一种基于深度学习模型的多因子身份识别方法及系统

    公开(公告)号:CN118312757A

    公开(公告)日:2024-07-09

    申请号:CN202410372979.9

    申请日:2024-03-29

    Abstract: 本发明公开了一种基于深度学习模型的多因子身份识别方法及系统,包括:收集不同识别对象在监测区域行走过程中的多因子数据,包括信道状态信息和接收信号强度;对原始的多因子数据进行处理,转换为像素域的频率能量图;构建基于气球机制的深度学习神经网络模型;利用基因表达式编程算法寻找神经网络模型的最优参数;训练深度学习神经网络模型以获取识别对象与频率能量图之间的关联,通过频率能量图进行身份识别。本发明将复杂的多因子数据直观地映射到像素域图像中,可以同时考虑多种信息,提高了数据的维度和丰富性;通过气球机制有效地减少了模型的参数量,提高了训练速度,并降低了模型训练的复杂度。

    一种基于改进强跟踪滤波原理的电压暂降快速检测方法

    公开(公告)号:CN116908522A

    公开(公告)日:2023-10-20

    申请号:CN202310672832.7

    申请日:2023-06-07

    Abstract: 本发明公开一种基于改进强跟踪滤波原理的电压暂降快速检测方法,涉及电压暂降检测领域,旨在解决均方根电压暂降检测算法不能准确地确定暂降的起始和终止时间,也不会给出相位角的跳跃的问题,包括以下步骤:根据获取的电压信号构建强跟踪滤波器模型,并将强跟踪滤波器模型代入至改进强跟踪滤波算法中进行计算;根据次优渐消因子的突变时刻,确定基波电压实际暂降和恢复时间;计算求解基波电压信号的幅值和相角,确定其暂降深度和相角跳变角。本发明的一种基于改进强跟踪滤波原理的电压暂降快速检测方法,检测准确度高,具有很好的电压暂降检测效果。

Patent Agency Ranking