원래 이름 기록: 重庆邮电大学

本发明公开了基于异常驾驶行为的车辆驾驶权转移方法和电子设备，该方法包括：采集驾驶员状态数据、车辆行驶状态数据和道路环境数据，进行多源数据融合；根据多源数据分别进行异常驾驶行为检测，评估行车风险；利用基于情境的规则引擎决策模型来决定即将采取的应对措施，应对措施包括基于高级辅助驾驶系统或者自动驾驶系统的预警类动作、辅助控制类动作、强制接管类动作以及各动作之间的相互切换；当车辆被强制接管行驶n分钟后，根据实时采集的驾驶员状态数据和当前的综合行车风险评分判断当前车辆是否适合驾驶员接管，根据判断结果确定是否进行驾驶权转移。本发明提高异常驾驶行为检测的准确性，智能进行车辆驾驶权转移，提高驾驶安全性。

本发明涉及一种融合直接与间接社交关系的微博情感分析方法，属于自然语言处理领域。该方法包含以下步骤：1、利用多层混合网络提取微博文本特征2、通过链接预测挖掘用户间的间接社交关系，并利用直接与间接社交关系构造微博关系图谱3、利用内容相似性优化微博关系图谱，滤除图中的噪声信息4、利用图注意网络将微博关系图中的社交信息融入到微博文本特征中5、通过全连接分类层对目标微博的情感类别进行预测。本发明提出的融合直接与间接社交关系的微博情感分析方法，同时考虑了用户间的直接与间接社交关系，并将社交信息有效融合到目标微博特征中，使得模型能够捕捉到更广泛的情感信息，具有较强的情感识别能力。

本发明公开了一种基于记忆引导和并行全局混合的时空数据预测方法，属于人工智能数据处理领域，旨在解决状态空间模型(SSM)因其顺序处理模式与多维时空数据存在架构失配，导致难以有效捕捉空间依赖且计算效率受限的问题。本方法的核心技术方案包括：首先，通过交叉注意力机制从历史记忆库中动态聚合与当前状态相关的历史上下文表征；然后，将该历史上下文表征与当前状态通过门控机制融合为增强特征表征；最后，采用并行的全局状态混合器，通过一次性的非递归全局聚合操作并行处理所有时空节点信息，以生成预测输出。本发明通过并行全局混合机制解决SSM架构失配问题，有助于降低计算资源消耗，提高了长时程预测任务的性能。

本发明涉及一种基于文本增强与模态补全感知融合的多模态情感分析方法，属于自然语言处理领域。该方法包含以下步骤：1、利用预训练语言模型提取文本语义特征，非文本特征进行线性变换形成统一的多模态输入表示2、在预训练语言模型中注入跨模态增强模块，以文本为核心融合非文本信息，并通过受控反向交互提升模态间的对齐性3、引入模态补全模块，通过重建损失与随机模态丢弃生成缺失模态补全表示，结合卷积门控结构抑制噪声特征4、以模态补全信号为监督，引导全连接网络学习模态权重实现进行情感分类与回归的联合优化。本发明所提方法，在保持文本主导性上，通过跨模态交互与动态加权，结合模态补全机制，使得模型具有较强的情感识别能力。

本发明涉及集成电路设计自动化技术领域,公开了集成电路设计全流程协同验证与一致性保障方法，该方法包括：构建统一设计数据模型,以多层次属性图结构表征从功能规格到物理布局的设计数据；建立设计意图保持机制,通过意图语义标注、跨层次实体映射和意图保持度评估,追踪设计意图在层次细化过程中的传递；执行混合验证策略,将形式化验证与动态仿真结合,并通过覆盖率反馈机制指导验证资源分配；实施约束一致性检查,在设计流程的关键节点进行约束对比,自动识别和定位约束冲突；生成一致性验证报告,汇总验证结果为设计决策提供依据，本发明能够将设计错误的捕获时间提前80%,设计迭代次数减少40%,显著提高设计质量和效率。

本发明提出了一种基于双先验的多尺度金字塔加权融合水下图像增强方法，包括：获取退化的水下图像，对退化的水下图像进行全局和局部协同体颜色校准；采用变分分解算法将颜色校正图像分解为基础层、细节层以及噪声层；对基础层图像进行光谱先验与透射率损失约束，得到去雾图像；将细节层图像和噪声层图像进行融合，得到滤波后的图像；采用非线性映射与对比度增强策略对滤波后的图像进行增强处理，得到增强图像；采用多尺度金字塔自适应加权融合方法对去雾图像和增强图像进行多层次特征整合与重建，得到具有自然色彩和高视觉清晰度的水下图像；本发明结合传统图像处理与变分优化思想有效校正退化水下图像的颜色偏差、提升图像对比度与细节清晰度，提高了水下图像的可视化效果。

本发明提供一种基于深度学习的髁突CBCT医学图像分割方法，涉及医学图像分割技术领域，具体步骤包括：从待诊患者的原始CBCT图像中裁切出髁突图像，同时收集患者的原始临床数据并转换为临床特征向量，将编码器的多尺度特征与解码器的多尺度特征进行合并，得到融合特征，利用多模态融合模型，得到分割概率图，应用边缘检测算法提取分割边界，并识别和连接断裂端点，获得连续闭合的髁突分割掩码，将髁突分割掩码与原始CBCT图像逐点乘积，得到优化的髁突图像。本发明通过精确标记断裂端点、构建距离变换图及采用最短路径搜索算法，既保留初始轮廓的精准性，又达到了完整闭合的要求，避免了修复后边界与真实生理形态脱节。

本发明涉及一种面向工业质检的双分支重构式图像异常检测方法，属于异常检测领域。该方法包括以下步骤：1)对原始工业图像进行伪异常合成，构建包含异常特征的训练样本；2)采用预训练的特征提取网络，对伪异常样本与正常样本分别进行特征提取；3)使用Butterworth高通滤波器提取伪异常样本的高频成分；4)构建双分支重构网络，分别对伪异常特征和高频成分进行重构，并以正常样本特征分布为目标，实现伪异常数据的特征对齐与重构；5)通过与多种现有方法对比实验，验证所提方法在异常检测任务中的有效性。本发明的创新点在于提出一种新的伪异常数据生成机制，并设计空间与高频双分支重构网络，显著提升工业质检中结构与逻辑异常的检测能力。

本发明属于脉冲神经网络领域，具体涉及一种基于改进脉冲神经网络的静态图与事件流分类方法，包括：获取视觉数据输入训练好的视觉目标分类模型，得到分类结果；模型的训练过程包括：获取视觉数据集，对视觉数据集中的视觉数据进行预处理并转化为时序脉冲输入序列；将时序脉冲输入序列输入嵌有双通路移位混合单元的脉冲神经网络，得到脉冲输出序列；将脉冲输出序列输入分类器，得到分类结果；根据分类结果计算损失函数值，根据损失函数值更新视觉目标分类模型的参数，当损失函数值收敛时，得到训练好的视觉目标分类模型；本发明以轻量级方法显示刻画静态图和事件流图像数据跨时间与跨通道的关联关系，可在更少的时间步下超过现有方法的分类精度。

本发明涉及一种融合宏表情迁移学习与数据降维的微表情识别方法，属于计算机视觉领域。该方法为：1)利用稠密光流算法提取宏表情和微表情特征；2)对微表情特征进行非线性放大，以增强微表情表达强度；3)利用均匀流形近似与投影将宏表情和微表情特征降维，并对宏‑微表情进行匹配；4)利用矢量化最大池化层保留宏表情和微表情特征中的方向信息；5)利用引导机制融合宏表情与微表情，并使用卷积神经网络进行学习。本发明在微表情特征微弱、样本稀缺的场景下研究识别问题，更符合实际的微表情识别需求，所提识别方法能有效提升复杂场景下微表情识别的精准度。

本发明涉及一种面向车联网语义通信的信息年龄优化调度方法，属于移动通信技术领域。该方法面向车联网场景下路侧单元向多车辆进行信息更新的语义通信系统，构建混合强化学习框架，通过联合优化车辆调度与语义提取比选择策略，实现最小化系统长期平均信息年龄。考虑车辆调度的离散决策与语义提取比的连续控制决策共存的混合动作空间，将深度Q网络与近端策略优化算法相结合，通过构建包含信息年龄和传输速率的状态空间，设计联合动作选择策略，有效平衡了语义提取比降低与语义信息失真之间的风险权衡问题。本发明充分考虑了混合动作空间中决策变量的强耦合特性，在有效提升系统传输效率的同时，保障了车联网语义通信网络中数据交付的新鲜度。

本发明属于移动通信技术领域，具体涉及一种不确定环境下认知车联网频谱分配方法，包括构建包括基站、多个蜂窝用户和多个认知车辆的认知车辆网络系统模型；基于认知车辆网络系统模型，构建不完美CSI模型、频谱感知误差模型、通信模型；设置约束条件，根据认知车辆网络系统模型、不完美CSI模型、频谱感知误差模型、通信模型以及约束条件构建目标优化函数；针对目标优化函数建立马尔可夫决策过程；基于马尔可夫决策过程，采用多智能体强化学习算法求解得到认知车辆的最优频谱分配策略；本发明考虑在车联网场景下，使用认知无线电解决车联网频谱稀缺的问题。

本发明属于无线通信与智能感知融合技术领域，具体涉及一种无人机通感一体化系统的信息时效性优化方法，包括：构建支撑感知数据时效性优化的无人机通感一体化系统模型；基于该模型，直接构建以最小化感知数据信息年龄为单一核心目标的函数；以UAV轨迹、通感调度、通信仰角、感知质量、UAV功率及吞吐量为约束，构建聚焦该单一目标的感知数据AoI最小化优化问题；求解该问题，得到以提升感知数据时效性为核心的无人机通感一体化优化方案。本发明以感知数据时效性为唯一优化目标，在保障通信用户QoS需求的同时，可精准提升感知数据新鲜度，具有较高的实用性。

本发明请求保护一种面向位置隐私保护的异构蜂窝网络任务卸载方法，属于通信技术领域。针对异构蜂窝网络边缘计算中，移动用户将任务卸载到所属微基站边缘服务器时可能造成位置隐私泄露的问题，提出一种面向位置隐私保护的异构蜂窝网络任务卸载方法。该方法根据用户位置分布、待卸载单位任务数以及各边缘服务器的资源状态，评估任务卸载的隐私泄露风险，利用宏基站的中继转发机制，削弱用户与目标服务器间的位置相关性，采用深度强化学习方法，对用户的位置隐私风险和任务卸载策略进行动态学习和优化，从而在平均单位任务容忍时延约束下，有效实现用户的位置隐私保护并最小化平均单位任务能耗。

本发明请求保护一种应对窃听者随机分布的车联网任务卸载方法，属于通信技术领域。针对物理层安全技术中，潜在窃听者信道状态信息CSI缺失，可能造成保密中断概率上升，从而引发任务车辆敏感信息泄露风险的问题，提出一种应对窃听者随机分布的车联网任务卸载方法。该方法采用人工噪声辅助的自适应窃听编码技术，通过泊松点过程建立潜在窃听者随机分布模型，根据任务车辆实时位置、潜在窃听者分布，以及任务卸载时延约束，动态调整基站人工噪声发射功率，以及任务车辆发射功率和保密速率，通过恶化潜在窃听者信道的信噪比，降低窃听信道容量，通过提高合法信道容量，降低保密中断概率，在保证任务安全卸载的基础上，最小化任务卸载所需的系统能耗。

本发明属于车联网中的无线通信领域，具体涉及一种面向V2X场景的通感算融合异构资源分配方法。首先，构建车联网通感算一体化系统，该系统包括车辆、基站、路侧单元和边缘计算节点。其次，综合考虑路径损耗、多径效应和多普勒效应，分别采用宏蜂窝模型、车联网直连信道模型和IEEE 802.11p模型对5G‑Uu链路、C‑V2X PC5链路和Wi‑Fi链路进行信道建模。然后，构建基于时间尺度分层的强化学习资源优化框架：上层通过动态资源池划分实现频谱资源的按比例动态分配；下层在既定资源区域内，联合优化感知、通信与计算资源分配。本发明能够在满足多种服务质量约束的前提下，最小化计算成本、通信成本与惩罚成本之和，实现通感算一体化架构的总成本最小化，提高资源利用率。

本发明请求保护一种基于位置隐私保护的车辆任务卸载方法，属于通信技术领域。针对车联网边缘计算普遍将车辆任务卸载到邻近边缘服务器的方法，可能使车辆位置与边缘服务器产生强相关性，从而导致车辆位置隐私泄露的问题，提出一种基于位置隐私保护的车辆任务卸载方法。该方法根据车辆的实时位置、任务特征和平均单位任务时延，进行位置隐私风险评估、目标服务器选择与资源分配，并建立任务调度决策，采用深度强化学习方法，对车辆的位置隐私风险和任务调度决策进行动态学习和优化，弱化车辆与服务器的位置相关性，在平均单位任务容忍时延约束下，有效降低任务车辆的位置隐私泄露风险。

本发明请求保护一种隐私冲突敏感的车边协同任务卸载方法，属于通信技术领域。针对车联网边缘计算中，同一用户将多个并发任务卸载到同一目标服务器时，可能因任务间的隐私冲突导致用户隐私泄露的问题，提出一种隐私冲突敏感的车边协同任务卸载方法。该方法通过隐私冲突矩阵量化任务间隐私冲突风险，根据边缘服务器和协作车辆的计算资源状态以及车辆间的链路持续时间，利用V2I、V2V以及本地卸载的车边协同卸载模式为每个并发任务构建卸载决策。采用精确势博弈方法进行多任务博弈建模，通过概率贪婪探索策略对各任务的卸载决策进行迭代优化并最终实现纳什均衡，从而有效提高隐私保护等级并最大化任务完成率。

本发明属于声学信号处理领域中早期反射路径建模技术范畴。本发明涉及一种基于感知方向元数据的早期反射路径集合生成方法，属于声学信号处理技术领域，特别是在空间音频建模中的应用。现有技术中，早期反射建模存在精度和模块化适配性不足的问题，难以同时满足物理准确性与感知适配性的需求。本发明提出了一种估计器无关的早期反射路径集合生成方法，基于冯·米塞斯‑费舍尔(vMF)分布、逆向几何追踪和双角筛选技术，结合外部DoA/扩散度估计器输出的方向元数据，生成标准化的早期反射路径集合，解决了现有技术的局限。

本发明请求保护一种基于U型网络与分层注意力的多通道脑电信号降噪方法。该方法首先利用纯净脑电信号与噪声信号通过污染模型构建含噪声的脑电信号样本。然后，对信号进行下采样、切片和标准化预处理。之后构建轻量级U型网络的编码器，运用级联的残差卷积模块提取多层次特征，并在各层级集成通道注意力机制以自适应学习空间通道权重分布。随后设计提示生成与交互模块，通过多尺度提示向量促进深层特征交互，再构建对称的解码器结构，通过反卷积实现特征上采样，并结合多层级特征融合机制聚合编码器与解码器的特征表示；最后采用复合损失函数优化网络参数，输出高质量重建的脑电信号。本发明有效解决了多通道脑电信号中噪声差异性处理的难题。