-
公开(公告)号：CN101651643A
公开(公告)日：2010-02-17
申请号：CN200910183377.4
申请日：2009-09-18
Applicant: 南京信息工程大学
Abstract: 本发明公布了一种基于空间分集的小波神经网络盲均衡方法。本发明方法是在分析空间分集技术和小波神经网络盲均衡性能的基础上，利用空间分集来减少衰落的影响，通过小波神经网络盲均衡器的较强逼近能力来克服码间干扰。本发明克服了由信道的多径传播和衰落特性在接收端引起的码间干扰，提高了通信质量并且收敛速度快、均方误差小。水声信道仿真结果，验证了本发明方法的有效性。本发明方法能够有效地实现信号与噪声的分离以及信号的实时恢复。
-
公开(公告)号：CN101547173A
公开(公告)日：2009-09-30
申请号：CN200910026612.7
申请日：2009-05-05
Applicant: 南京信息工程大学
IPC: H04L25/03
Abstract: 本发明公布了一种基于平衡正交多小波的盲均衡方法(MWTCMA)，其特点是充分利用了多小波的性质：对称性、短支撑性、二阶消失矩、正交性，弥补了除Haar小波外，单小波无法同时满足这些性质的缺陷，通过对现有的多小波做平衡处理，避免了多小波在应用时必须进行的预处理，保留了多小波的性质，提高了计算效率。水声信道仿真结果表明：与WTCMA(基于正交小波变换的盲均衡方法)和CMA(常数模盲均衡方法)相比，特别当处理对象是高频信息非常丰富的信号时，该方法具有更快的收敛速度。因而，该方法能够更有效地实现信号与噪声的分离以及信号的实时恢复。
-
公开(公告)号：CN101478509A
公开(公告)日：2009-07-08
申请号：CN200910028458.7
申请日：2009-01-20
Applicant: 南京信息工程大学
Abstract: 本发明公布了一种正交小波变换和时间分集技术相融合的盲均衡方法，本发明将时间分集、小波变换、锁相环技术、判决引导(DD)算法与盲均衡相结合，利用时间分集减小多径效应的影响；利用双曲正切误差函数克服常数模误差函数不对称的缺点；利用正交小波变换降低盲均衡器输入信号的自相关性，加快收敛速度；利用DD算法减小稳态误差，利用数字锁相环技术纠正相位旋转。本发明方法收敛速度快、均方误差小，能有效地克服相位旋转。
-
公开(公告)号：CN112418014B
公开(公告)日：2023-11-17
申请号：CN202011238990.4
申请日：2020-11-09
Applicant: 南京信息工程大学滨江学院
IPC: H04L27/00 , G06F18/24 , G06F18/10 , G06N3/0464 , G06N3/0442 , G06F18/214 , G06N3/045
Abstract: 本发明公开了一种基于小波变换和卷积长短期记忆神经网络的调制信号识别方法，首先通过无线通信系统预先获取无线连续时间信号，构成数据集；其次，通过选取合理的阈值将含噪信号滤除，然后将处理后获得的小波系数利用逆小波变换进行重构，恢复出有效的信号；最后，发挥卷积神经网络对信号特征的提取能力，结合长短时记忆网络的记忆性，充分学习全局特征，进而对具有时序性的信号样本有效地分类。本发明用小波去噪预处理技术抑制输入信号的高频噪声，构建卷积长短期记忆神经网络，充分学习全局特征，进而对具有时序性的信号样本更加有效地分类；提高复杂环境下识别准确率，是一种适用于真实信道环境下的调制识别方法。
-
公开(公告)号：CN111861926B
公开(公告)日：2023-09-29
申请号：CN202010722071.8
申请日：2020-07-24
Applicant: 南京信息工程大学滨江学院
IPC: G06T5/00 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于空域组增强机制与长短时记忆网络的图像去雨方法，首先使用膨胀卷积模块提取多尺度的特征信息，并采用空域组增强模块检测条纹信息，然后引入长短时记忆神经网络传播不同阶段深度特征的依赖性关系，最后利用残差密集块提取丰富的局部特征信息来进一步地提升复原图像的质量。本发明方法在图像去雨上有更优的视觉效果，更好地保持了图像的原有信息，进一步解决了在处理含密集雨条纹图像中出现的雨条纹残留，避免图像出现模糊现象，而且该方法在定量指标上超过了目前先进的对比方法。
-
Patent Agency Ranking
公开(公告)号：CN113594275A
公开(公告)日：2021-11-02
申请号：CN202110794990.0
申请日：2021-07-14
Applicant: 南京信息工程大学滨江学院
IPC: H01L31/0312 , H01L31/0352 , H01L31/107 , H01L31/18
Abstract: 本发明公开了一种新型双台面碳化硅SACM单光子探测器及其制备方法，该单光子探测器制备于n型SiC衬底上，采用n+/n‑/n/n‑/p结构或p+/p‑/p/p‑/n结构；所述单光子探测器从顶部至雪崩层的上表面刻蚀有小角度倾斜台面，小角度倾斜台面的底角小于10°，且小角度倾斜台面采用半台面结构；所述小角度倾斜台面的下台面至底部接触层刻蚀有垂直台面，形成深槽隔离；所述垂直台面的直径大于小角度倾斜台面下台面的直径。本发明能够提高器件填充因子和芯片利用率，优化SiC SACMAPD的有效光敏区域；通过垂直台面刻蚀实现相邻器件之间的电学隔离和光学隔离。
-
公开(公告)号：CN112418014A
公开(公告)日：2021-02-26
申请号：CN202011238990.4
申请日：2020-11-09
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明公开了一种基于小波变换和卷积长短期记忆神经网络的调制信号识别方法，首先通过无线通信系统预先获取无线连续时间信号，构成数据集；其次，通过选取合理的阈值将含噪信号滤除，然后将处理后获得的小波系数利用逆小波变换进行重构，恢复出有效的信号；最后，发挥卷积神经网络对信号特征的提取能力，结合长短时记忆网络的记忆性，充分学习全局特征，进而对具有时序性的信号样本有效地分类。本发明用小波去噪预处理技术抑制输入信号的高频噪声，构建卷积长短期记忆神经网络，充分学习全局特征，进而对具有时序性的信号样本更加有效地分类；提高复杂环境下识别准确率，是一种适用于真实信道环境下的调制识别方法。
-
公开(公告)号：CN111861925A
公开(公告)日：2020-10-30
申请号：CN202010721312.7
申请日：2020-07-24
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明提出了一种基于注意力机制与门控循环单元的图像去雨方法，首先，构建基于注意力机制与门控循环单元的图像去雨网络架构，包含6个模块，前五个模块每个模块中都包含门控循环单元、空间注意力模块和激活函数；模块1作为编码器，模块2到模块5中分别使用扩张因子为1、2、4和8的膨胀卷积，对应的接受域大小分别为5×5，9×9，17×17，33×33；模块6包含卷积层、通道注意力模块和激活函数，模块6后连接一个1×1的卷积层，作为解码器生成残差映射；然后，选择MSE和SSIM作为损失函数；最后对构建的网络架构进行训练。本发明地解决了在处理含密集雨条纹图像中出现的雨条纹残留和细节模糊的问题，在去除图像中雨线的同时保留了图像的细节部分，使得图像清晰度大幅提高。
-
公开(公告)号：CN106782590B
公开(公告)日：2020-10-09
申请号：CN201611150238.8
申请日：2016-12-14
Applicant: 南京信息工程大学
IPC: G10L21/0208 , G10L21/0272 , H04R3/00
Abstract: 本发明公开了一种基于混响环境下麦克风阵列波束形成方法：步骤1、获取麦克风接收到的信号；步骤2、对第n个麦克风接收到的信号xn(k)进行分帧加窗处理，得第n个麦克风接收到的加窗信号xnw(k)；步骤3、对第n个麦克风接收到的加窗信号xnw(k)进行第i个频率点的傅里叶变换；步骤4、基于维纳滤波的方法获得的输出信号；步骤5、通过基于维纳滤波的LCMV波束形成方法获得麦克风阵列波束形成器的输出信号。可有效抑制麦克风阵列混响问题，是一种适用于任意阵列结构的波束形成方法。
-
公开(公告)号：CN107045017B
公开(公告)日：2019-07-02
申请号：CN201710278140.9
申请日：2017-04-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于超声兰姆波和时间反转理论的薄板裂纹深度分析方法，方法包括：选取具有裂纹的薄板，在其激励点A处激发单一模态的兰姆波IA(t)；采用分段法获得接收点B接收到的多模态时域信号，通过时间反转方法得到在A点的重构信号I′A(t)，计算出重构信号I′A(t)与激励信号IA(t)的波性损伤指数DI；选择含有不同裂纹深度L的薄板重复以上过程得到对应的波形损伤指数DI，通过最小二乘法进行数据拟合，得出裂纹深度L与波形损伤指数DI的关系式；当检测含有未知深度裂纹的薄板时，先检测得到其DI值，来确定裂纹深度L。本发明采用分段计算的方法有效地解决了Lamb波在含缺陷板材的传播问题；采用时间反转理论重构信号波形，解决了由于长距离传输导致接收点处多模态问题及无法识别的问题。
-
-
-
-
-
-
-
-
-
Search Results
224
records
(took 0.026 seconds)
