公开(公告)号：CN115390060B

公开(公告)日：2025-05-13

申请号：CN202210683507.6

申请日：2022-06-16

Applicant: 东南大学

Inventor： 黄永明 ,  刘升恒 ,  刘林夕 ,  毛子焕 ,  尤肖虎

IPC: G01S13/46

Abstract: 本发明涉及目标二维角度定位方法、装置、计算机设备和存储介质，所述方法包括通过搭载在旋转平台上的雷达发射机向目标发射信号，并通过雷达的接收机接收所述目标反射的接收信号；根据一维线性互质阵列在不同时刻的接收信号，进行相位补偿；确定扩展虚拟二维非平行线性阵列的等效接收信号矢量，选取不含孔洞的均匀二维非平行线性阵列确定均匀接收信号矢量，基于所述均匀接收信号矢量，分别确定两维阵列的等效接收信号等效导向矢量；根据所述两维均匀接收信号矢量及等效导向矢量，构建角度谱及最小二乘问题，解算目标配对的二维角度，并确定所述目标位置。

公开(公告)号：CN113554568B

公开(公告)日：2024-10-18

申请号：CN202110887952.X

申请日：2021-08-03

Applicant: 东南大学

Inventor： 王堃宇 ,  黄永明

IPC: G06T5/60 ,  G06T5/70 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/0464

Abstract: 本发明公开了一种基于自监督约束和不成对数据的无监督循环去雨网络方法。本发明的目标是在给定随机不成对数据的情况下，学习从雨水图片域R到目标干净图片域C的映射。本发明引入了生成对抗思想，主要包括雨水移除子网络、雨水生成子网络、鉴别网络三部分。本发明并没有像其他监督去雨方法一样采用成对的人工合成雨图和背景图进行监督训练，因此可以在一定程度上提高模型处理真实世界雨图时的泛化性，并且也绕开了难以从真实下雨场景中获得用于监督训练的输入‑标签图片对的困境，本发明同时也把加雨引入网络，实现雨纹闭环，为自监督去雨网络提供更强的监督。通过本发明可以实现对雨水的自动去雨，提高图片质量，方便图像进一步处理和利用。

公开(公告)号：CN118554982A

公开(公告)日：2024-08-27

申请号：CN202410602033.7

申请日：2024-05-15

Applicant: 东南大学

Inventor： 刘升恒 ,  王仕博 ,  杨汝名 ,  黄永明 ,  杨绿溪

IPC: H04B7/06 ,  G01S7/41 ,  G01S13/88 ,  H04B7/08 ,  H04B7/0456 ,  G06N3/092

Abstract: 本发明公开了一种面向无蜂窝通感一体化系统的智能波束扫描方法，通过将收发基站的预定义码本作为决策集合，将最佳的波束预编码矩阵作为相应的决策变量；通过接收基站中的回波信息，将目标感知问题转化为一个假设检验问题；建立目标感知相应的检验统计量，确定判决函数表达式及相应的检测概率；通过记录码字选择与检测成功间的对应关系，将波束扫描建模为一个马尔可夫决策过程；利用Q学习算法寻找使得累计奖励最大的最优策略；使用深度Q网络算法(DQN)进行求解，得到适应当前环境的波束扫描策略。本方法使得雷达能够通过从环境中提取的经验来塑造自身的行为策略，并做出一系列智能决策。

公开(公告)号：CN118519091A

公开(公告)日：2024-08-20

申请号：CN202410604257.1

申请日：2024-05-15

Applicant: 东南大学

Inventor： 刘升恒 ,  石峰 ,  黄永明 ,  毛子焕 ,  刘一然 ,  张乐鹏 ,  张浩驰

IPC: G01S3/14 ,  G01S11/02

Abstract: 本发明涉及一种用于频率分集阵列的相干信源定位方法，该方法对相干信源解相干得到信源的距离与角度，所述方法具体包括以下步骤：步骤S1，设计频率分集阵列结构；步骤S2，获得阵列的接收信号；步骤S3，对接收信号构造信号协方差矩阵的参考矩阵#imgabs0#步骤S4，引入原子范数最小化方法并根据构造信号协方差矩阵的参考矩阵恢复出信号协方差矩阵#imgabs1#步骤S5，利用2D‑MUSIC算法得到信号的距离与角度。与现有技术相比，本发明具有可以对相干信源解相干得到信源的距离与角度等优点。

公开(公告)号：CN118501948A

公开(公告)日：2024-08-16

申请号：CN202410591230.3

申请日：2024-05-13

Applicant: 东南大学

Inventor： 嵇逸凡 ,  钟诚凯 ,  黄永明

IPC: G01V1/30 ,  G01V1/28 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082 ,  G06N3/084

Abstract: 本发明涉及基于卷积神经网络与图神经网络的多台站海洋地震参数估计方法。首先通过已有地震数据构建一个包含海洋地震数据与多台站海洋地震波形的数据集，再通过多层卷积神经网络与残差神经网络模块，提取地震波形，构建包含事件索引与台站索引关系的查找表，描述地震事件与台站检测的相应关系，然后利用图神经网络提取台站与地震事件的对应关系，在模型中加入台站的时间信息与地理位置信息，通过多个全连接层后，模型最终能得到地震震源经纬度、震源深度、震级四个参数。通过已知数据集训练该模型，估计未知地震的相应地震参数。本发明能够通过分析地震到达时多台站的地震波形，从而对地震的参数进行一个准确快速的估计，从而用于地震预警工作。

公开(公告)号：CN118466960A

公开(公告)日：2024-08-09

申请号：CN202410416854.1

申请日：2024-04-08

Applicant: 紫金山实验室 ,  东南大学

Inventor： 张川 ,  毛昀尉 ,  尤优 ,  黄永明 ,  尤肖虎

IPC: G06F8/41 ,  G06F8/35 ,  G06F17/11 ,  G06F8/71

Abstract: 本发明提供一种硬件代码自动生成方法、装置、电子设备及存储介质，该方法包括：对公式化的硬件方程进行模块划分，确定硬件方程对应的多种子模块、每种子模块分别对应的数量，以及各子模块分别对应的顶层模块；针对每种子模块，基于子模块对应的提示词，通过大语言模型确定子模块对应的模块代码；针对各子模块分别对应的顶层模块，基于顶层模块对应的提示词，通过大语言模型确定顶层模块对应的顶层模块代码；基于每种子模块对应的模块代码、每种子模块分别对应的数量，以及各顶层模块对应的顶层模块代码，确定硬件方程对应的硬件代码。本发明技术方案提高了硬件代码生成的灵活性和普适性，最终生成的硬件方程对应的硬件代码结构简单，冗余度较低。

公开(公告)号：CN118381573A

公开(公告)日：2024-07-23

申请号：CN202410469443.9

申请日：2024-04-18

Applicant: 东南大学

Inventor： 杨绿溪 ,  孙欣然 ,  张征明 ,  黄永明 ,  李春国 ,  俞菲 ,  徐琴珍

IPC: H04B17/309 ,  H04B17/391 ,  H04B7/06 ,  G06N3/0464

Abstract: 本发明公开了融合Transformer和混合卷积的大规模MIMO信道信息反馈方法，包括：(1)构造融合Transformer和混合卷积的多层编码器和解码器结构，结合Transformer模型和卷积网络的结构优势，获取信道信息不同尺度上的整体和局部特征信息，进行信道信息的压缩和恢复。(2)构造通道量化变分自编码器作为量化模型，将压缩后的信道信息转换为潜在表示，与码本中的嵌入向量相匹配，构造信道信息传输比特流。相比于先前的信道信息反馈模型，本发明提高了信道信息的反馈质量和效率，其中Transformer和混合卷积的融合减轻了信道信息压缩造成的信息损失，通道量化变分自编码器量化模型进一步降低了信道信息反馈开销，维护信道信息反馈精度。

公开(公告)号：CN118337225A

公开(公告)日：2024-07-12

申请号：CN202410508870.3

申请日：2024-04-25

Applicant: 紫金山实验室 ,  东南大学

Inventor： 张川 ,  孙玉泰 ,  郑健 ,  陈静怡 ,  黄永明 ,  尤肖虎

IPC: H03M13/13

Abstract: 本申请涉及一种极化码译码方法、电子设备、存储介质和计算机程序产品。该方法包括：获取待译码的接收信号，并获取基于搜索算法构建的译码模型；确定译码模型中的若干候选译码路径，并根据译码模型的译码排序复杂度和目标性能参数判断各候选译码路径是否需要进行路径排序，得到第一判断结果；并根据第一判断结果确定译码模型的目标译码路径，并基于目标译码路径对接收信号进行译码，得到译码结果。本申请在保证对极化码译码性能的前提下，通过对译码时的候选译码路径是否需要排序的判断，实现对译码计算复杂度的降低，在不影响译码性能的前提下降低译码时路径排序产生的延迟，提高极化码的译码效率和速率。

公开(公告)号：CN114710187B

公开(公告)日：2024-06-04

申请号：CN202210491259.5

申请日：2022-05-07

Applicant: 东南大学

Inventor： 杨绿溪 ,  邓淼佩 ,  周婷 ,  张明寒 ,  李春国 ,  黄永明

IPC: H04B7/0413 ,  H04B7/0426 ,  H04B7/0456 ,  H04B17/391

Abstract: 本发明公开了一种用户数动态变换场景下多小区大规模MIMO智能通信的功率分配方法，包括：构建用户数目动态变化场景下的大规模MIMO网络通信环境模型，在仿真环境中产生不同数量不同位置的用户数据，计算用户的信道状态信息，得到每个用户的自身特征与其周边环境特征合并为其特征向量，作为输入提供给Transformer网络；使用传统几何规划方法得到最优功率分配作为Transformer网络的输出标签，经过训练优化神经网络的参数，使其收敛到一个稳定状态。计算基于不同功率分配算法的用户频谱效率用于评估其性能。本发明可以在较少的计算资源和成本下逼近复杂的传统算法，同时不需要针对不同的用户数目训练不同的网络。

公开(公告)号：CN117979340A

公开(公告)日：2024-05-03

申请号：CN202410208817.1

申请日：2024-02-26

Applicant: 东南大学

Inventor： 刘升恒 ,  符文基 ,  黄永明 ,  尤肖虎

IPC: H04W24/06 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明涉及一种无线通信网络异常检测方法及装置，所述方法包括以下步骤：获取无线通信网络的知识图谱，采集知识图谱中各节点的时域数据，作为节点的初始嵌入向量；通过各节点嵌入向量的余弦相似度迭代计算得到动态无线通信知识图谱，并获得更新后的嵌入向量；基于所述动态无线通信知识图谱和最终的嵌入向量进行图特征提取，得到表示向量；对所述时域数进行时域特征提取，获得时域特征向量；对所述表示向量与时域特征向量进行拼接得到编码结果；基于所述编码结果获得异常检测结果。与现有技术相比，本发明首次将动态知识图谱和图神经网络技术引入无线通信网络的异常检测，具有异常检测准确度高等优点。