公开(公告)号：CN114844541A

公开(公告)日：2022-08-02

申请号：CN202210428661.9

申请日：2022-04-22

Applicant: 南通大学

Inventor： 孙强 ,  赵欢 ,  李飞洋 ,  蒋行健 ,  陈晓敏 ,  黄勋 ,  杨永杰

IPC: H04B7/0456

Abstract: 本发明涉及一种基于深度学习的混合预编码和反馈方法，离线训练阶段中首先由信道矩阵计算预编码矩阵和合并矩阵，并输入混合预编码深度学习模型训练，将输出的预编码矩阵和样本预编码矩阵输入压缩重建深度学习模型训练，然后将压缩重建模型拆分为压缩网络和重建网络，将混合预编码、压缩网络部署在接收端，重建网络部署在发送端。在线预测阶段中，接收端将信道矩阵输入混合预编码网络，得到预编码矩阵和合并矩阵，将预编码矩阵输入压缩网络，得到反馈信息并传输给发送端，发送端将反馈信息输入重建网络得到预编码矩阵。本发明利用深度学习技术，实现了预编码、合并矩阵的设计以及反馈，可获得较好的频谱效率，也减少了反馈的开销和硬件的复杂度。

公开(公告)号：CN114611792A

公开(公告)日：2022-06-10

申请号：CN202210238135.6

申请日：2022-03-11

Applicant: 南通大学

Inventor： 孙强 ,  陈逸彬 ,  徐爱兰 ,  蒋行健 ,  黄勋 ,  陈晓敏

IPC: G06Q10/04 ,  G06N3/04

Abstract: 本发明涉及一种基于混合CNN‑Transformer模型的大气臭氧浓度预测方法，设计了一种混合CNN‑Transformer模型，该模型由卷积神经网络和改进的Transformer模型组合构成。卷积神经网络由2个一维卷积层组成，Transformer模型由编码器和解码器组成，每个编码器有3个编码层，解码器有3个解码层。同时，在传统Transformer编码器解码器架构的基础上，为编码器的不同编码层之间加入了“编码器到编码器”的交叉多头注意力层，进一步挖掘不同编码层之间编码信息的关联。CNN模型可以在特征维度上很好地提取有效信息，弥补了Transformer模型中编码器提取信息能力不足的问题。该预测方法能够更真实地反映多元数据对臭氧浓度的影响，并通过CNN‑Transformer模型学习这种影响模式，从而给出更精确的臭氧浓度预测结果。

公开(公告)号：CN113989570A

公开(公告)日：2022-01-28

申请号：CN202111283615.6

申请日：2021-11-01

Applicant: 南通大学

Inventor： 陈晓敏 ,  邵卓雅 ,  马传辉 ,  赵涛涛 ,  孙强

IPC: G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及物联网智能穿戴设备技术领域，具体涉及一种基于嵌入式边缘人工智能的跌倒检测报警方法，包括以下步骤：步骤S0：搭建基于嵌入式边缘人工智能的跌倒检测报警系统；步骤S1：创建特征值数据集；步骤S2：创建FDMLP模型；步骤S3：跌倒检测；步骤S4：报警与求助。本发明采用学习率按迭代次数进行指数衰减的优化方法；建立了老人跌倒检测的特征值数据集；对模型进行全整数量化，在嵌入式设备上成功运行；通过通信模块及定位模块发送状态信息及定位信息至云服务器，将数据同步到家属的移动端应用程序以及时进行救助；在保证高精度判别的前提下有效提高模型的运行速度、降低模型的存储消耗；所有识别活动在设备端实现，保护了使用者的隐私数据。

公开(公告)号：CN113453148A

公开(公告)日：2021-09-28

申请号：CN202110710289.6

申请日：2021-06-25

Applicant: 南通大学 ,  南通先进通信技术研究院有限公司

Inventor： 孙强 ,  曹埔铭 ,  张子涵 ,  李翔宇 ,  李良程 ,  陈晓敏 ,  黄勋

IPC: H04W4/02 ,  H04W4/021 ,  H04W4/33 ,  H04W64/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种联合深度学习与加权K邻近算法的室内位置指纹定位方法，该方法首先在定位区域采集WLAN信号特征数据建立指纹库以训练卷积神经网络，之后基于该训练完成的CNN网络模型进行用户位置的初定位，然后根据用户初定位位置坐标确定用户在定位区域内的理论范围，并在局部蓝牙Mesh网络中应用加权K邻近算法进行用户精确位置定位，最后将用户精确位置坐标反馈给用户设备。本发明联合应用了深度学习模型与加权K邻近算法进行位置指纹定位算法的优化，提高了该算法的定位精度，同时联合应用了蓝牙Mesh与WiFi技术搭建主体网络，用户设备组网方便，可实现室内高精度定位。

公开(公告)号：CN111328058A

公开(公告)日：2020-06-23

申请号：CN202010115344.2

申请日：2020-02-25

Applicant: 南通大学

Inventor： 孙强 ,  李翔宇 ,  曹埔铭 ,  李良程 ,  杨雪薇 ,  陈晓敏 ,  杨永杰

IPC: H04W4/80 ,  H04W52/02 ,  H04W52/46

Abstract: 本发明公开了一种蓝牙Mesh低功耗节点动态唤醒方法，该方法主要包含两方面：第一，好友节点向低功耗节点(LPN)发送的数据包中捎带同步时钟信息，低功耗节点(LPN)每接收一次数据即进行时钟同步；好友节点可同步更新低功耗节点的动态唤醒时间，无需低功耗节点发送问询数据包，便可向低功耗节点发送数据；第二，低功耗节点处于唤醒状态；在唤醒周期内，若接收到新信息，则进行处理，然后逐渐降低唤醒时间；若未接收新信息，则逐渐增加唤醒时间。本发明能够同步更新低功耗节点(LPN)和好友节点的时钟和低功耗节点的动态唤醒时间，减少低功耗节点数据包发送，可进一步降低蓝牙Mesh组网过程中的功耗。