-
Patent Agency Ranking
公开(公告)号：CN112839337B
公开(公告)日：2023-03-31
申请号：CN202110017376.3
申请日：2021-01-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于分治递归策略的超密微基站间干扰协调方法，包括，选取微基站组G并确定各微基站的重要性程度；确定网络拓扑的干扰矩阵；选取G中重要程度最大的微基站并分配第1个子帧资源或将G更新为上层递归传入的该层递归的微基站组Greturn；选取次重要微基站组Gk；计算Gk中同频干扰最小的一对微基站令其复用在同一个子帧资源下；分别以Gk中的每一个基站为聚类中心，将未分配子帧资源的剩余基站分为k组，每组基站连同其各自的聚类中心基站作为下一层传入的Greturn；分治递归步骤3至步骤6，直至达到回退条件，完成所有的分治搜索分支回退时结束。通过本发明可以实现在5G超密场景中关联于同一宏基站的微基站的时域子帧资源的高效合理分配。
-
公开(公告)号：CN112839337A
公开(公告)日：2021-05-25
申请号：CN202110017376.3
申请日：2021-01-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于分治递归策略的超密微基站间干扰协调方法，包括，选取微基站组G并确定各微基站的重要性程度；确定网络拓扑的干扰矩阵；选取G中重要程度最大的微基站并分配第1个子帧资源或将G更新为上层递归传入的该层递归的微基站组Greturn；选取次重要微基站组Gk；计算Gk中同频干扰最小的一对微基站令其复用在同一个子帧资源下；分别以Gk中的每一个基站为聚类中心，将未分配子帧资源的剩余基站分为k组，每组基站连同其各自的聚类中心基站作为下一层传入的Greturn；分治递归步骤3至步骤6，直至达到回退条件，完成所有的分治搜索分支回退时结束。通过本发明可以实现在5G超密场景中关联于同一宏基站的微基站的时域子帧资源的高效合理分配。
-
公开(公告)号：CN111537966B
公开(公告)日：2022-06-10
申请号：CN202010349563.7
申请日：2020-04-28
Applicant: 东南大学
IPC: G01S7/40
Abstract: 本发明公开了一种适用于毫米波车载雷达领域的阵列天线误差自校正方法，其包括以下步骤：首先将建立阵列天线误差模型，将其分为馈线长度误差和天线间距误差两大类，其次设置两个位置信息已知的目标，通过其对应的特定距离‑多普勒单元上的相位信息，计算出阵列天线相对理想位置偏差估计距离以及阵列天线固定相位误差估计角度，完成天线阵列的自校正，最后通过天线相对理想位置偏差以及阵列天线固定相位误差估计来修正相位补偿方案和空域导向矢量，完成阵列天线的误差校正，大大提高了后续参数估计的准确性。
-
公开(公告)号：CN111537966A
公开(公告)日：2020-08-14
申请号：CN202010349563.7
申请日：2020-04-28
Applicant: 东南大学
IPC: G01S7/40
Abstract: 本发明公开了一种适用于毫米波车载雷达领域的阵列天线误差自校正方法，其包括以下步骤：首先将建立阵列天线误差模型，将其分为馈线长度误差和天线间距误差两大类，其次设置两个位置信息已知的目标，通过其对应的特定距离-多普勒单元上的相位信息，计算出阵列天线相对理想位置偏差估计距离以及阵列天线固定相位误差估计角度，完成天线阵列的自校正，最后通过天线相对理想位置偏差以及阵列天线固定相位误差估计来修正相位补偿方案和空域导向矢量，完成阵列天线的误差校正，大大提高了后续参数估计的准确性。
-
公开(公告)号：CN111898410A
公开(公告)日：2020-11-06
申请号：CN202010531633.0
申请日：2020-06-11
Applicant: 东南大学
Abstract: 本发明提供了一种在无约束场景下的基于上下文推理的人脸检测方案，属于多媒体信号处理领域。本发明将训练集进行数据增广，以VGGNet-16作为基础特征提取网络，通过低层级特征金字塔网络加权地融合不同层特征，并在预测环节采用上下文辅助预测模块扩充子网络以加深、加宽网络模型，引入自适应锚点取样的数据增强方式和多尺度训练方法，增强了模型对于尺度的适应力。本发明不仅可提取出最具表达力的描述信息，还能较好地弥补未被充分提取的面部特征，且可优化对面部特征的利用率，适用于检测难度较高的无约束场景，尤其对微小的、模糊的、遮挡的人脸也能实现精准检测。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
