-
公开(公告)号：CN108684013A
公开(公告)日：2018-10-19
申请号：CN201810274462.0
申请日：2018-03-29
Applicant: 北方工业大学
CPC classification number: H04W4/42 , H04L12/462 , H04N7/18 , H04W4/90
Abstract: 本发明公开了一种地铁应急抢险的通信系统及通信方法，其中通信系统包括：PC设备、通信服务器、内部网关以及各个移动终端；PC设备与通信服务器网络连接通信；通信服务器与内部网关网络连接通信；内部网关与各个移动终端无线通信。通信方法，步骤包括：检测事故现场的4G网络信号强度，若移动终端的4G单元能够获取到4G网络信号，则直接利用4G网络进行视频数据传输，若移动终端的4G单元不能获取4G网络信号，则利用无线网桥与4G网络相结合进行视频数据传输。该通信系统及通信方法利用无线网桥的多级桥接的方式传输4G信号，能够在事故现场没有4G信号覆盖的情况下进行视频信号的高效传输，便于调度中心的远程视频监控和指导事故救援。
-
公开(公告)号：CN108680096A
公开(公告)日：2018-10-19
申请号：CN201810735874.X
申请日：2018-07-06
Applicant: 北方工业大学
CPC classification number: G01B7/16 , G01S7/02 , G01S2007/027
Abstract: 本发明公开一种方位扫描定位机构和雷达系统，该方位扫描定位机构包括壳体、动力模块及法兰，其中，动力模块容置于壳体内部，壳体顶部开设有第一开口，法兰设置于第一开口上方并通过第一开口连接动力模块，动力模块通过带动法兰旋转，进而带动法兰上固定的雷达旋转扫描；该雷达系统中使用了上述方位扫描定位机构，法兰连接方式增大了雷达的视场角，使得雷达的视野更加宽广，同时，将动力模块容置于壳体之中，结构紧凑，易于运输。本发明解决了现有的微变感知预警雷达控制系统的方位扫描定位机构视场角固定、体积较大及不易便携的缺点。
-
公开(公告)号：CN108509864A
公开(公告)日：2018-09-07
申请号：CN201810196011.X
申请日：2018-03-09
Applicant: 北方工业大学
Abstract: 本发明实施例提供一种确定光纤入侵事件类型的方法及装置，所述方法包括：获取包含有振源信号特征的采集信号；获取单位时间内的采集信号的检测点，并根据所述检测点生成所述采集信号的附加特征；所述附加特征包括占空比和/或AMDF过均值率；根据包含有所述附加特征的采集信号和预先训练好的网络模型，识别所述采集信号的振动类型，并根据所述振动类型，确定光纤入侵事件类型。所述装置执行上述方法。本发明实施例提供的确定光纤入侵事件类型的方法及装置，能够准确确定光纤入侵事件类型。
-
公开(公告)号：CN104964736B
公开(公告)日：2018-03-02
申请号：CN201510417188.4
申请日：2015-07-15
Applicant: 北方工业大学
IPC: G01H9/00
Abstract: 本发明针对光纤入侵预警系统提供了一种基于时频二维特征最大期望分类算法的光纤入侵识别方法，该方法包括：计算经检测得到的振动数据的占空比，提取信号时域特征；将经过小波去噪处理后所得信号进行傅立叶变换，计算频率中心，提取信号频域特征；最后将以上述方法得到的时域、频域特征作为二维最大期望分类器的输入进行光纤振动信号振源识别。该方法在时频二维对入侵信号进行识别，能够有效地将手工信号与机械信号区别开，准确性较高。
-
公开(公告)号：CN105204084B
公开(公告)日：2018-02-09
申请号：CN201510575833.5
申请日：2015-09-10
Applicant: 北方工业大学
IPC: G01V8/10
Abstract: 本发明针对光纤入侵信号识别系统提出了一种基于LDA算法检验的方法，该方法包括：对采集的时域信号利用多孔算法对其进行多层分解，得到各频段小波概貌与细节系数；通过计算小波功率熵与信号的中心频率得到二维样本数据，将该样本数据输入到LDA算法检验模型，使投影后样本数据的类间散布矩阵最大，并且同时类内散布矩阵最小，最终达到较为理想的分类效果，即可判断施工信号为机械信号或者人工信号。该方法简单易行，计算效率高并且可以有效区分入侵信号性质。
-
Patent Agency Ranking
公开(公告)号：CN120070234A
公开(公告)日：2025-05-30
申请号：CN202510128869.2
申请日：2025-01-27
Applicant: 北方工业大学
Abstract: 一种适用于水下成像的低质量选通图像增强处理方法，步骤包括：1)选通图像采集：通过选通相机获取到的原始图像；2)环境参数及图像质量判定：根据当前设备所设定的激光扩散角度、探测距离、水质情等做出环境参数判断；再结合原始图像的PSNR，来确定后续步骤中的特征提取、特征匹配参数和帧叠加数量；3)图像预处理：对图像进行滤波处理；4)空间特征提取：采用SIFT算法对相邻帧图像进行特征提取，获取每张图像关键点和描述子；5)特征匹配与图像变换：在提取了图像的SIFT特征即关键点和描述子后，进行特征匹配和图像变换；6)滑动式加权帧叠加：在视频帧序列中，以滑动窗口的方式逐帧处理图像，生成一帧新的合成图像；7)输出处理后的图像。
-
公开(公告)号：CN118548818B
公开(公告)日：2024-11-12
申请号：CN202410993092.1
申请日：2024-07-24
Applicant: 中国铁道科学研究院集团有限公司铁道建筑研究所 , 中国铁道科学研究院集团有限公司 , 北方工业大学
Abstract: 本发明公开了一种用于监测隧道形变的方法及系统，属于隧道监测技术领域，包括：将多个标靶分别设置在待监测隧道内壁上的不同位置，并通过雷达实时扫描内壁面和标靶点云数据；从点云数据中去除三维空间密度未满足预设密度要求的数据，从而对点云数据进行第一次去噪处理，获得第一点云数据；根据第一点云数据中标靶点云数据的空间分布特征，针对每个标靶筛选适用于计算隧道形变量的最佳点云数据；将每个标靶的最佳点云数据从地面坐标系分别映射到与雷达空间姿态有关的坐标系内，基于此，利用每个标靶前一周期与后一周期的映射坐标，确定对应标靶的位置变化情况，由此得到隧道形变监测结果。本发明实现了以自动化方式对隧道形变的准确监测。
-
公开(公告)号：CN118548818A
公开(公告)日：2024-08-27
申请号：CN202410993092.1
申请日：2024-07-24
Applicant: 中国铁道科学研究院集团有限公司铁道建筑研究所 , 中国铁道科学研究院集团有限公司 , 北方工业大学
Abstract: 本发明公开了一种用于监测隧道形变的方法及系统，属于隧道监测技术领域，包括：将多个标靶分别设置在待监测隧道内壁上的不同位置，并通过雷达实时扫描内壁面和标靶点云数据；从点云数据中去除三维空间密度未满足预设密度要求的数据，从而对点云数据进行第一次去噪处理，获得第一点云数据；根据第一点云数据中标靶点云数据的空间分布特征，针对每个标靶筛选适用于计算隧道形变量的最佳点云数据；将每个标靶的最佳点云数据从地面坐标系分别映射到与雷达空间姿态有关的坐标系内，基于此，利用每个标靶前一周期与后一周期的映射坐标，确定对应标靶的位置变化情况，由此得到隧道形变监测结果。本发明实现了以自动化方式对隧道形变的准确监测。
-
公开(公告)号：CN114913515B
公开(公告)日：2024-04-02
申请号：CN202111674309.5
申请日：2021-12-31
Applicant: 北方工业大学
IPC: G06V20/62 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种端到端的车牌识别网络构建方法，本方法采用卷积神经网络直接端到端的训练推理，卷积神经网络的输入是一幅车牌的图像，卷积神经网络的输出相应车牌的文字；卷积神经网络的设计是1)模型架构设计，对于输入的车牌的图像，提取特征；将提取到的特征分别送入多个相同的分类器；每个分类器是由一个三层的前馈神经网络构成；2)标签制作，车牌的字符进行编码分为三个部分，依次是省份、地区和个人编码；在编码时候，把蓝色牌中的个人编码对应字符位数与新能源车牌中的个人编码对应字符位数设置为相同，字符位数相差部分用“”表示；3)使用损失函数优化卷积神经网络；4)训练网络。本方法针对传统的蓝牌和绿牌，采用统一套方法即可完成识别。
-
公开(公告)号：CN107203662A
公开(公告)日：2017-09-26
申请号：CN201710330777.8
申请日：2017-05-11
Applicant: 北方工业大学
Abstract: 本发明提供了一种电子设备舱室的温度预测模型的建立方法及装置。其中，所述方法包括：确定影响电子设备舱室温度的温度参数；获取所述温度参数对应的温度数据；将所述温度数据输入神经网络模型进行训练，得到所述神经网络模型的目标参数，并根据所述目标参数建立所述电子设备舱室的温度预测模型。所述装置包括：温度参数确定模块、温度数据获取模块和温度预测模型建立模块。本发明提供的电子设备舱室的温度预测模型的建立方法及装置能够有效地预测电子设备舱室内各测点的温度，误差较小，准确性较高。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.027 seconds)
