24

    Applicant: 苏州大学

    Abstract: 本发明涉及一种车辆混行情况的智能网联车辆的通行引导方法及引导系统,包括以下步骤:采集车辆行驶信息,获得车辆的目标车道;判断进入通信区域的智能网联车辆与人工驾驶车辆是否会发生冲突:根据车辆的目标车道,判断车道上的车辆发生的冲突的类型;根据车辆行驶信息,获取对应冲突类型的两个车辆按照原始状态行驶通过交叉口的总的通行时间;选取通行时间最小的车辆获得先行权,通行时间在后的通行的车辆根据最小的通行时间重新计算最佳加速度。其考虑了混合车队的情况,通过通行时间的计算间接优化车辆的加速度,既提高了交叉口的通行效率,降低了车辆在行驶过程中的燃油消耗,又提高了无信号交叉口行驶的安全性。

    一种信号交叉口网联车辆轨迹优化引导方法及系统

    公开(公告)号:CN115273500A

    公开(公告)日:2022-11-01

    申请号:CN202210815708.7

    申请日:2022-07-12

    Applicant: 苏州大学

    Abstract: 本发明以网联车辆最小化行驶延误为目标,尽可能使网联车辆实现不停车通过。考虑到网联车辆和人工驾驶车辆在信号交叉口混行环境,基于光通信技术和车联网通信技术,获取信号交叉口处与网联车辆行驶相关的信息,根据当前信号灯状态和车辆所处车队位置以及车道条件下,对网联车辆进行速度、加速度、位置、时间等的约束,分析网联车辆不停车通过交叉口的行驶状态,生成网联车辆在未来一段时间内的行驶轨迹矩阵,并在固定时间间隔下进行不断更新和优化,网联车辆按照行驶轨迹矩阵行驶,达到理想通行效果。

    混行条件下快速路匝道智能网联车辆合流变道控制方法

    公开(公告)号:CN113246985A

    公开(公告)日:2021-08-13

    申请号:CN202110687438.1

    申请日:2021-06-21

    Applicant: 苏州大学

    Abstract: 本发明公开了一种混行条件下快速路匝道智能网联车辆合流变道控制方法,该方法包括以下步骤:收集道路交通行驶信息;分析加速车道车辆、目标车道前后车辆的运行状态及最佳安全距离,判断是否产生变道决策;基于行驶换道轨迹路径函数实时调整车辆加速度,实现安全变道。本发明基于智能网联、车路协同等相关技术的实现,根据在通信区域内获取预设范围周边道路的环境、交通等信息,进行换道决策判断,避免驾驶智能网联时车辆之间发生追尾碰撞,有效提高自动驾驶在换道过程的安全性及可靠性。

    车辆混行情况的智能网联车辆的通行引导方法及引导系统

    公开(公告)号:CN112820125A

    公开(公告)日:2021-05-18

    申请号:CN202110314982.1

    申请日:2021-03-24

    Applicant: 苏州大学

    Abstract: 本发明涉及一种车辆混行情况的智能网联车辆的通行引导方法及引导系统,包括以下步骤:采集车辆行驶信息,获得车辆的目标车道;判断进入通信区域的智能网联车辆与人工驾驶车辆是否会发生冲突:根据车辆的目标车道,判断车道上的车辆发生的冲突的类型;根据车辆行驶信息,获取对应冲突类型的两个车辆按照原始状态行驶通过交叉口的总的通行时间;选取通行时间最小的车辆获得先行权,通行时间在后的通行的车辆根据最小的通行时间重新计算最佳加速度。其考虑了混合车队的情况,通过通行时间的计算间接优化车辆的加速度,既提高了交叉口的通行效率,降低了车辆在行驶过程中的燃油消耗,又提高了无信号交叉口行驶的安全性。

    一种绿色屋顶的种植降霾一体化装置

    公开(公告)号:CN111213522A

    公开(公告)日:2020-06-02

    申请号:CN202010161086.1

    申请日:2020-03-10

    Applicant: 苏州大学

    Abstract: 本发明公开了一种绿色屋顶的种植降霾一体化装置,包括置于屋顶上的蓄水箱和雾化降霾装置,后者包括降霾用水泵、设有雾化喷头的雾化输水管及驱动装置,驱动装置包括驱动仓、太阳能板和雾霾监测器,驱动仓内设连接太阳能板的蓄电池及与蓄电池、雾霾监测器和降霾用水泵均电连接的控制器;其特征在于蓄水箱顶设两个箱盖,一箱盖上设下水孔,且表面铺设化纤毛毡以过滤自然降水;另一箱盖上设种植装置,包括与箱盖一体成型或可拆卸安装的种植池和灌溉组件,后者包括灌溉输水管、灌溉喷头,灌溉用水泵及湿度传感器,灌溉输水管和雾化输水管均通过延伸管分别与两水泵相连。本新型兼顾自动雾化降霾和绿化种植补水,种植的绿色植物又能增强降霾效果。

    基于一维CNN-LSTM的多通道脑电图癫痫自动检测装置

    公开(公告)号:CN110840432A

    公开(公告)日:2020-02-28

    申请号:CN201911213690.8

    申请日:2019-12-02

    Applicant: 苏州大学

    Abstract: 本发明公开了一种基于一维CNN-LSTM的多通道脑电图癫痫自动检测装置。本发明一种基于一维CNN-LSTM的多通道脑电图癫痫自动检测装置,包括:所述计算机,所述计算机被编程以便执行如下步骤:获取采集数据,其中采集数据通过以下方式采集:数据采集电极位置均按照国际标准的10-20系统电极法放置。本发明的有益效果:与传统的癫痫发作检测不同,无需人工设计特征来进行分类,而是直接将多通道的原信号输入训练网络,通过一维CNN和LSTM神经网络来自动学习信号的特征,最后进行分类。由于采用了多通道的信号,比只使用单通道信号的方法效果更好,更具稳定性和一般性;除了在数据库中性能表现优异,在实际的临床数据中也有很不俗的效果。

Patent Agency Ranking