-
公开(公告)号：CN113093109A
公开(公告)日：2021-07-09
申请号：CN202110364688.1
申请日：2021-04-06
Applicant: 吉林大学
Abstract: 本发明涉及一种基于正交调频序列的多目标超声定位系统及方法，属于一种多目标超声定位系统及方法。定位系统包括控制器、发射器和接收器，定位方法是利用正交矩阵和线性调频信号设计正交调频发射序列，用该序列激励超声波发射器产生超声波调频信号，由于发射序列频率的正交性，多个超声信号同时传播时信号之间的相关性降低，解决发射信号彼此干扰的问题，同时，每个超声波调频信号的自相关性良好，传播时延的估计更加精确，系统的定位精度提高。本发明具有工作范围大、定位目标多、信号间干扰小以及定位精度高等优点，可广泛应用在人机交互、室内定位、机器人导航等领域。
-
Patent Agency Ranking
公开(公告)号：CN115032589B
公开(公告)日：2024-11-12
申请号：CN202210637855.X
申请日：2022-06-07
Applicant: 吉林大学
Abstract: 本发明涉及一种基于遗传算法的超声信号正交波形生成方法，属于无线定位与信号处理技术领域。采用遗传算法对超声信号的频率编码矩阵进行优化，得到优化后的频率编码矩阵，采用优化后的频率编码矩阵设计正交波形，获得超声波多址定位系统的正交发射信号，以发射信号的最大自相关旁瓣峰值和最大互相关峰值共同最小作为优化准则，采用遗传算法对超声信号的频率编码矩阵进行优化。本发明得到的优化后的频率编码矩阵可以提高信号正交性，采用遗传算法可以降低波形优化的计算复杂度，提高优化效率。
-
公开(公告)号：CN113869255B
公开(公告)日：2024-09-24
申请号：CN202111168785.X
申请日：2021-09-30
Applicant: 吉林大学
Abstract: 本发明涉及一种基于四元数的空中笔势识别方法，属于人机交互技术领域。进行规定笔势动作，获取笔势对应的四元数序列，进行数据预处理，构建空中笔势识别模型，划分训练集和验证集，将训练集作为训练样本输入所述的空中笔势识别模型，输出训练结果，作为测试集的四元数序列输入空中笔势识别模型将四元数序列分类，实现笔势识别。优点是降低了数据输入维度，减少了计算成本，在减少数据预处理复杂度的同时，还减少了由于加速度数据漂移带来的误差，也可以进一步提高笔势识别率，使得模型可以适应不稳定的目标函数，在小样本时也保持较高的识别率，避免了过拟合现象的发生。
-
公开(公告)号：CN115032589A
公开(公告)日：2022-09-09
申请号：CN202210637855.X
申请日：2022-06-07
Applicant: 吉林大学
Abstract: 本发明涉及一种基于遗传算法的超声信号正交波形生成方法，属于无线定位与信号处理技术领域。采用遗传算法对超声信号的频率编码矩阵进行优化，得到优化后的频率编码矩阵，采用优化后的频率编码矩阵设计正交波形，获得超声波多址定位系统的正交发射信号，以发射信号的最大自相关旁瓣峰值和最大互相关峰值共同最小作为优化准则，采用遗传算法对超声信号的频率编码矩阵进行优化。本发明得到的优化后的频率编码矩阵可以提高信号正交性，采用遗传算法可以降低波形优化的计算复杂度，提高优化效率。
-
公开(公告)号：CN113869255A
公开(公告)日：2021-12-31
申请号：CN202111168785.X
申请日：2021-09-30
Applicant: 吉林大学
Abstract: 本发明涉及一种基于四元数的空中笔势识别方法，属于人机交互技术领域。进行规定笔势动作，获取笔势对应的四元数序列，进行数据预处理，构建空中笔势识别模型，划分训练集和验证集，将训练集作为训练样本输入所述的空中笔势识别模型，输出训练结果，作为测试集的四元数序列输入空中笔势识别模型将四元数序列分类，实现笔势识别。优点是降低了数据输入维度，减少了计算成本，在减少数据预处理复杂度的同时，还减少了由于加速度数据漂移带来的误差，也可以进一步提高笔势识别率，使得模型可以适应不稳定的目标函数，在小样本时也保持较高的识别率，避免了过拟合现象的发生。
-
公开(公告)号：CN107609602A
公开(公告)日：2018-01-19
申请号：CN201710894156.2
申请日：2017-09-28
Applicant: 吉林大学
Abstract: 本发明公开了一种基于卷积神经网络的驾驶场景分类方法，包括以下步骤：道路环境视频图像采集；交通场景类别划分并建立交通场景识别数据库；从交通场景识别数据库中提取不同驾驶场景的样本图片，利用深度卷积神经网络对样本图片进行特征提取和多重卷积训练，将像素值光栅化，并连接成一个向量输入到传统的神经网络，得到卷积神经网络输出，实现对不同种类驾驶场景的深度学习；对搭建的卷积神经网络的网络结构进行参数优化，得到训练好的卷积神经网络分类器，对交通场景识别模型进行调整，选出最优方式作为交通场景识别模型的标准；实时采集待测交通场景图像，输入到交通场景识别模型中对道路环境场景进行识别。
-
-
-
-
-
Search Results
6
records
(took 0.077 seconds)
