-
公开(公告)号：CN114636965B
公开(公告)日：2024-09-24
申请号：CN202210257636.9
申请日：2022-03-16
Applicant: 北京邮电大学
IPC: G01S3/02 , G01S3/14 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于神经网络的阵列增益和相位误差校准方法，包括两个步骤：使用神经网络线下训练和使用分组校准策略线上校准；所述的神经网络由前置的信噪比分类网络和后置的两套误差校准网络组成，误差校准网络由增益校准网络和相位校准网络组成；所述的分组校准策略即将天线阵列划分为多个阵元数目大小与训练好的神经网络所匹配的子阵列，再多次应用神经网络获得增益和相位误差。本发明的方法可以很好的达到校准精度和校准复杂度之间的平衡，基于神经网络输入向量的数据特性，提出一种分组校准算法，使得神经网络不需要被重复训练就可以被应用于不同阵元数目不同形状的天线阵列，减少了算法的实际应用成本。
-
公开(公告)号：CN117746211A
公开(公告)日：2024-03-22
申请号：CN202311766799.0
申请日：2023-12-21
Applicant: 北京邮电大学 , 中兵智能创新研究院有限公司
IPC: G06V10/82 , H04L1/00 , G06V10/40 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种基于双重注意力机制的图像语义端到端传输方法，涉及语义通信领域，包括：通过归一化层对输入的原始图像进行预处理；利用语义特征提取器提取原始图像的不同语义特征；通过语义重要性评估模块评估所提取的语义特征的重要性并重新分配权重以获得语义重要性特征向量；采用JSCC编码器对语义重要性特征向量和信道反馈信噪比进行编码，得到复值信道输入符号向量；采用JSCC解码器进行解码；特征重建模块使用重建函数来重建目标图像；构建损失函数。本发明引入了通道注意机制和空间注意机制，提出了一种SNR自适应CBAM，增强了图像的特征表示能力，实现了更好的传输性能，提升图像语义传输的灵活性和鲁棒性，节省了存储空间。
-
公开(公告)号：CN113156362B
公开(公告)日：2024-01-09
申请号：CN202110274328.2
申请日：2021-03-15
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种波达方向的确定方法、装置以及信号获取方法、装置，所述波达方向的确定方法包括：获取当前的时间连续周期内第一子线性阵列接收的信号和第二子线性阵列接收的信号，分别作为第一子信号和第二子信号；将第一子信号和第二子信号进行组合，得到组合信号；计算组合信号的协方差矩阵，并对协方差矩阵进行特征值分解，得到组合信号的噪声子空间；根据预设的多个备选俯仰角、预设的多个备选方位角以及噪声子空间构建谱函数，并对谱函数进行谱峰搜索，将搜索到的谱峰对应的备选方位角和备选俯仰角分别确定为目标方位角和目标俯仰角，得到组合信号对应的波达方向。采用本发明实施例，可以提高波达方向估计结果的准确度和自由度。
-
公开(公告)号：CN111598610B
公开(公告)日：2023-10-24
申请号：CN202010286270.9
申请日：2020-04-13
Applicant: 北京邮电大学
IPC: G06Q30/0201 , G06F18/25 , G06F18/2415 , G06F18/214
Abstract: 本发明实施例提供的一种异常事件检测方法及装置，其中，方法包括：获取当前基站第一预设时间内的POI数据以及通信数据，将当前基站在第一预设时间内的POI数据与通信数据进行融合，获得当前基站的当前总特征向量，进一步通过训练好的多分类模型，计算得到当前总特征向量的当前类别概率向量，计算当前基站的当前类别概率向量与当前基站的历史类别概率向量之间的欧式距离，若欧式距离超过距离阈值，则将当前基站确定为待定异常基站，判断待定异常基站的当前平均特征向量与待定异常基站的历史平均特征向量的第一差值是否超过预设的第一差异阈值，确定当前通信数据是否异常，可以提高检测异常事件的准确性。
-
公开(公告)号：CN116719344A
公开(公告)日：2023-09-08
申请号：CN202310652262.5
申请日：2023-06-02
Applicant: 北京邮电大学
IPC: G05D1/10
Abstract: 本申请提供一种探测通信一体化的无人机集群多目标追踪方法及相关设备。其中，追踪方法包括：确定无人机集群中的每个无人机的关联目标：根据无人机集群中每个无人机的局部密度及相对距离，将无人机集群划分为多个无人机簇；分别计算每个无人机簇的中心与多个目标中的每个目标之间的起始距离，将与无人机簇的中心的起始距离最小的目标确定为关联目标；其中，无人机簇的数量与目标的数量相同；根据关联后的结果对无人机进行轨迹规划，以使无人机簇中的每个无人机从不同的起始位置对关联目标进行追踪；响应于确定追踪时长小于预设追踪时长，在每个追踪子时长的最后一个时间间隔内，根据该追踪子时长内无人机的路径，对无人机进行功率控制。
-
Patent Agency Ranking
公开(公告)号：CN116233009A
公开(公告)日：2023-06-06
申请号：CN202310259962.8
申请日：2023-03-13
Applicant: 北京邮电大学
IPC: H04L47/125 , H04L67/1001 , H04L45/76
Abstract: 本发明公开了一种面向SDMANET的多控制器负载均衡算法，为了应对SDMANET节点任意移动导致的拓扑变化，将交换机分为四种情况，根据控制链路状态判断交换机处于哪种情况并执行对应策略。为了提高SDMANET控制链路质量，监测交换机与各个控制器之间的链路质量，并计算交换机迁移前后对应控制链路质量的变化。为了减少交换机迁移次数，考虑控制器负载的均衡程度，负载越均衡因控制器过载导致需要迁移交换机的情况就越少。为了避免因节点移动导致不必要的迁移，根据交换机的位置和移动速度计算其在对应控制器通信范围内能够运动的时间。联合上述几个方面计算出需要源控制器、目的交换机和目的控制器，通过较少次数的迁移交换机提高控制链路之质量，提高SDMANET控制平面性能。
-
公开(公告)号：CN114915625A
公开(公告)日：2022-08-16
申请号：CN202110172849.7
申请日：2021-02-08
Applicant: 北京邮电大学
IPC: H04L67/10 , H04L41/0893
Abstract: 本发明实施例提供了一种卸载策略确定方法及装置。方案如下：针对HMEC系统中的每一用户设备，计算对待计算任务进行卸载的卸载损耗最小值；将HMEC系统中卸载损耗最小值小于预设卸载损耗阈值的用户设备确定为卸载集合中的第一用户设备，并将HMEC系统中卸载损耗最小值不小于预设卸载损耗阈值的用户设备确定为第二用户设备；针对卸载集合中的每一第一用户设备，根据卸载偏好值，确定与该第一用户设备匹配的目标服务器；根据上行数据传输速率，确定该第一用户设备对应的目标信道；得到HMEC系统每一用户设备对待计算任务的第一卸载策略。通过本发明实施例提供的技术方案，实现了针对HMEC系统中用户设的待计算任务的卸载策略确定。
-
公开(公告)号：CN114636965A
公开(公告)日：2022-06-17
申请号：CN202210257636.9
申请日：2022-03-16
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于神经网络的阵列增益和相位误差校准方法，包括两个步骤：使用神经网络线下训练和使用分组校准策略线上校准；所述的神经网络由前置的信噪比分类网络和后置的两套误差校准网络组成，误差校准网络由增益校准网络和相位校准网络组成；所述的分组校准策略即将天线阵列划分为多个阵元数目大小与训练好的神经网络所匹配的子阵列，再多次应用神经网络获得增益和相位误差。本发明的方法可以很好的达到校准精度和校准复杂度之间的平衡，基于神经网络输入向量的数据特性，提出一种分组校准算法，使得神经网络不需要被重复训练就可以被应用于不同阵元数目不同形状的天线阵列，减少了算法的实际应用成本。
-
公开(公告)号：CN114626298A
公开(公告)日：2022-06-14
申请号：CN202210246271.X
申请日：2022-03-14
Applicant: 北京邮电大学
IPC: G06F30/27 , G06F30/15 , G06N3/08 , H04L67/12 , H04W4/40 , G06F111/08 , G06F111/10
Abstract: 本发明公开了一种无人机辅助车联网中高效缓存和任务卸载的状态更新方法，首先，为达到全方面保证自动驾驶的安全性的目的，同时考虑计算使用的缓存模型的新鲜度与计算卸载过程的新鲜度，作为车辆的状态更新的信息新鲜度，其次，结合车辆边缘计算、缓存和无人机三种技术，设计了一个通过在动态环境中对缓存更新、用户关联、资源分配做出决策，来解决最小化系统能量消耗，保证信息时效性的策略。最后，使用深度强化学习算法，采用以深度确定性策略梯度为基础的算法，将经验缓存池进行划分，从两个不同的缓存池中按比例选取经验训练神经网络，从而加快了收敛速度，减小了收敛后的奖励震荡，提高了收敛后的奖励值，提升算法性能。
-
公开(公告)号：CN111458676B
公开(公告)日：2022-03-29
申请号：CN202010148361.6
申请日：2020-03-05
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于级联神经网络的波达方向估计方法及装置，基于接收的来自多个信号源的信号，确定所接收信号的协方差矩阵；对协方差矩阵进行特征值分解，得到特征值向量；将协方差矩阵中的元素转换为归一化实向量，得到协方差信息向量；将特征值向量和协方差信息向量输入预先训练完成的级联神经网络，得到针对各个信号源的信号的波达方向角；级联神经网络包括信噪比分类网络和波达方向估计网络，波达方向估计网络包括高信噪比估计子网络和低信噪比估计子网络；信噪比分类网络的输出结果为高信噪比激活高信噪比估计子网络；信噪比分类网络的输出结果为低信噪比激活低信噪比估计子网络。能够适用于广泛的信噪比范围。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.037 seconds)
