-
公开(公告)号：CN105162548A
公开(公告)日：2015-12-16
申请号：CN201510431538.2
申请日：2015-07-21
Applicant: 北京邮电大学
CPC classification number: H04L1/0042 , H04L27/0006
Abstract: 本发明提供一种认知无线网络中的编码、译码方法及装置。该方法包括：发送端将信源数据划分为多个长度为n的数据块，n为大于0的整数。发送端使用m×n测量矩阵对每个长度为n的数据块进行压缩编码，得到长度为m的数据帧，m为大于0的整数。发送端以广播形式发送数据帧。本发明提供一种认知无线网络中的编码、译码方法及装置，可降低发送端的复杂度，并提高认知无线网络中信息传输的可靠性。
-
公开(公告)号：CN115390011B
公开(公告)日：2025-03-07
申请号：CN202210777729.4
申请日：2022-07-04
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
IPC: G01S5/02
Abstract: 本发明提供一种基于接收信号强度的加权半正定规划定位方法，对不同的接收信号强度数据设置权重，进一步改善目标节点定位性能。由于信号传播距离越远，接收信号强度测量误差越大，信号传播距离较远的接收信号强度权重值越小。本发明提供的技术方案首先介绍二维环境模型，给出半正定规划定位方法，然后提出加权半正定规划定位方法，以及权重设置方法。本发明提供的实验仿真结果表明相较于现有的技术方案，本发明提供的加权半正定规划定位方法明显提高了定位准确度。
-
公开(公告)号：CN119341878A
公开(公告)日：2025-01-21
申请号：CN202411131501.3
申请日：2024-08-18
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
Abstract: 本发明公开了一种非合作OFDM通信系统的时频同步方法，使用循环前缀自相关的盲同步算法对接收信号进行初次帧同步实现帧头定位，利用滑动相关窗对接收信号的同步序列时域位置进行定位，对连续多帧信号中的同步序列进行聚类判决，通过多帧判决结果自相关峰值统计和提取初次同步序列。根据同步序列的自相关特性以及循环特性，本发明提供一种快速符号同步、最佳采样点同步方法，并且基于Moose算法实现频偏估计。本发明对接收信号进行时频同步后，将同步后序列反馈至聚类判决步骤进行本地同步序列的迭代更新，进一步提高整体系统性能。
-
公开(公告)号：CN119254359A
公开(公告)日：2025-01-03
申请号：CN202411296575.2
申请日：2024-09-18
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
IPC: H04B17/391 , H04W24/06
Abstract: 本发明公开了一种基于多测量矩阵稀疏重建的参数估计方法，利用信道的时间相关性联合估计参数，对连续符号相应信道参数进行联合稀疏建模，提出一种两阶段块结构多测量向量正交匹配追踪算法，解决具有双层稀疏模型的信号重建问题。仿真结果表明，本发明提供的基于多测量矩阵稀疏重建的参数估计方法比现有的块结构多测量向量重建方法具有更高的参数估计精度。
-
公开(公告)号：CN117560495A
公开(公告)日：2024-02-13
申请号：CN202311351378.1
申请日：2023-10-18
Applicant: 北京邮电大学
IPC: H04N19/146 , H04L1/00 , H04N1/00 , G06V10/774 , G06V10/82 , G06V20/70 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种应用于图像语义通信的细粒度速率控制方法及装置，所述方法，将待传输图像集和所述预设语义骨架图像集输入至第一预设目标传输模型，通过所述第一预设目标传输模型输出目标传输图像集；确定所述目标传输图像集中的每个目标传输图像的传输码率；将所有目标传输图像进行编码，得到编码数据序列；将所述编码数据序列输入至第二预设目标传输模型，通过所述第二预设目标传输模型对所述编码数据序列进行解码，得到与所述待传输图像集对应的重构图像集。实现了将待传输图像中的语义重要部分进行传输码率的分配；并根据传输码率对待传输图像进行编码及传输，减少图像传输的信道带宽成本，节省通信资源。
-
Patent Agency Ranking
-
公开(公告)号：CN117272211A
公开(公告)日：2023-12-22
申请号：CN202311548457.1
申请日：2023-11-20
Applicant: 北京邮电大学
IPC: G06F18/2433 , G06F18/15 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/0495 , G06N3/082 , G06F123/02
Abstract: 本发明公开了一种基于长短期记忆模型的轻量化航天器故障检测分类方法，选择更适合处理序列数据的长短期记忆网络，以充分提取并建模特征序列中的时空双重维度信息，学习更高层次的时序特征，从而获得更准确的预测结果。本发明使用的数据处理方式，将不同故障模式、不同运行模式的数据集进行维度补全，拼合数据集以便于统一训练模型，做到一个模型可以检测和分类不同数据格式的航天器故障数据集。本发明使用细粒度的基于软滤波的加权剪枝方法和量化技术进行深度神经网络模型轻量化处理，从而优化模型，加快模型的运行速度，更好地进行航天器异常诊断的异构计算。本发明进行模型的重训练以恢复模型的判别精度。
-
-
公开(公告)号：CN113822162B
公开(公告)日：2023-10-13
申请号：CN202110977786.2
申请日：2021-08-24
Applicant: 北京邮电大学
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/08 , H04L27/00
Abstract: 本发明提供一种基于伪星座图的卷积神经网络调制识别方法，将时域样本和灰度化星座图的像素值进行合成形成伪星座图，将伪星座图输入后续卷积神经网络，使用预设的卷积核对卷积神经网络进行优化形成卷积神经网络模型，使用卷积神经网络模型对待识别信号进行调制识别。本发明提供的技术方案在同样使用卷积神经网络模型的情况下，解决了传统星座图方法对MFSK信号识别能力弱的问题，从而提高了调制识别的整体准确率。本发明提供的技术方案在信噪比不低于10dB条件下，对多种PSK、FSK和QAM调制方式的平均识别准确率高于0.99，远远高于基于传统星座图的卷积神经网络的识别结果。在输入大小相同的条件下，本发明提供的技术方案具有更低的复杂度。
-
公开(公告)号：CN112905315A
公开(公告)日：2021-06-04
申请号：CN202110125013.1
申请日：2021-01-29
Applicant: 北京邮电大学
IPC: G06F9/48
Abstract: 本发明实施例提供了一种移动边缘计算MEC网络中的任务处理方法、装置及设备，应用于通信技术领域，可以确定当前状态信息；从预先建立的Q表中查找当前状态信息对应的动作和系统收益，动作包括各个移动设备本地处理自身存在的待处理任务或者通过边缘服务器处理自身存在的待处理任务；预先建立的Q表包括多个状态信息对应的动作以及系统收益；预先建立的Q表是根据多个状态信息下执行不同动作，通过强化学习迭代得到的；选取系统效益最大所对应的动作为当前状态信息对应的目标动作，以使各个移动设备按照目标动作处理自身存在的待处理任务。以实现移动设备可以按照系统效益最大所对应的动作处理任务，如此能够提高移动设备所处系统的系统效益。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.027 seconds)
