-
公开(公告)号：CN115774850B
公开(公告)日：2024-11-22
申请号：CN202310025877.5
申请日：2023-01-09
Applicant: 重庆大学
Abstract: 本发明涉及一种基于脉冲神经网络的室内外检测方法及系统，属于室内外定位技术领域。该方法使用具有密集连接的脉冲神经网络(SNN)结合智能手机传感器测量进行室内/室外(IO)检测，具体包括：S1：从智能手机传感器测量中提取主要特征；S2：对传感器测量中提取到的主要特征进行编码；S3：采用脉冲神经网络SNN来进一步学习特征嵌入；S4：采用投票机制获取用户的IO状态，实现用户的室内外检测。本方法不仅可以根据当前移动传感器的指示对用户环境进行分类，还可以考虑以前时间步长的测量值进行分类。与现有的方法相比，本发明具有更高的计算效率以及检测的识别准确率，该方法具有良好的性能，可以很好地推广到不同的场景和不同的移动设备中。
-
公开(公告)号：CN116186581B
公开(公告)日：2025-02-18
申请号：CN202310025533.4
申请日：2023-01-09
Applicant: 重庆大学
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于图脉冲神经网络的楼层识别方法及系统，属于楼层定位技术领域。该方法通过将空间中的信号接入点结构组织为指纹图谱的形式，并结合脉冲神经网络计算，实现楼层识别，具体包括以下步骤：S1：构建楼层空间信号接入点的指纹图谱；S2：根据构建的指纹图谱组织输入数据，并进行脉冲编码；S3：将编码后的数据输入图脉冲神经网络；S4：通过投票识别用户的楼层信息。与现有的楼层识别方法相比，本方法能够自动适应不同环境的信号源接入点空间结构，泛化到新的场景下性能好；同时，利用WiFi信号识别楼层信息，能够保证各种手机间的通用性，而且计算要求低；并且本方法结合脉冲神经网络，计算效率好，识别精度高。
-
Patent Agency Ranking
公开(公告)号：CN117915456B
公开(公告)日：2024-08-16
申请号：CN202410088314.5
申请日：2024-01-22
Applicant: 重庆大学
IPC: H04W64/00 , H04W4/33 , H04B17/318
Abstract: 本发明涉及一种基于深度指纹度量学习的室内定位方法及系统，属于室内定位技术领域。在该方法中，通过学习一个映射函数，将原始的来自每个WiFi接入点AP的接收信号强度RSS向量转换为特征，使得特征空间中的邻域与位置空间中的邻域一致，从而实现复杂室内环境中的精确定位。本发明提供的技术方案提高了位置空间距离和特征空间距离之间的一致性，采用本发明技术方案在复杂室内环境中进行的实验表明，本发明提供的方法优于最先进的方法，相较于KNN方法，定位精度提高了约10％，且在大多数定位场景下具有优异的实时性能。
-
公开(公告)号：CN117915456A
公开(公告)日：2024-04-19
申请号：CN202410088314.5
申请日：2024-01-22
Applicant: 重庆大学
IPC: H04W64/00 , H04W4/33 , H04B17/318
Abstract: 本发明涉及一种基于深度指纹度量学习的室内定位方法及系统，属于室内定位技术领域。在该方法中，通过学习一个映射函数，将原始的来自每个WiFi接入点AP的接收信号强度RSS向量转换为特征，使得特征空间中的邻域与位置空间中的邻域一致，从而实现复杂室内环境中的精确定位。本发明提供的技术方案提高了位置空间距离和特征空间距离之间的一致性，采用本发明技术方案在复杂室内环境中进行的实验表明，本发明提供的方法优于最先进的方法，相较于KNN方法，定位精度提高了约10％，且在大多数定位场景下具有优异的实时性能。
-
公开(公告)号：CN116186581A
公开(公告)日：2023-05-30
申请号：CN202310025533.4
申请日：2023-01-09
Applicant: 重庆大学
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于图脉冲神经网络的楼层识别方法及系统，属于楼层定位技术领域。该方法通过将空间中的信号接入点结构组织为指纹图谱的形式，并结合脉冲神经网络计算，实现楼层识别，具体包括以下步骤：S1：构建楼层空间信号接入点的指纹图谱；S2：根据构建的指纹图谱组织输入数据，并进行脉冲编码；S3：将编码后的数据输入图脉冲神经网络；S4：通过投票识别用户的楼层信息。与现有的楼层识别方法相比，本方法能够自动适应不同环境的信号源接入点空间结构，泛化到新的场景下性能好；同时，利用WiFi信号识别楼层信息，能够保证各种手机间的通用性，而且计算要求低；并且本方法结合脉冲神经网络，计算效率好，识别精度高。
-
公开(公告)号：CN116309659A
公开(公告)日：2023-06-23
申请号：CN202310229377.3
申请日：2023-03-10
Applicant: 重庆大学
Abstract: 本发明涉及一种基于边缘特征的RGB‑D视觉里程实现方法，属于移动机器人自主导航与定位技术领域。该方法通过边缘点的采样以及外点剔除的方式提升相机追踪的效率和精度，具体包括以下步骤：S1：从Kinect相机中获取当前帧，并进行数据预处理；S2：估计当前相机位姿，并判定是否为关键帧；S3：对新的关键帧进行边缘特征选择；S4：对相邻的若干关键帧进行局部优化。相比于现有的边缘法视觉里程计，本发明的方法提升了相机追踪的效率和精度；相比于常用的视觉里程计方法，本发明充分利用图像的边缘点信息，使得相机追踪在弱纹理、光照变化等复杂场景下鲁棒性更强。实验结果表明，本方法具有良好的性能，可以很好地推广到不同的场景和不同的移动设备中。
-
公开(公告)号：CN115774850A
公开(公告)日：2023-03-10
申请号：CN202310025877.5
申请日：2023-01-09
Applicant: 重庆大学
Abstract: 本发明涉及一种基于脉冲神经网络的室内外检测方法及系统，属于室内外定位技术领域。该方法使用具有密集连接的脉冲神经网络(SNN)结合智能手机传感器测量进行室内/室外(IO)检测，具体包括：S1：从智能手机传感器测量中提取主要特征；S2：对传感器测量中提取到的主要特征进行编码；S3：采用脉冲神经网络SNN来进一步学习特征嵌入；S4：采用投票机制获取用户的IO状态，实现用户的室内外检测。本方法不仅可以根据当前移动传感器的指示对用户环境进行分类，还可以考虑以前时间步长的测量值进行分类。与现有的方法相比，本发明具有更高的计算效率以及检测的识别准确率，该方法具有良好的性能，可以很好地推广到不同的场景和不同的移动设备中。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
