-
公开(公告)号：CN112953663A
公开(公告)日：2021-06-11
申请号：CN202110266620.X
申请日：2021-03-11
Applicant: 南京信息工程大学
IPC: H04B17/309 , G08B13/22 , G06K9/62
Abstract: 本发明公开了一种基于OFDM子载波经验分析的被动式室内入侵检测方法，通过部署Wi‑Fi通信设备，获取训练时序数据，对训练时序数据依次进行异常值滤除操作、小波变换滤波操作、标准化处理、链路选择、数据窗口化处理和特征提取，得到训练特征数据，采用所述训练特征数据训练初始检测器，得到入侵检测器，通过Wi‑Fi通信设备采集待测时序数据，获取待测时序数据的特征数据，得到待测特征数据，将待测特征数据输入入侵检测器进行入侵检测，以提升相应入侵检测方案的灵活性，使该入侵检测方案能够适用于各类新环境，无需手动校准或者在新环境中进行重新训练，具有较高的检测准确性。
-
公开(公告)号：CN117556369B
公开(公告)日：2024-04-19
申请号：CN202410046231.X
申请日：2024-01-12
Applicant: 南京信息工程大学
IPC: G06F18/2433 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种动态生成的残差图卷积神经网络的窃电检测方法，包括以下步骤：（1）收集电力系统中用户电力消费原始数据；（2）对原始数据进行缺失补充、异常值处理并划分训练集、验证集和测试集；（3）将预处理后的一维电力负荷曲线变换为二维电力负荷特征矩阵，以输入图卷积神经网络；（4）通过训练获得最佳参数以获得最能代表数据关系的邻接矩阵A；（5）将特征矩阵X和邻接矩阵A送入残差图卷积神经网络中提取潜在特征，通过池化层与全连接层得到最终分类；本发明通过动态学习用户用电周期之间的深层时间依赖关系、周期模式和潜在特征，提升了窃电检测领域的精度。所采用的数据补充方法有效缓解了现实世界中的数据不平衡问题。
-
公开(公告)号：CN116080407B
公开(公告)日：2023-07-28
申请号：CN202211555066.8
申请日：2022-12-06
Applicant: 南京信息工程大学
Abstract: 本发明提供一种基于无线能量传输的无人机能耗优化方法与系统，涉及移动边缘计算领域。该基于无线能量传输的无人机能耗优化方法，基于WPT能量发射器与无人机之间的通信方式构建应急救援系统模型；基于应急救援系统模型，计算无人机收集到的无线能量以及无人机飞行的能量消耗；计算无人机在本地计算模式下的能量消耗以及无人机剩余能量，无人机在本地计算模式下的能量消耗包括飞行能耗和计算能耗；计算无人机在卸载计算模式下的能量消耗以及无人机剩余能量，无人机在卸载计算模式下的能量消耗包括飞行能耗和通信能耗。本发明在确保完成应急救援任务的同时，使无人机能够充分利用收集到的无线能量，提高无人机剩余能量，延长无人机工作时间。
-
Patent Agency Ranking
公开(公告)号：CN116172531B
公开(公告)日：2023-07-21
申请号：CN202310451221.X
申请日：2023-04-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于小波散射变换的血压变化趋势估计方法，该方法包括采集受试者的动脉血压信号和PPG信号并进行预处理；将预处理后的PPG信号和动脉血压信号分段，提取收缩压和舒张压数值，保留信号质量好的PPG信号段并进行小波散射，获得小波散射系数；获取小波散射系数差值、收缩压和舒张压变化量，并建立训练集和测试集；构建基于非因果时间卷积网络的血压回归模型；对血压回归模型进行训练；对训练好的血压回归模型进行验证。本发明解决了现有基于脉搏波的深度学习血压估计技术需要大量数据来训练模型、泛化能力有限，应用到不同环境和不同人群中时需要针对新用户额外采集数据进行模型微调和校准的问题。
-
公开(公告)号：CN116172531A
公开(公告)日：2023-05-30
申请号：CN202310451221.X
申请日：2023-04-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于小波散射变换的血压变化趋势估计方法，该方法包括采集受试者的动脉血压信号和PPG信号并进行预处理；将预处理后的PPG信号和动脉血压信号分段，提取收缩压和舒张压数值，保留信号质量好的PPG信号段并进行小波散射，获得小波散射系数；获取小波散射系数差值、收缩压和舒张压变化量，并建立训练集和测试集；构建非因果时间卷积网络；对非因果时间卷积网络进行训练；对训练好的非因果时间卷积网络进行验证。本发明解决了现有基于脉搏波的深度学习血压估计技术需要大量数据来训练模型、泛化能力有限，应用到不同环境和不同人群中时需要针对新用户额外采集数据进行模型微调和校准的问题。
-
公开(公告)号：CN116080407A
公开(公告)日：2023-05-09
申请号：CN202211555066.8
申请日：2022-12-06
Applicant: 南京信息工程大学
Abstract: 本发明提供一种基于无线能量传输的无人机能耗优化方法与系统，涉及移动边缘计算领域。该基于无线能量传输的无人机能耗优化方法，基于WPT能量发射器与无人机之间的通信方式构建应急救援系统模型；基于应急救援系统模型，计算无人机收集到的无线能量以及无人机飞行的能量消耗；计算无人机在本地计算模式下的能量消耗以及无人机剩余能量，无人机在本地计算模式下的能量消耗包括飞行能耗和计算能耗；计算无人机在卸载计算模式下的能量消耗以及无人机剩余能量，无人机在卸载计算模式下的能量消耗包括飞行能耗和通信能耗。本发明在确保完成应急救援任务的同时，使无人机能够充分利用收集到的无线能量，提高无人机剩余能量，延长无人机工作时间。
-
公开(公告)号：CN110807443B
公开(公告)日：2023-04-25
申请号：CN201911181098.4
申请日：2019-11-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于参数自适应HMM模型的体感网心电信号分段方法，包括以下步骤：(1)将ECG信号x(n)输入系统；(2)对x(n)进行R波检测，标记R波位置，并计算R‑R间隙,保存最大R‑R间隙值RRmax，保存最小R‑R间隙值RRmin；(3)设置ECG分组阶数N初始值为2；(4)设置分组间隙Δ＝(RRmax‑RRmin)/N；(5)对各ECG分组进行初始化，提取特征，训练参数后进行特征波段识别；(6)计算HMM模型识别参数灵敏度SE和正检率+P；(7)模型阶数N值优化，当不满足灵敏度SE阈值大于92％和正检率+P阈值大于95％时，设置N＝N+1，返回步骤(4)；当满足灵敏度SE阈值大于92％和正检率+P阈值大于95％时，输出HMM模型识别结果。该方法对心电信号进行识别并分段，使得对于心电信号时变特性响应加快、正检率+P阈值高达98％。
-
公开(公告)号：CN110946556A
公开(公告)日：2020-04-03
申请号：CN201911375827.X
申请日：2019-12-27
Applicant: 南京信息工程大学
IPC: A61B5/00 , A61B5/11 , A61B5/0488
Abstract: 本发明公开了一种基于可穿戴式体感网的帕金森静息态震颤评估方法，属于无线传感器网络及其数据分析领域，特别涉及一种基于可穿戴式体感网的帕金森患者手臂震颤状态获取及识别。本发明通过测量上臂、下臂和手腕的姿态角，计算肘关节和腕关节的角度变化量，提取角度变化量的特征，提取肌电信号的实时特征，根据特征数据和UPDRS量表训练隐马尔可夫模型，输出当前最优状态序列。本方法可以为帕金森患者手臂震颤程度评估提供技术支持，为帕金森患者、老年人、体弱者等需要及时获知早期帕金森病症发生的人群提供理论依据。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.022 seconds)
