专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果4648027个,建议您升级VIP下载更多相关专利
  • [发明专利]基于多维熵特征信号特征提取方法-CN202110180654.7在审
  • 王瑞;李靖超;邓波;沈家兰 - 上海电机学院
  • 2021-02-08 - 2021-05-14 - G06K9/00
  • 本发明提供一种基于多维熵特征信号特征提取方法,包括步骤:S1:对多种目标信号进行仿真;S2:对所述目标信号进行小波熵特征提取,获得小波能量熵;S3:对进行小波熵特征提取后的所述目标信号进行模糊熵特征提取,获得模糊熵;S4:对进行模糊熵特征提取后的所述目标信号进行多维熵特征提取。本发明的一种基于多维熵特征信号特征提取方法,采用小波能量熵、模糊熵组成多维熵特征信号进行“切片”处理,分层进行特征提取,解决特征信号出现交叠无法分类的情况。
  • 基于多维特征信号提取方法
  • [发明专利]脉搏特征提取装置及脉搏特征提取方法-CN201410483233.1在审
  • 沙浩 - 株式会社日立制作所
  • 2014-09-19 - 2016-03-30 - A61B5/02
  • 本发明提供脉搏特征提取装置及脉搏特征提取方法,提取脉搏信号特征。脉搏特征提取装置具备:脉搏信号获取单元,获取一个周期以上的脉搏信号;脉搏信号分类单元,至少根据一个周期的脉搏信号中的极值点的数量,对脉搏信号进行分类,从而获得脉搏信号的类型;以及脉搏特征提取单元,与脉搏信号的类型相应地确定脉搏信号特征点,并根据特征点的信息提取脉搏信号特征。根据本发明的脉搏特征提取装置,能够准确地获得脉搏信号特征点的位置,从而准确地提取脉搏信号特征
  • 脉搏特征提取装置方法
  • [发明专利]一种信号调制识别方法-CN202210532212.9在审
  • 许华;庞伊琼;蒋磊;史蕴豪;彭翔 - 中国人民解放军空军工程大学
  • 2022-05-09 - 2022-08-16 - G06K9/00
  • 本公开是关于一种信号调制识别方法。该方法包括:利用卷积神经网络和长短时记忆网络构建特征提取网络,并向特征提取网络中引入卷积注意力机制;采用训练集对引入卷积注意力机制后的特征提取网络进行训练,得到训练好的特征提取网络;通过测试集对训练好的特征提取网络进行测试,确定测试集中待识别信号样本的调制样式。通过上述信号调制识别方法,通过构建特征提取网络,并向其引入卷积注意力机制,利用训练集对引入卷积注意力机制的特征提取网络进行训练,以使训练好的特征提取网络学习信号分类经验,训练完成的特征提取网络具有很好的泛化性能,在测试集对训练完成的特征提取网络进行测试时,可以实现确定出测试集中待识别信号样本的调制样式。
  • 一种信号调制识别方法
  • [发明专利]一种基于深度学习技术的AI接收机及使用方法-CN202210337246.2有效
  • 李猛;孙黎;王熠晨 - 西安交通大学
  • 2022-04-01 - 2023-02-07 - H04B17/391
  • 本发明公开了一种基于深度学习技术的AI接收机及方法,包括三个神经网络,一个信道特征提取器、一个信号特征提取器和一个信号检测分类器,信道特征提取器根据到信号进行信道信息的估计和提取,信道特征提取提取器的输出馈送到信号特征提取器,帮助信号特征提取提取出消除信道影响之后的特征信号特征信号最终送入信号检测分类器进行恢复。本发明解决深度学习架构的非通信专属特性与通信信号检测的实时和精准需求不匹配的问题,同时提高AI接收机的迁移能力和泛化能力,将数字通信领域知识嵌入到神经网络的设计中,使得设计的通信系统接收机具有更高泛化能力和鲁棒性
  • 一种基于深度学习技术ai接收机使用方法
  • [发明专利]融合源端影响的三心拍多模型综合决策心电特征分类方法-CN202010122175.5有效
  • 王量弘;许林培;刘硕;陈钧颍;傅颖娴;徐璐;杨依婷 - 福州大学
  • 2020-02-27 - 2021-08-31 - A61B5/346
  • 本发明涉及一种融合源端影响的三心拍多模型综合决策心电特征分类方法,包括以下步骤;步骤S1:采集待测心电信号,并进行预处理,得到心电信号数据集;步骤S2:构建特征提取模型,并提取心电特征和源端特征;步骤S3:构建解码重构模型,并通过解码重构模型将特征提取模型所提取特征还原成心电信号;步骤S4:构建特征分类模型,对特征提取模型所提取的心电特征进行分类;步骤S5:训练特征提取模型以及解码重构模型,并以解码重构模型的生成信号与原始信号的差异训练特征提取模型以及解码重构模型;步骤S6:融合循环训练步骤S2的特征提取模型的特征,融合决策分类结果。本发明优化特征提取,综合考虑各种因素以提高心电分类准确度。
  • 融合影响三心拍多模型综合决策特征分类方法
  • [发明专利]一种基于时频特征融合的肌电信号解码方法-CN201911029831.0有效
  • 滑少扬;王从庆 - 南京航空航天大学
  • 2019-10-28 - 2023-04-18 - G06F18/213
  • 本发明公开了一种基于时频特征融合的肌电信号解码方法,步骤为:采集时域肌电信号,并将时域信号转换为频域信号,对时域信号和频域信号分别进行信号预处理;根据预处理后的时域信号和频域信号,分别构造并训练初始时域特征提取网络和初始频域特征提取网络;采用迁移学习技术,将初始时域特征提取网络和初始频域特征提取网络在其最后一层进行连接,并添加新的全连接层进行整体训练,得到最终的时域特征提取网络和频域特征提取网络,并将其融合为一个网络,利用融合后的网络进行测试,实现肌电信号解码。
  • 一种基于特征融合电信号解码方法
  • [发明专利]基于多尺度的环境特征提取方法-CN202111341770.9在审
  • 王念滨;沙忠澄;张政超;何鸣;王红滨;王勇;周连科;孙彧 - 哈尔滨工程大学
  • 2021-11-12 - 2022-02-25 - G06K9/00
  • 基于多尺度的环境特征提取方法,涉及水下声纹特征提取技术领域,针对现有技术中模型特征提取准确率低的问题,包括:步骤一:采集水声信号数据,并将水声信号数据的特征进行标记,之后利用标记后的水声信号数据构成数据集;步骤二:对数据集进行预处理,并将预处理后的数据集作为训练集;步骤三:利用训练集训练多尺度的环境特征提取网络模型;步骤四:利用训练好的多尺度的环境特征提取网络模型对水域环境的水声信号进行特征提取。本申请使用局部切这样更加均衡的切分方式,提高了模型特征提取的准确率。
  • 基于尺度环境特征提取方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top