-
公开(公告)号：CN119760530A
公开(公告)日：2025-04-04
申请号：CN202411724595.5
申请日：2024-11-28
Applicant: 重庆邮电大学
IPC: G06F18/2415 , G06F18/15 , G06N3/08 , G06F18/213 , G06N3/0464 , G06N3/049 , G06N3/045 , A61B5/369 , A61B5/00
Abstract: 本发明请求保护一种基于特征嵌入增强和耦合的脑电信号识别方法。首先对采集到的脑电数据进行滤波和归一化对脑电信号进行去噪，以提高信号质量；然后使用数据翻转、通道交换和裁剪等操作捕获信号中的潜在特征模式；接着设计了一种神经网络框架对增强的信号和原始信号进行特征提取和耦合；通过特征嵌入的学习与耦合，本发明能够在低维嵌入空间中将神经模式相似的样本聚集，同时有效分离不同神经模式的样本，从而提高脑电信号分类的准确性和鲁棒性。
-
公开(公告)号：CN119030398A
公开(公告)日：2024-11-26
申请号：CN202411452087.6
申请日：2024-10-17
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种改进滑模观测器的全速域下无传感永磁同步电机控制方法，属于永磁同步电机控制领域。该方法主要针对全速域下，在电机运行中高速域时通过改进连续滑模观测器结合锁相环方法提取电机转角和转速；在电机运行零低速时通过高频方波注入结合锁相环方法提取电机转角和转速；利用加权平均过渡算法实现从零低速到中高速运行的平稳切换。在中高速下，与传统的滑模观测器方法相比，该方法具有连续的控制率，可以有效减小传统滑模观测器中由于滑模存在符号函数而引起的抖振现象，提升了估算精度，加快了动态响应。在零低速下，使用方波注入相比于传统正弦波注入，省去了滤波器，提高了系统的带宽。
-
公开(公告)号：CN118316759A
公开(公告)日：2024-07-09
申请号：CN202410427789.2
申请日：2024-04-10
Applicant: 重庆邮电大学
IPC: H04L12/66 , H04L41/0273 , H04L41/0803
Abstract: 本发明涉及一种面向异构粒子计数器的网关系统，属于自动控制领域。该网关系统包括硬件层、操作系统层和应用软件层，其中，在应用软件层中，驱动模块根据设备连接配置模块生成的配置信息确定待运行的驱动包，并向驱动包内的驱动程序传递配置文件中的连接参数以对粒子计数器进行协议采集，驱动管理模块根据驱动模块的实际需求增加、删除或者修改网关系统中的驱动包，OPC UA服务器模块将若干与驱动模块通讯的粒子计数器封装成OPC UA服务器，数据存储模块将驱动模块采集到的数据以及操作人员通过客户端下发的控制指令存储到时间序列数据库，数据查询模块从数据存储模块中根据筛选条件查询出对应的数据。本系统可裁剪性和兼容性强。
-
公开(公告)号：CN117807553A
公开(公告)日：2024-04-02
申请号：CN202311847281.X
申请日：2023-12-28
Applicant: 重庆邮电大学
IPC: G06F18/25 , G06F18/214 , G06F18/10 , G06F18/2131 , G06N3/0464 , G06N3/049 , G06N3/045 , G06F18/2415 , G06F17/14 , A61B5/372 , A61B5/397
Abstract: 本发明请求保护一种基于时频卷积的脑肌电信号融合解码方法。首先对脑电信号和肌电信号的同步触发采集，并对实时信号进行存储，构建了脑肌电同步信号数据集；将预处理后的脑肌电信号进行短时傅里叶变换，分别获取脑肌电信号的时域融合特征和频域独立特征；通过设计的双分支网络结构获取脑肌电信号深层次时域特征，以及在频域特征分支引入频域注意力机制，来增强脑肌电信号在探索不同频域成分中的有效性，提高脑电频域特征的提取与表达；最终将脑肌电信号的时域特征和频域特征在特征层后期进行拼接融合，再将融合后的特征向量输入到两个全连接层中，最后对其进行解码分类，有效的提高了脑肌电融合解码的准确率和稳定性。
-
公开(公告)号：CN117710252A
公开(公告)日：2024-03-15
申请号：CN202311465117.2
申请日：2023-11-06
Applicant: 重庆邮电大学
IPC: G06T5/77 , G06T5/70 , G06T7/41 , G06V10/54 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明请求保护一种基于细化边缘语义的人脸复原方法。首先通过构建身份‑纹理数据库，复原时检索同一人的面部纹理以实现复原人脸身份的强一致性；然后通过细化边缘语义机制明确退化人脸的大致轮廓和组件范围以近似先验信息，摒弃获取先验信息获取的时间，并通过特征选择模块中的双分支结构，进一步对细化边缘特征进行选择以实现复原人脸图像的清晰边缘。最后借助细节补充模块，动态的融合检索到的纹理，使得复原结果更加的真实。在实际场景中，通过平滑复原人脸边缘杜绝复原人脸和背景的明显差异，实现更加自然的图像复原效果。该方法具有可靠的纹理生成效果和优秀的推理速度，部署所需要的资源和难度较低，并为超高清人脸场景提供了一种思路。
-
Patent Agency Ranking
公开(公告)号：CN116340506A
公开(公告)日：2023-06-27
申请号：CN202310003775.3
申请日：2023-01-03
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F40/30 , G06N3/08 , G06F40/242 , G06F40/289 , G06N3/0464
Abstract: 本发明请求保护一种基于BERT和无池化卷积神经网络的文本分类方法，步骤包括：对原始中文新闻文本进行分词、转换文本序列等预处理；将新闻文本输入BERT模型中得到词嵌入向量输出，基于BERT模型的多头注意力机制可以更充分地保留全局语义信息；将词嵌入向量输入卷积神经网络并对卷积神经网络进行优化，在卷积层使用三个不同大小的卷积核提取更加丰富的局部语义信息，以及取消池化层避免池化操作造成的部分语义信息丢失问题；将训练得到的参数作为网络模型的初始参数；最后将无池化卷积神经网络的输出输入全连接层实现分类。本发明具有良好的收敛性和稳定性，同时能够提高文本分类准确率。
-
公开(公告)号：CN112448639B
公开(公告)日：2023-05-26
申请号：CN202011254328.8
申请日：2020-11-11
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种永磁无刷直流电机调速系统的连续终端滑模复合控制方法，主要由复合抗干扰速度和电流控制器构成。其中复合抗干扰速度控制器由基于连续终端滑模的速度反馈控制和基于滑模观测器I的速度环干扰估计及前馈补偿构成；复合抗干扰电流控制器由基于连续终端滑模的电流反馈控制和基于滑模观测器II的电流环干扰估计及前馈补偿构成。与传统的终端滑模控制方法相比，该方法具有连续的控制率，可以有效减小传统终端滑模控制方法中由于存在符号函数而引起的抖振现象。此外，既保留了原有控制方法中系统状态的快速收敛性能，又进一步地提高了系统的抗干扰能力。因此，可以满足永磁无刷直流电机调速系统在高性能领域的应用需求。
-
公开(公告)号：CN116070768A
公开(公告)日：2023-05-05
申请号：CN202310128193.8
申请日：2023-02-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于数据重构和TCN‑BiLSTM的短期风电功率预测方法。首先利用结合自适应噪声完备集合经验模态分解(CEEMDAN)对原始风电功率数据进行分解处理，将功率序列分解得到多个本征模态函数(IMF)，以降低神经网络预测模型输入数据的复杂程度。然后计算每个分量的样本熵(SE)值，并将SE值相近的分量归为一类，合并得到新的重构分量，从而减少需要训练和预测的分量数量。最后，建立一种结合时间卷积网络(TCN)和双向长短期记忆网络(BiLSTM)的多元组合预测模型对各分量进行特征提取、信息挖掘及预测，并叠加各分量的预测结果得到最后的预测值。本发明相比于其他风电功率预测传统方法，具有更高的预测精度。
-
公开(公告)号：CN112051736B
公开(公告)日：2022-07-08
申请号：CN202010875976.9
申请日：2020-08-25
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于单控制器的轨迹跟踪控制系统，包括：传感器，用于测得轮式移动机器人在固定参考坐标系下X轴方向的位置，在固定参考坐标系下Y轴方向的位置，线速度以及方向角；降阶广义比例积分观测器模块，接收所述传感器的信息，输出速度、加速度和扰动估计；位置控制器模块，根据速度、加速度、扰动估计以及给定的参考轨迹信息，输出中间项；变换模块，根据中间项、当前时刻的线速度和当前时刻的方向角，输出电机控制转矩，轮式移动机器人集成有上述系统。本发明减少对传感器的使用，降低了开发成本；能够大大减少参数整定的工作量；具有主动抑制各种时变干扰的能力，很强的鲁棒性，可以实现较高跟踪精度。
-
公开(公告)号：CN114360041A
公开(公告)日：2022-04-15
申请号：CN202210013760.0
申请日：2022-01-06
Applicant: 重庆邮电大学
Abstract: 本发明公开了基于关键点检测和头部姿态的疲劳状态检测方法及系统，构建并训练主干网络采用深度可分离卷积网络的MMC多任务预测模型，获取单位时间内的若干帧人脸图像，采用MTCNN网络检测每张图像的人脸位置并裁剪出头部图像；将头部图像输入训练好的MMC多任务预测模型中，得到头部姿态角度和人脸关键点的位置信息；利用双阈值法分别判定头部、眼部和嘴部疲劳状态；设定相关系数综合判定人的疲劳状态，结合人脸关键点检测和头部姿态的相关性，采用主干网络为深度可分离卷积网络的MMC多任务预测模型，将两个任务放在同一个网络中同时进行，可以大幅度的减少需要的参数量和运算量，从而提高了模型的检测速度，进而达到实时的效果。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.028 seconds)
