-
公开(公告)号：CN117574906B
公开(公告)日：2024-05-24
申请号：CN202410050760.7
申请日：2024-01-15
Applicant: 深圳市客路网络科技有限公司 , 香港中文大学(深圳)未来智联网络研究院
IPC: G06F40/295 , G06F40/169 , G06F16/335 , G06N3/0442 , G06N3/08
Abstract: 本申请实施例提供的一种命名实体识别方法、装置及设备，先基于通用模型对待识别数据进行识别处理，得到初始预测数据，基于第N深度学习模型对待识别数据进行识别处理，得到第N预测数据，第N深度学习模型由初始模型基于第N训练数据训练所得到，N为正整数；然后根据初始预测数据和第N预测数据确定第N+1训练数据；基于第N+1训练数据对初始模型训练，得到第N+1深度学习模型，第N+1深度学习模型用于对待识别数据进行识别处理。本申请实施例中，通过多次迭代不断更新训练数据，每次更新后训练数据所包含的泛化实体减少，以此训练数据对初始模型进行训练所得到的训练模型在客体识别时能够更好的去除泛化实体。
-
公开(公告)号：CN115412410A
公开(公告)日：2022-11-29
申请号：CN202211356451.X
申请日：2022-11-01
Applicant: 香港中文大学(深圳) , 香港中文大学(深圳)未来智联网络研究院 , 中国联合网络通信有限公司研究院
IPC: H04L25/02 , H04B7/0413 , H02J50/20 , H02J50/40 , G06F30/20 , G06F17/16 , G06F111/04
Abstract: 本发明涉及一种感知、通信和传能一体化传输方法，属于无线通信技术领域，包括：S1、基于ISAC和SWIPT技术进行传感感知、通信和能量传输一体化MIMO系统的建模；S2、对步骤S1中的信道进行估计，并构建传感感知、通信和能量传输三者之间性能权衡的优化问题；S3、对步骤S2中的优化问题进行求解，并刻画CRB‑速率‑能量性能可达区域；S4、根据传感感知、通信和能量传输三者不同的性能需求，找到C‑R‑E区域的帕累托边界上的不同CRB‑速率‑能量对，求解出相应的传输协方差矩阵。本发明可以根据针对传感、通信和能量传输三者的不同性能需求，采用不同的传输策略，以满足6G物联网时代多样的应用需求。
-
公开(公告)号：CN114972763A
公开(公告)日：2022-08-30
申请号：CN202210894615.8
申请日：2022-07-28
Applicant: 香港中文大学(深圳)未来智联网络研究院
Abstract: 本发明公开了一种激光雷达点云分割方法、装置、设备及存储介质，用于解决现有的点云数据分割方案对计算资源消耗较大，且分割准确度较低的技术问题。该方法通过获取目标场景的三维点云和二维图像，并对二维图像进行图块化处理，得到多个图像块，从多个图像块中随机选择一个输出至预设的二维特征提取网络中特征提取，生成多尺度二维特征，利用预设的三维特征提取网络，基于三维点云进行特征提取，生成多尺度三维特征，根据多尺度二维特征和多尺度三维特征进行融合处理，得到融合特征，对融合特征进行单向模态保持的蒸馏，得到单模态语义分割模型；基于单模态语义分割模型以三维点云作为输入进行判别，得到语义分割标签对目标场景进行分割。
-
公开(公告)号：CN117939150B
公开(公告)日：2024-11-12
申请号：CN202410280036.3
申请日：2024-03-12
Applicant: 香港中文大学(深圳) , 香港中文大学(深圳)未来智联网络研究院
IPC: H04N19/184 , H04L1/00 , H04N19/124 , H04N19/85 , H04N19/91 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于深度学习和联合信源信道编码优化的通信方法，包括：在发送端，深度信源编码器将输入图像数据x编码成比特率b，数字信道编码器将比特率b划分为N比特等长的多个数据包进行传输；在接收端，数字信道解码器将接收到的多个数据包中的符号解码为比特流#imgabs0#并将比特流#imgabs1#送入深度信源解码器进行数据恢复得到恢复图像数据#imgabs2#且在发送端和接收端的整体数据传输中通过联合信源信道优化算法将平均端到端失真优化到最小。本发明利用基于深度神经网络的信源编码器对图像语义特征进行提取并编码，并结合数字信道编码技术保护编码比特不受信道错误的影响，在与现代通信硬件兼容的情况下，具有更好的图像恢复效果。
-
公开(公告)号：CN117768843B
公开(公告)日：2024-09-27
申请号：CN202311775494.6
申请日：2023-12-21
Applicant: 香港中文大学(深圳) , 香港中文大学(深圳)未来智联网络研究院
IPC: H04W4/029 , H04W4/02 , H04W4/021 , H04B17/318 , H04B17/391 , G01S5/02
Abstract: 本发明公开了一种基于接收信号强度的轨迹恢复及无线电地图构建方法，包括以下步骤：S1.移动端运动并记录来自移动端周围基站的信号的接收信号强度，利用基于指数权重的加权质心定位求解初始轨迹；S2.基于隐马尔可夫模型构造接收信号强度嵌入优化问题；S3.以初始轨迹为起始，进行信道传播参数与运动轨迹交替优化求解，得到信号强度嵌入优化问题的解并完成无线电地图的构建。本发明能够在不通过第三方手段对移动端进行定位的情况下，基于在基站端获得的没有位置标签的接收信号强度数据，构造无线电地图。
-
Patent Agency Ranking
公开(公告)号：CN118191725B
公开(公告)日：2024-08-09
申请号：CN202410592579.9
申请日：2024-05-14
Applicant: 香港中文大学(深圳)未来智联网络研究院 , 香港中文大学(深圳)
Abstract: 本发明公开了一种多用户通感一体化系统时延与到达角度的CRB计算方法，所述方法包括以下步骤：S1.通感一体化发射机产生发射信号并向指定区域内发送该信号；S2.发射信号在自由空间传播后被用户接收，用户将各自的待发送信息调制到接收信号上并将调制后的信号反射给通感一体化接收机；S3.通感一体化接收机接收到来自所有用户的反射信号，并以固定采样间隔对接收信号进行采样，得到接收信号向量；S4.通感一体化接收机结合接收信号向量，进行多用户时延与到达角度的CRB计算。本发明获得了关于多用户的传输时延与到达角度的克拉美罗界，填补了在该方面研究上的空白，从而为通感一体化系统的性能评估提供了条件。
-
公开(公告)号：CN118200935B
公开(公告)日：2024-07-12
申请号：CN202410592585.4
申请日：2024-05-14
Applicant: 香港中文大学(深圳)未来智联网络研究院 , 香港中文大学(深圳)
Abstract: 本发明公开了一种多用户协同的通感一体化系统中用户组合的选择方法，S1.通感一体化发射机向指定区域内发送由感知数据向量和#imgabs0#个用户的通信数据向量共同组成的通感一体化信号；S2.每个用户将会接收到来自于通感一体化发射机的直射信号，以及来自于感知目标的反射信号；S3.结合用户接收到的直射信号和反射信号，分别对感知指标和通信指标进行建模分析，并建立多用户协同感知下的用户选择问题；S4.基于极大极小准则的分组方法，以实现用户选择问题求解，找到用户选择策略。本发明能够通过对用户的选择，使得用户之间协同来提升系统的感知性能。
-
公开(公告)号：CN118199692A
公开(公告)日：2024-06-14
申请号：CN202410592584.X
申请日：2024-05-14
Applicant: 香港中文大学(深圳)未来智联网络研究院 , 香港中文大学(深圳)
Abstract: 本发明公开了一种多用户后向散射通感一体化系统中的波束成型方法,包括以下子步骤：S1.通感一体化发射机产生激励信号并向目标区域内发送该信号；S2.每个无源后向散射设备从激励信号上收集能量，当收集到的能量达到预设阈值时，将待发送的信息调制到激励信号上，并将调制后的信号发送给通感一体化接收机；S3.通感一体化接收机接收来自所有用户的信号，并以固定采样间隔对接收到的信号进行采样，得到一组采样后的接收信号向量；S4.在接收信号向量的基础上，通感一体化接收机，建立相应的波束成型优化问题，并求解优化问题得到波束成型方案。本发明能够以最小化感知性能为目标，以通信速率为约束，获取最优的波束成型方案，使得系统性能达到最优。
-
公开(公告)号：CN117574906A
公开(公告)日：2024-02-20
申请号：CN202410050760.7
申请日：2024-01-15
Applicant: 深圳市客路网络科技有限公司 , 香港中文大学(深圳)未来智联网络研究院
IPC: G06F40/295 , G06F40/169 , G06F16/335 , G06N3/0442 , G06N3/08
Abstract: 本申请实施例提供的一种命名实体识别方法、装置及设备，先基于通用模型对待识别数据进行识别处理，得到初始预测数据，基于第N深度学习模型对待识别数据进行识别处理，得到第N预测数据，第N深度学习模型由初始模型基于第N训练数据训练所得到，N为正整数；然后根据初始预测数据和第N预测数据确定第N+1训练数据；基于第N+1训练数据对初始模型训练，得到第N+1深度学习模型，第N+1深度学习模型用于对待识别数据进行识别处理。本申请实施例中，通过多次迭代不断更新训练数据，每次更新后训练数据所包含的泛化实体减少，以此训练数据对初始模型进行训练所得到的训练模型在客体识别时能够更好的去除泛化实体。
-
公开(公告)号：CN117354837A
公开(公告)日：2024-01-05
申请号：CN202311492299.2
申请日：2023-11-10
Applicant: 西南科技大学 , 国网安徽省电力有限公司电力科学研究院 , 香港中文大学(深圳)未来智联网络研究院
IPC: H04W24/02 , H04W72/044
Abstract: 本发明涉及空中计算系统的参数联合优化方法、均方误差降低方法。所述空中计算系统包括带有多根天线的混合接入点和多个单天线无线设备。参数联合优化方法以最小化所述系统的均方误差为优化目标，设计关于混合接入点的接收波束W、单天线无线设备的发送功率{bk}的均方误差模型，并引入对混合接入点的发射能量波束S约束和无线设备的能量收集约束，根据所述模型设计空中计算误差关于W、{bk}、S的优化问题，然后将W固定得到优化的{bk}；再将优化的{最优的bk}固定得到优化的W*、最优的{bk*W}。；本发明避免了然后再送入所述模型中进行迭代得到“双远近”问题，使得空中计算系统的误差最小化，保证了高效的空中计算性能。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.05 seconds)
