-
公开(公告)号：CN114978261B
公开(公告)日：2024-04-05
申请号：CN202210517793.9
申请日：2022-05-12
Applicant: 东南大学
IPC: H04B7/0426 , G06N3/0464 , G06N3/08 , H04B7/0456 , H04B17/336 , H04K1/06
Abstract: 本发明公开了一种基于深度学习的毫米波安全混合波束成形方法，采取了线下对深度学习网络模型进行训练，模型训练完成之后，上线运行的模式。线下训练包括：收集合法用户信道信息与窃听者信道信息；对合法用户信道信息与窃听者信道信息进行一些预处理之后作为模型的输入，且将合法用户信道信息与窃听者信道信息与信噪比信息作为自定义loss函数的lambda层的输入；模型以最大化安全频谱效率为目标不断的更新模型的参数直到训练完成。将线下训练好的模型上线运行，将合法用户信道信息、窃听者信道信息与信噪比信息进行输入，得到模拟预编码矩阵的输出。本发明在保障较好的安全频谱效率的同时，能够有效的减少计算复杂度，提高系统实时性。
-
公开(公告)号：CN114050891B
公开(公告)日：2024-02-27
申请号：CN202110827946.5
申请日：2021-07-22
Applicant: 东南大学
Abstract: 速率匹配表以及空时切片模式；最后，当采用时本发明涉及一种时空二维信道编码方法，对 空级联编码模式时，发送端先根据时域切片模式需传输的数据分别从时域和空域进行信道编码， 和时域码字进行时域编码。形成时空二维编码，空域和时域的信道编码可采用不同的编码结构、编码速率及调制方式；其次，系统将每种编码方式用码字表示，组合形成时空二维码书，存储在收发两端，接下来，发送端根据时域的码字选择编码结构，并根据时域编码速率对每个数据流编码，最后通过速率匹配形成在时域上等长的数据块。然后，系统针对不同场景对(56)对比文件高晓飞，罗进文，毕研珍.无线通信中的分层空时编码技术.信息通信.2006,(第02期),全文.王国珍;刘毓.无线通信系统中的MIMO空时编码技术.现代电子技术.2011,(第19期),全文.王东明,肖海勇,徐澄圻.空时编码及其在第3代移动通信中的应用.江苏通信技术.2001,(第06期),全文.
-
公开(公告)号：CN117411463B
公开(公告)日：2024-02-20
申请号：CN202311724481.6
申请日：2023-12-15
Applicant: 南京群顶科技股份有限公司 , 东南大学
Abstract: 本发明公开了一种面向边缘计算网关数据采集自适应滤波方法，方法包括以下步骤：步骤1，主机与IO板卡通信，获取IO板卡设备地址；步骤2，主机读取IO板卡注册表信息，获取IO板卡的型号；步骤3，判断IO板卡型号对应含模拟数据的通道，以获取到待滤波模拟数据；步骤4，调用自适应滤波器对模拟数据数据进行滤波。本发明避免了复杂的设备查询和匹配过程，简化了数据采集的流程，还提高了数据的质量和可靠性；采用的自适应卡尔曼滤波器有效的对非线性系统进行自适应滤波，使用更加灵活，具有较低的计算复杂性，更加适用于资源受限的环境，实现了面向边缘计算网关数据的采集和滤波的全自动化过程。
-
公开(公告)号：CN117375638A
公开(公告)日：2024-01-09
申请号：CN202311387443.6
申请日：2023-10-25
Applicant: 东南大学
Abstract: 本发明涉及一体化空时二维极化码的实现方法，首先针对不同场景对传输速率、时延和误码率的需求，根据空时互换法则计算所需的流数m和时间长度n。然后，发送端根据极化码的设计准则将所得的mn个信道的好坏进行识别，根据码率将需发送的数据比特放在好信道上，并在剩余信道上填充冻结比特0；如果采用先时域再空域的编码方式，发送端先对每个流的n个输入单元进行块长为n的极化编码，并将编码后的输出单元输入到并串转换器中。接下来，发送端依次对并串转换器输出的m个单元进行块长为m的极化编码，然后在每个流上对串并转换器输出的n个数据进行块长为n的极化编码，该方案为未来6G提供一种灵活可靠的无线传输方式，满足无线通信多场景应用需求。
-
公开(公告)号：CN117196033A
公开(公告)日：2023-12-08
申请号：CN202311257111.6
申请日：2023-09-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于异构图神经网络的无线通信网络知识图谱表示学习方法，属于人工智能辅助无线通信技术领域。本发明将无线通信网络知识图谱转化为包含多源异构节点的异构图，构建了一个基于异构图神经网络的无线通信网络知识图谱表示学习模型，对所构建的异构图神经网络模型进行训练并采用链路预测的下游任务来验证模型的效果，采用负采样技术来解决链路预测中正负边不平衡的问题，所构建的异构图神经网络模型能够有效地学习和挖掘无线通信网络知识图谱，优化和补全无线通信网络知识图谱，理解无线通信网络中各通信指标的关联特性，这对实现无线通信网络的内生智能具有重要的研究意义。
-
Patent Agency Ranking
公开(公告)号：CN116867091A
公开(公告)日：2023-10-10
申请号：CN202310971698.0
申请日：2023-08-03
Applicant: 东南大学
IPC: H04W72/542 , H04W72/541 , H04W72/543 , H04W72/53 , H04W72/563 , H04W72/1268 , H04B17/327 , H04B17/345 , H04B17/373 , H04B17/382 , H04B17/391 , G06N5/04 , G06N20/00 , G06N20/20 , G06N5/01 , G06N3/08
Abstract: 本发明公开了一种基于预测的智能资源分配和用户调度方法及其装置，具体包括以下步骤：S1、在离线数据采集和模型训练阶段，非实时无线智能控制平台采集用户测量上报信息以及基站侧统计信息，并训练平均单位上行空口可达速率预测模型；S2、在在线模型推理和资源分配阶段，实时无线智能控制平台采集用户测量上报信息，进行基于预测的智能资源分配，包括依次进行资源粗分配、模型推理以及资源细分配；S3、在基站用户调度和资源分配阶段，基站根据实时无线智能控制平台的资源分配结果，进行用户调度和资源分配。本发明在优化小区间干扰的同时，根据用户上行空口速率要求精细分配资源，从而在提升系统吞吐率的同时保障用户的上行空口速率要求。
-
公开(公告)号：CN116736366A
公开(公告)日：2023-09-12
申请号：CN202310442354.0
申请日：2023-04-23
Applicant: 东南大学
IPC: G01V1/00 , G01V1/28 , G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/0442 , G06N3/096 , G06N3/084
Abstract: 本发明公开了一种基于TEC、电磁数据以及地震事件融合分析的震前异常检测方法，并且为了充分考虑地震震例在时间尺度上的影响，将点处理算法与神经网络融合，将地震震例因素与震前异常物理量进行融合。首先分别提出卫星TEC，卫星电磁信号以及地震事件的特征提取层，三者的融合层以及输出层。最终使用多地震例进行预测，预测结果表明物理量和震例的相互结合可以以较高的准度预测其地震事件异常。最终表明经过特征融合后其震前异常比指标增加了2％‑5％。
-
公开(公告)号：CN116633395A
公开(公告)日：2023-08-22
申请号：CN202310705796.X
申请日：2023-06-14
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/06 , H04B17/391 , G06F18/213 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种挖掘时空序列特征信息的宽度学习基站协作波束对齐方法。各基站利用本地宽度学习网络，基于分布式学习训练架构，协同学习多基站的感知波束响应到对应窄波束的映射关系，以完成最佳下行传输窄波束的预测。为了挖掘过去若干采样时刻的感知波束信息，有效预测当前时刻的窄波束，本发明使用感知波束响应的时间序列来获得宽度学习网络的特征节点，设计了循环宽度学习方法。进一步，提出门控宽度学习方法，设计一个遗忘门来控制学习到的序列信息。本发明解决了模型对快时变场景的适配问题，实现基站侧模型轻量化，可在减轻中央处理单元计算压力的同时，取得协作开销与波束选择预测性能的合理折衷，实现在小样本条件下较高性能的波束对齐。
-
公开(公告)号：CN116524379A
公开(公告)日：2023-08-01
申请号：CN202310436543.7
申请日：2023-04-21
Applicant: 东南大学
IPC: G06V20/17 , G06V10/82 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种基于注意力机制和自适应特征融合的航拍目标检测方法，包括：获取待检测的航拍图像数据；将待检测的航拍图像数据输入预先训练的航拍小目标检测模型，得到待检测的航拍图像数据的目标检测结果，其中，航拍小目标检测模型为在YOLO算法框架中设置轻量级自适应特征融合模块和混洗坐标注意力层，并利用训练航拍图像数据及其对应的目标检测结果训练得到。本发明在航拍视角小目标检测上，能够达到更高的识别精度。对于无人机平台的航拍小目标检测，网络速度快精度搞，能够以较低参数和计算复杂度表现出更好的检测效果。
-
公开(公告)号：CN110516696B
公开(公告)日：2023-07-25
申请号：CN201910632006.3
申请日：2019-07-12
Applicant: 东南大学
IPC: G06F18/25 , G06F18/214 , G06F18/2415
Abstract: 本发明涉及一种基于语音和人脸表情的自适应权重双模态融合情感识别方法，包括以下步骤：获取情感语音和人脸表情数据，将情感数据与情感类别相对应，并选取训练样本集合测试样本集；对语音数据提取语音情感特征，对表情数据提取动态表情特征；分别基于语音情感特征和表情特征，采用基于半监督自动编码器的深度学习方法进行学习，通过softmax分类器得到分类结果和各类别输出概率；最后将两种单模态情感识别结果进行决策层融合，采用一种自适应加权的方法，得到最终的情感识别结果。本发明实针对个人不同模态情感特征表征能力的差异性，采取了自适应权重融合方法，具有更高的准确性和客观性。
-
-
-
-
-
-
-
-
-
Search Results
475
records
(took 0.056 seconds)
