公开(公告)号：CN118444159A

公开(公告)日：2024-08-06

申请号：CN202410444223.0

申请日：2024-04-15

Applicant: 杭州电子科技大学

Inventor： 高明裕 ,  鲍政怡 ,  何志伟 ,  杨宇翔 ,  董哲康 ,  林辉品

IPC: G01R31/367 ,  G01R31/382 ,  G01R31/396

Abstract: 本发明公开了一种Mamba架构驱动的电池包SOC与SOE估计方法，该方法首先电动汽车电池包原始数据采集和预处理，并将预处理后的电池数据制作为数据集。其次构建Mamba网络，所述Mamba网络模型包括全连接层、特征层正则化、门控单元及选择性状态空间模型SSM模块。最后搭建两个任务层，由Mamba网络的输出，分别实现电动汽车电池包SOC与SOE的估计。本发明同时估计电池包SOC与SOE，提高模型计算效率，减少计算与存储需求，测量过程简单，并能够及时、准确估算锂离子电池SOC与SOE。

公开(公告)号：CN114676005B

公开(公告)日：2024-05-14

申请号：CN202210263087.6

申请日：2022-03-17

Applicant: 杭州电子科技大学

Inventor： 黄继业 ,  郭童栋 ,  赵知劲 ,  杨宇翔 ,  董哲康

IPC: G06F11/22

Abstract: 本发明公开了一种基于JTAG的FPGA图像分类加速器测试方法，包括如下步骤：S10、将测试图片转换成若干个mif文件；S11、控制JTAG向FPGA图像分类加速器板卡分多次传输测试图像；S12、每张测试图像分类完成后从FPGA板卡获取分类标签，将分类结果写入本地文件；S13、根据所述写有分类结果的本地文件与测试数据集标准结果进行对比，统计分类准确率。采用上述技术方案，提高FPGA图像分类加速器测试电路部署效率，免去使用复杂的通信接口与协议，同时降低加速器板卡的硬件需求，提高测试的效率。由于FPGA板卡均带有JTAG接口，因此无需其他通信接口就能快速搭建卷积神经网络加速器数据集测试平台，从而减少了存储和寄存器资源的消耗，同时测试效率有明显的提升。

公开(公告)号：CN117538786A

公开(公告)日：2024-02-09

申请号：CN202311764238.7

申请日：2023-12-21

Applicant: 杭州电子科技大学

Inventor： 高明裕 ,  陈柏丞 ,  黄继业 ,  杨宇翔 ,  曾毓 ,  李平 ,  何志伟

IPC: G01R31/389 ,  G01R31/392 ,  G01R27/14

Abstract: 本发明公开了一种基于磁耦合的电池内阻测量系统及方法，该系统由激励信号源通过并行接口连接数字‑模拟转换电路，数字‑模拟转换电路与电压‑电流转换电路直接连接，电压‑电流转换电路通过磁信号与光信号与磁隔电池耦合电路连接，磁隔电池耦合电路通过高通滤波器与采样放大电路连接，采样放大电路经过模拟‑数字转换电路使用串行接口与采集控制器连接。本发明电路结构简单，测量过程安全、精度高、速度快，可以实现动力电池内阻的安全检测，对电池无损害。

公开(公告)号：CN111275618B

公开(公告)日：2023-09-29

申请号：CN202010029063.5

申请日：2020-01-12

Applicant: 杭州电子科技大学

Inventor： 曹旗 ,  杨宇翔 ,  高明煜 ,  董哲康 ,  何志伟 ,  曾毓

IPC: G06T3/40 ,  G06N3/0464

Abstract: 本发明公开了一种基于双支感知的深度图超分辨率重建网络构建方法。传统的深度图像超分辨方法在效果和速度都不如基于卷积神经网络的方法，但大部分的超分辨卷积神经网络框架都都只是堆叠的卷积层，没有网络结构能判断彩色图像的纹理区域是否和深度图像中的纹理区域相关。本发明的基于注意力机制的卷积神经网络结构可以利用可学习参数判断彩色特征图像的纹理是否是深度图像重建所需要的，即可以更好的利用彩色图像所提供的信息，经过多级的感知机制最终获得筛选后的精细化的特征图像，融合这些信息对深度图像进行超分辨率重建。并且利用残差学习的思想，减轻了卷积神经网络的负担，提升了深度图像的重建效果。

公开(公告)号：CN111950583B

公开(公告)日：2023-09-26

申请号：CN202010505035.6

申请日：2020-06-05

Applicant: 杭州电子科技大学 ,  星际控股集团有限公司

Inventor： 高明煜 ,  陈超 ,  董哲康 ,  杨宇翔 ,  阮成杨 ,  陈利丰

IPC: G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06V20/58 ,  G06V10/80

Abstract: 本发明公开了一种基于GMM聚类的多尺度识别交通信号标志的方法。识别方法为：通过GMM聚类得到先验框尺寸作为网络的参数参与训练；先训练数据集中出现过多类的样本图像：将待训练图像输入神经网络中，网络提取输入图像不同层次的特征图，再通过上采样和特征融合，最后输出五个不同尺度的预测结果。通过迭代训练更新模型参数，得到过渡模型；按上述方法训练出现过少类的样本图像，得到最终模型；识别时将待识别图像输入最终模型，得到图像相应位置上的识别结果。通过GMM聚类，提高了网络的训练速度、识别速度和精度；通过多尺度预测，解决了交通信号标志太小，难以检测的问题；通过迁移学习的方法，解决了数据集少导致识别效果差的问题。

公开(公告)号：CN111814417B

公开(公告)日：2023-09-26

申请号：CN202010531916.5

申请日：2020-06-11

Applicant: 杭州电子科技大学

Inventor： 黄继业 ,  闻勇强 ,  高明裕 ,  何志伟 ,  杨宇翔 ,  林辉品

IPC: G06F30/34

Abstract: 本发明公开了基于字符分隔值文件转换Verilog代码的方法：S1，读取字符分隔值总文件中的数据，根据总文件内的记录去搜索符合条件的字符分隔值子文件；S2，处理字符分隔值总文件和子文件内的数据，生成端口信号列表和变量定义部分的Verilog代码；S3，给每个字符分隔值子文件分配状态号区间，读取各个子文件内的状态跳转数据，生成状态跳转部分的Verilog代码；S4，读取每个字符分隔值子文件内对应状态所执行的操作，生成各个状态语句执行的Verilog代码。本发明为字符分隔值文件数据转化到硬件描述提供了切实可行的方案，当需要编写的状态机状态很多时，可有效简化状态的插入和删除问题以及子状态机间相互跳转问题，能够降低代码编写的出错率，提高开发的效率。

公开(公告)号：CN116628397A

公开(公告)日：2023-08-22

申请号：CN202310581655.1

申请日：2023-05-22

Applicant: 杭州电子科技大学

Inventor： 黄继业 ,  陈协和 ,  田大海 ,  董哲康 ,  杨宇翔 ,  李平

IPC: G06F17/11 ,  G06F17/16

Abstract: 本发明公开了一种基于FPGA的龙贝格积分硬件逻辑实时求解方法，包括以下步骤：S1、构建待求积分等式预处理模块；S2、根据逐次分半加速法以及S1中的预处理模块，构建数值参数模块；S3、构建局部并行计算数值参数模块，与S2中的数值参数模块组成积分计算迭代模块；S4、根据用户设定的数据精度误差ε和实时迭代控制模块，控制参数迭代精度并输出积分值。本发明通过流水线架构和并行处理能力，提高数值迭代的速度，缓解计算时延问题，提供高精度积分值。

公开(公告)号：CN114310872B

公开(公告)日：2023-08-22

申请号：CN202111427395.X

申请日：2021-11-29

Applicant: 杭州电子科技大学

Inventor： 高明裕 ,  周海平 ,  董哲康 ,  杨宇翔 ,  曾毓

IPC: B25J9/16

Abstract: 本发明涉及一种基于DGG点云分割网络的机械臂自动打菜方法。实现自动打菜首先需要对打菜点位姿进行估计，根据不同的菜品种类和菜品量选择不同的打菜动作，再对六轴机械臂的路径和轨迹进行规划，最后实现菜品的挖取。目前餐厅内主要通过人工实现打菜工作，具有效率低、劳动力成本高等缺点。本发明通过深度相机采集菜品表面的点云数据，提出一种基于图卷积的点云分割网络DGG实现对打菜点的预测，根据具体的打菜动作计算得到打菜点的姿态信息，再通过三次B样条插值和Squad插值算法对机械臂末端的轨迹进行规划，最后控制机械臂完成打菜任务。

公开(公告)号：CN116561054A

公开(公告)日：2023-08-08

申请号：CN202310506445.6

申请日：2023-05-06

Applicant: 杭州电子科技大学

Inventor： 黄继业 ,  沈祖翔 ,  刘鑫 ,  董哲康 ,  高明裕 ,  杨宇翔

IPC: G06F15/78 ,  G06F13/40 ,  G06F12/02

Abstract: 本发明公开了一种基于FPGA的多路数据低延迟DDR片外访存方法，包括以下步骤：S1、写信号有效时根据地址片轮转调度方法选择写入地址和读出地址；S2、通过握手型异步FIFO对数据进行跨时钟域处理，拼接数据使得位宽符合DDR最大缓存标准；S3、通过写仲裁将各个通道数据写入地址调度选择的DDR地址空间；S4、读信号有效时更新读出地址为地址调度选择的读出地址；S5、通过读仲裁从地址调度选择的读出地址读出数据；S6、通过握手型异步FIFO对数据进行跨时钟域处理，并将缓存数据分解为符合数据接收端位宽的数据。该方法通过仲裁实现多路数据协同访存DDR，避免读写冲突导致的竞争，从而提高访存效率。

公开(公告)号：CN116385713A

公开(公告)日：2023-07-04

申请号：CN202310356618.0

申请日：2023-04-04

Applicant: 杭州电子科技大学

Inventor： 何志伟 ,  许安琪 ,  聂佳浩 ,  杨宇翔 ,  吕旭冬 ,  高明裕 ,  董哲康

IPC: G06V10/25 ,  G06V10/80 ,  G06V10/77 ,  G06V10/766

Abstract: 本发明公开了一种基于级联霍夫曼投票的3D点云单目标跟踪方法，其特征在于，包括如下步骤：S1、构建目标模板(点云序列中给定的一个跟踪目标)和搜索区域的数据集，通过PointNet++，将目标模板及搜索区域的点进行下采样并提取采样点的特征，得到目标模板特征和搜索区域特征通过融合PointNet++输出的与得到特征增强的搜索区域的特征S2、基于特征进行级联的霍夫曼投票将搜索区域的点进行偏移，得到了M2个搜索区域点的状态信息从而逐步回归到潜在的目标中心；S3、对进行聚类得到聚类后的点的状态信息Tj；S4、基于聚类后的点的状态信息进行预测。该方法所提的级联霍夫曼投票策略可以嵌入到目前主流的3D点云单目标跟踪方法中，能够有效地提高跟踪地准确率。