基于动量加速差分进化的最优位置估计方法

    公开(公告)号:CN118604724A

    公开(公告)日:2024-09-06

    申请号:CN202410640104.2

    申请日:2024-05-22

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于动量加速差分进化的最优位置估计方法,包括以下步骤:(1)采用UWB和RTK无线测距技术获取所需的测距和RTK坐标数据,并依此建立完备的TOA定位模型;(2)利用PDOA设备获取的俯仰角信息,PDOA到达角的位置有空间区分度,以此作为TOA非线性方程组增添约束条件;(3)利用改进的差分进化算法求解非线性方程组的最优解;本方法包括基于最小二乘法的初值选择、基于动量加速的梯度更新策略和基于历史信息的搜索方向更新策略共同实现,该方法采用无线测距技术获取所需的测距定位和角度数据,有效抑制待定位目标的Z方向结果误差,同时提升最优位置估计方法的解算速度。

    一种生成图像超分辨网络的神经组件搜索方法

    公开(公告)号:CN113298239B

    公开(公告)日:2024-04-16

    申请号:CN202110762910.3

    申请日:2021-07-06

    Applicant: 东南大学

    Inventor: 莫凌飞 管旭辰

    Abstract: 本发明公开了一种生成图像超分辨网络的神经组件搜索方法,该方法可搜索不同算力限制下的图像超分辨网络,其网络大小可伸缩。该方法除神经网络结构外,还可搜索色彩空间、损失函数组成及其他影响神经网络训练、推理性能的神经组件。该方法同时使用权值共享策略,全部搜索空间构建的超图权值可以被搜索出来的子图继承,大大加快了搜索时间。本发明针对图像超分辨重建应用,构建了简易性超图,并搜索出慢、一般、快三种图像超分辨网络。此外,该发明不仅适用于图像超分辨网络这一领域,也可作为一个通用框架,通过更改搜索空间,可使用提出的伸进组件搜索方法搜索出其他应用的神经网络。

    一种新型电子界址点读写器终端设备

    公开(公告)号:CN115660008A

    公开(公告)日:2023-01-31

    申请号:CN202211430407.9

    申请日:2022-11-08

    Applicant: 东南大学

    Abstract: 本发明提供了一种新型电子界址点读写器终端设备,包括读写器盒体,硬件电路、天线组和固定支架,所述硬件电路安装在盒体内部,包括PCB板和与所述PCB板电连接的控制器、存储器、电源管理模块、RTK模块、UWB测距模块、无线通信模块一、无线通信模块二、机器学习模块、输入输出模块。所述天线组安装在盒体的外部表面特定位置,RTK模块获取读写器的实时位置坐标信息,所述UWB测距模块获取读写器与目标电子界址点实时距离信息,所述机器学习模块中部署轻量型的深度学习模型,所述固定支架将读写器安装在无人机或地面机器人等载体上。本发明与电子界址点和云服务器协同工作,适用于对室外空域遮蔽区的高精度定位。

    一种图像超分辨生成网络的结构搜索方法

    公开(公告)号:CN110930308B

    公开(公告)日:2022-11-08

    申请号:CN201911116480.7

    申请日:2019-11-15

    Applicant: 东南大学

    Inventor: 莫凌飞 管旭辰

    Abstract: 本发明公开了一种图像超分辨生成网络的结构搜索方法,由网络结构控制器自动采样最优的生成器的网络结构,不再依赖专家手工设置,采样出的图像超分辨生成网络可以根据自身性能给网络结构控制器提供奖励信号,使得网络结构控制器不断更新自身参数,且高分辨生成图像可获得最优峰值信噪比和结构相似性;当所需进行超分辨操作的图像大小、特征发生改变时,重新通过网络结构控制器搜索得到当前特征形态图像下的最优图像超分辨生成网络。

    一种基于加权水平可见图的旋转机械故障诊断方法

    公开(公告)号:CN113092044B

    公开(公告)日:2022-03-18

    申请号:CN202110347411.8

    申请日:2021-03-31

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于加权水平可见图的旋转机械故障诊断方法,本方法将传感器时序信号转换为水平可见图,可以在保持时间序列非线性动态特性的同时,引入图的拓扑结构特性,并利用采样序号的差值对边进行加权,以减弱时序上相距过远但仍有连接的影响。进一步地,使用图神经网络对转换得到的加权水平可见图进行学习,所使用的图神经网络聚合层使用不同线性变换函数对中心节点和邻接节点加权聚合,有效提高模型表达能力。本发明将传感器时序信号转换为加权水平可见图,结合图神经网络,可以挖掘更多有助于故障诊断的特征,有效提高故障诊断精度。

    一种基于全景环视系统的车辆刮痕检测方法及系统

    公开(公告)号:CN108021926A

    公开(公告)日:2018-05-11

    申请号:CN201710904966.1

    申请日:2017-09-28

    Applicant: 东南大学

    Abstract: 一种基于全景环视系统的车辆刮痕检测方法及系统,通过有标签训练样本集对深度学习网络模型进行训练获得可进行准确分类的深度学习神经网络模型,利用该模型对经畸变校正和预处理的全景环视系统所采集的车身图像进行处理,获得车辆的刮痕状况。本发明可自动识别车辆刮痕,判定驾驶员安全驾驶状况,为汽车租赁和车辆保险行业提供差异化产品和服务提供依据。通过对有标签训练样本的选择,增加对训练样本图像的数据增强处理以及对深度学习网络模型的训练,本发明相较于现有图像识别技术,具有更高的识别准确度。其配合全景环视系统,可有效避免人工检测中遗漏刮痕状况的出现。

    基于深度学习的汽车碰撞检测方法及系统

    公开(公告)号:CN107657237A

    公开(公告)日:2018-02-02

    申请号:CN201710904968.0

    申请日:2017-09-28

    Applicant: 东南大学

    Abstract: 一种基于深度学习的汽车碰撞检测方法及系统,主要由视频录制装置和部署在服务器端的图像检测系统构成。视频录制装置采集汽车周围图像后,由部署在服务器上的图像检测系统对图像中出现的汽车进行定位和类别分类,根据分类结果以及汽车边界框之间的最小距离,当所述汽车边界框之间的最小距离低于安全间距时发出警告或进行记录。由于本发明基于深度神经网络进行特征提取、定位和分类,图像检测的准确率和召回率都比传统的计算机视觉方法高很多,因此,本发明能够对驾驶员的驾驶行为,尤其对其驾驶车辆发生危险驾驶或碰撞的场景进行有效评估。本发明在车辆间距小于安全间距时记录相关图像,有较高的效率、准确度和实用性。

    一种基于tesseract引擎的文字识别方法及装置

    公开(公告)号:CN105825214A

    公开(公告)日:2016-08-03

    申请号:CN201610143955.1

    申请日:2016-03-14

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于tesseract引擎的文字识别方法及其对应的装置,利用云端服务器对本地文字库进行升级来修正tesseract引擎的识别结果,提高了tesseract引擎识别图像中文字的精度。本发明所述的文字识别装置包括服务器、tesseract引擎模块、云端服务器和本地文字库。升级本地文字库时,服务器采用云端服务器识别出的文字对tesseract引擎模块的识别结果进行修正,将tesseract引擎模块无法正确识别的文字补充进本地文字库。这样,进行文字识别时则可以通过查询本地文字库来提升识别精度。本发明利用升级后的本地文字库修正tesseract引擎模块的识别结果,可以达到与直接利用云端服务器进行文字识别相同的精度同时也可缩短文字识别运算的时间,适合将日常学习与工作中的图片识别成文字。

    一种双环感应馈电结构平面抗金属标签天线

    公开(公告)号:CN103872451B

    公开(公告)日:2016-04-13

    申请号:CN201410128213.2

    申请日:2014-04-01

    Applicant: 东南大学

    Inventor: 莫凌飞 李晨阳

    Abstract: 本发明公开了双环感应馈电结构平面抗金属标签天线的设计方法,该方法在于天线由金属地面、基板、金属辐射面、双环感应馈电结构、射频识别芯片组成,基板位于金属地面和金属辐射面中间,双环感应馈电结构位于金属辐射面上且与金属辐射面留有间隙。调整双环感应馈电结构长度值Lloop能够改变平面抗金属标签天线的电抗值,调整双环感应馈电结构与金属辐射面间隙的宽度值Wgap能够改变平面抗金属标签天线的电阻值通过平面抗金属标签天线阻抗值Z的调节,使之与射频识别芯片的阻抗共轭匹配,实现识别距离的最大化。本发明所设计的天线,辐射面积较大,读取距离远,阻抗匹配灵活,能够采用导电银浆或导电墨水印刷生产,降低成本。

    基于特征相似度的UWB NLOS识别及测距误差补偿方法

    公开(公告)号:CN119004133A

    公开(公告)日:2024-11-22

    申请号:CN202411102934.6

    申请日:2024-08-13

    Applicant: 东南大学

    Abstract: 本发明提供了一种基于特征相似度的UWB NLOS识别及测距误差补偿方法,包括以下步骤:(1)利用UWB基站与UWB标签获取距离观测值、信道传播状态,射频信道特征与CIR信号,包括参考CIR信息与采样CIR信息;(2)计算参考CIR与采样CIR之间的信道相似度,构造信道相似特征向量。(3)基于射频信道特征与信道相似特征向量的模式输入,构建NLOS识别深度学习模型;(4)调整参数结构,将NLOS识别深度学习模型转化为误差补偿模型;本发明通过对特征相似度进行计算,增强了特征表示能力,从而提高了UWB NLOS识别的准确性;本发明通过对CIR序列进行相似度计算,有效减少了输入参数,从而降低了模型的计算复杂度,提高了模型的推理效率;本发明还通过调节模型参数,同时实现UWB NLOS的识别及误差补偿功能,提高了模型的利用效率,减少了模型的大小。

Patent Agency Ranking