-
公开(公告)号：CN116955927A
公开(公告)日：2023-10-27
申请号：CN202310855839.2
申请日：2023-07-12
Applicant: 西安理工大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06N3/0442 , G06F18/214 , G06N3/08 , G06N3/086
Abstract: 本发明公开了基于信道状态信息的室内实时排队人数检测方法，搭建单发射器‑单接收器的WiFi检测区域，采集视距路径下不同人数排队场景下的CSI原始信号并进行天线优选，筛选随人数变化信号波动明显的发射天线序列，对天线序列对应的接收天线上的信号振幅及相位进行数据预处理，对处理后的振幅及相位进行拼接，构成特征向量，并制定类别标签，构建数据集；建立GA‑LSTM‑FC组合模型检测室内排队人数，结合菲涅尔区理论，根据人走向不同其对应的信号反映强弱不同，判断有人进/出队列，实时调整排队人数，当信号发生较大跳跃可得知有人员出入队列，即重新检测排队人数。本发明增加了检测的自调节功能，节省了计算资源，提高了检测率。
-
公开(公告)号：CN113822415B
公开(公告)日：2023-09-19
申请号：CN202110985511.3
申请日：2021-08-26
Applicant: 西安理工大学
Abstract: 本发明公开了一种室内位置的反向传播神经网络概率密度预测方法，首先选取多层室内结构的正方形测试区域作为试验场地，以矩形网格形式共选取n*n个标准参考点，在试验场地的四角分别设置RSSI信号发射器，将选取的标准参考点测得的RSSI值和角度值两类数据汇总到同一标准数据集；将测得的标准数据集进行归一化处理；将处理后的标准数据集按照7:3划分为训练集和测试集；改进并分析传统的反向传播神经网络模型，最终得到改进后的BPNN模型；最后得到参考标准点的累积误差分布函数和概率密度函数。本发明解决了不同环境下的室内位置数据存在的分布情况模拟不好及其概率计算误差较大的问题，提高了室内定位精度。
-
公开(公告)号：CN115002703A
公开(公告)日：2022-09-02
申请号：CN202210834030.7
申请日：2022-07-14
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于Wi‑Fi信道状态信息的被动式室内人数检测方法，包括：步骤1，采集不同人数志愿者在不同位置缓慢走动过程中的CSI原始信号；步骤2，对步骤1中采集的CSI信号进行数据预处理；步骤3，对步骤2所得幅值进行最小‑最大规范化处理，得到标准化数据；步骤4，基于时间窗口法对所得标准化数据进行特征提取、PCA降维，从而构建特征向量并制定相应标签，构建数据集；步骤5，将得到的特征向量数据集随机按比例分为训练集和测试集，利用基于概率密度函数的方法改进BP神经网络对训练集进行训练，并用测试集验证，得到建立可精确检测出室内人数的人数检测模型。本发明成本低、易部署，具有很强的扩展性。
-
公开(公告)号：CN110095383A
公开(公告)日：2019-08-06
申请号：CN201910277619.X
申请日：2019-04-08
Applicant: 西安理工大学
Abstract: 本发明公开了一种用于模拟降雨进行坡面径流和壤中流运动分析的装置，包括降雨发生器，降雨发生器下方配设有模拟试验槽。降雨发生器包括雨滴发生平台，雨滴发生平台上设置有振荡器和雨滴生成机构，雨滴生成机构的两端分别连接有通水管形成供水回路，通水管上设置有增压泵，振荡器和增压泵电性连接至电源。模拟试验槽包括可移动承重支架，可移动承重支架上固定有径流土槽。本发明可以提供稳定强度的降雨，模拟雨滴发生平台的横向振动，提高了降雨模拟的均匀度；且装置结构稳定，操作简单，实施方便，适用于多种因素限定下的坡面模拟降雨产流试验。
-
公开(公告)号：CN115499912A
公开(公告)日：2022-12-20
申请号：CN202211139741.9
申请日：2022-09-19
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于Wi‑Fi信道状态信息的视距识别方法，包括：步骤1，搭建单发射器‑单接收器的Wi‑Fi检测环境，采集视距、非视距两种情况下在不同采样点的信道状态信息即CSI信号；步骤2，对步骤1中采集的信号进行数据预处理；步骤3，对步骤2预处理后的信号进行均值、标准偏差、变异系数、偏度、峭度、相位差因子和Rician‑K因子等特征提取，并制定视距、非视距两种情况下的类别标签，构建数据集；步骤4，对步骤3所得数据集进行最小‑最大规范化处理；步骤5，提出基于粒子群优化算法的SVM分类器进行视距识别，将步骤4得到的训练集数据作为步骤5模型的输入，可以精准识别室内视距、非视距状态。本发明成本低、易部署，具备较高的识别准确度。
-
Patent Agency Ranking
公开(公告)号：CN113822415A
公开(公告)日：2021-12-21
申请号：CN202110985511.3
申请日：2021-08-26
Applicant: 西安理工大学
Abstract: 本发明公开了一种室内位置的反向传播神经网络概率密度预测方法，首先选取多层室内结构的正方形测试区域作为试验场地，以矩形网格形式共选取n*n个标准参考点，在试验场地的四角分别设置RSSI信号发射器，将选取的标准参考点测得的RSSI值和角度值两类数据汇总到同一标准数据集；将测得的标准数据集进行归一化处理；将处理后的标准数据集按照7:3划分为训练集和测试集；改进并分析传统的反向传播神经网络模型，最终得到改进后的BPNN模型；最后得到参考标准点的累积误差分布函数和概率密度函数。本发明解决了不同环境下的室内位置数据存在的分布情况模拟不好及其概率计算误差较大的问题，提高了室内定位精度。
-
公开(公告)号：CN115002703B
公开(公告)日：2025-03-21
申请号：CN202210834030.7
申请日：2022-07-14
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于Wi‑Fi信道状态信息的被动式室内人数检测方法，包括：步骤1，采集不同人数志愿者在不同位置缓慢走动过程中的CSI原始信号；步骤2，对步骤1中采集的CSI信号进行数据预处理；步骤3，对步骤2所得幅值进行最小‑最大规范化处理，得到标准化数据；步骤4，基于时间窗口法对所得标准化数据进行特征提取、PCA降维，从而构建特征向量并制定相应标签，构建数据集；步骤5，将得到的特征向量数据集随机按比例分为训练集和测试集，利用基于概率密度函数的方法改进BP神经网络对训练集进行训练，并用测试集验证，得到建立可精确检测出室内人数的人数检测模型。本发明成本低、易部署，具有很强的扩展性。
-
公开(公告)号：CN117251775A
公开(公告)日：2023-12-19
申请号：CN202311090699.0
申请日：2023-08-28
Applicant: 西安理工大学
IPC: G06F18/241 , G06F40/284 , G06F40/30 , G06F40/126 , G06N3/045 , G06N3/084 , G06N3/0442
Abstract: 本发明提供了基于注意力机制和胶囊网络的方面级情感分类方法，将评论文本输入预设BERT编码器中，获取上下文和方面词对应的词向量；将上下文和方面词对应的词向量分别输入预设门控单元和长短时记忆网络，得到上下文和方面词对应的隐藏状态向量；将上下文和方面词对应的隐藏状态向量输入注意力编码层，得到上下文和方面词的语义信息编码；将语义信息编码进行压缩得到上下文和方面词对应的初级特征胶囊；利用路由机制更新上下文和方面词对应的初级特征胶囊参数，得到融合方面词的上下文特征新表示；基于特征新表示得到方面词的情感分类结果。本发明充分挖掘上下文和方面词语义信息，提高了上下文与方面词之间的交互性，进而提高了情感分析精度。
-
公开(公告)号：CN115081227B
公开(公告)日：2024-09-10
申请号：CN202210762461.7
申请日：2022-06-29
Applicant: 西安理工大学
IPC: G06F30/20 , G06F30/15 , G06F17/13 , G06Q10/04 , G06F111/10
Abstract: 本发明公开了一种基于最优速度的车辆跟驰模型及其安全性分析方法，包括：基于交通场景中的的车辆和驾驶员信息，构建最优速度模型；引入车头时距确定最优速度模型的临界情况，分析得到跟驰模型的加速度受限条件；对跟驰模型进行稳定性分析，得到跟驰模型的稳定条件；将所得到的稳定的跟驰模型与其他跟驰模型进行对比，验证模型的拟合精度；仿真模拟三个典型的交通场景：车队启动过程、车队停止过程和车队匀速过程，验证跟驰模型安全性。本发明解决了现有技术中存在的微观交通流模型中未兼顾跟驰状态与驾驶安全性的问题。
-
公开(公告)号：CN117207961A
公开(公告)日：2023-12-12
申请号：CN202311114120.X
申请日：2023-08-31
Applicant: 西安理工大学
Abstract: 本发明提供了基于Swim‑TD3的自动驾驶车道保持方法，包括：基于真实驾驶数据集，提取“引导车—自动驾驶车辆—跟驰车”三车模式下的自动驾驶跟驰对；设计马尔可夫奖励过程；基于车道保持安全性、效率及舒适度的要求，设计强化学习奖励函数；引入Swim激活函数；构建基于Swim‑TD3的自动驾驶车道保持网络框架；对所得到的网络进行训练，得到基于Swim‑TD3的自动驾驶车道保持模型；对所得到的网络模型进行测试，验证模型的安全性，效率及舒适度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.022 seconds)
