-
公开(公告)号：CN118590891A
公开(公告)日：2024-09-03
申请号：CN202410679825.4
申请日：2024-05-29
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于图神经网络的MU‑MISO系统无线通信资源优化方法。该方法包括：将MU‑MISO系统建模为一个完全连接的有向图；利用GNN模型对所述有向图进行特征提取和表示学习，输出MU‑MISO系统的波束赋形矩阵；针对MU‑MISO系统的不同的资源分配任务设计不同的损失函数和激活函数，使得MU‑MISO系统的波束赋形矩阵在满足约束的条件下最大化不同任务的需求。本发明方法不仅充分利用无线通信系统中的拓扑信息，还展现出对高动态性网络变化的适应性。本发明实施例方法符合无线通信系统动态和可扩展的特性，可推动实现更高效、低成本的自主可控网络。
-
公开(公告)号：CN112910811B
公开(公告)日：2022-05-20
申请号：CN202110187412.0
申请日：2021-02-18
Applicant: 北京交通大学
IPC: H04L27/00 , G06N3/04 , G06N3/08 , H04B17/373
Abstract: 本发明实施例提供了一种基于联合学习的噪声水平未知条件下的盲调制识别方法和装置，所述方法包括：步骤1，获取用于训练神经网络的训练集、验证集以及用于测试模型性能的测试集；步骤2，构建联合学习调制识别网络JDMC‑Net；步骤3，训练所述联合学习调制识别网络JDMC‑Net；步骤4，使用训练好的所述联合学习调制识别网络JDMC‑Net，预测接收信号的调制类型。
-
公开(公告)号：CN114357747A
公开(公告)日：2022-04-15
申请号：CN202111600516.6
申请日：2021-12-24
Applicant: 中铁二院工程集团有限责任公司 , 北京交通大学 , 中航国际成套设备有限公司
IPC: G06F30/20
Abstract: 本发明提供了一种基于硬件在环的计轴系统电磁兼容仿真方法。该方法包括构造包括软件部分和硬件部分的在环仿真平台；在环仿真平台的软件部分仿真实现计轴系统，在环仿真平台的硬件部分包括计轴系统的真实硬件设备，将所述真实硬件设备接入仿真实现的计轴系统；在环仿真平台的软件部分利用现场环境数据重建信号，还原骚扰源，将电磁骚扰信号施加到仿真实现的计轴系统中，对计轴系统的电磁环境进行分析。本发明方法能在短时间内得到计轴设备不同的工作状况，并且虚拟仪器易调、易测的特性便于模拟不同原理的计轴设备，在对比情况下能全面分析不同原理的计轴设备的电磁环境适应性。
-
公开(公告)号：CN113766541A
公开(公告)日：2021-12-07
申请号：CN202111044301.0
申请日：2021-09-07
Applicant: 北京交通大学
Abstract: 本发明提供了一种MMTC场景下的活跃设备及其适用信道的检测方法。包括：每个活跃设备选择导频序列组成矩阵，基站通过间距为半波长的均匀阵列天线接收来自活跃设备发送的数据；根据基站的接收信号得到基站的信道状态矩阵，对所述信道状态矩阵进行字典学习得到稀疏信道状态矩阵，利用克罗内克积对所述稀疏信道状态矩阵进行向量化处理，利用改进的BOMP算法得到最终的信道状态矩阵；计算最终的信道状态矩阵的各行的信道能量，将各行的信道能量与设定的信道阈值进行比较，根据比较结果得到各个活跃设备所选的导频情况。本发明可以实现在未知活跃设备数量的情况下，提高MMTC中设备活跃度检测及信道估计的精确度。
-
公开(公告)号：CN112910811A
公开(公告)日：2021-06-04
申请号：CN202110187412.0
申请日：2021-02-18
Applicant: 北京交通大学
IPC: H04L27/00 , G06N3/04 , G06N3/08 , H04B17/373
Abstract: 本发明实施例提供了一种基于联合学习的噪声水平未知条件下的盲调制识别方法和装置，所述方法包括：步骤1，获取用于训练神经网络的训练集、验证集以及用于测试模型性能的测试集；步骤2，构建联合学习调制识别网络JDMC‑Net；步骤3，训练所述联合学习调制识别网络JDMC‑Net；步骤4，使用训练好的所述联合学习调制识别网络JDMC‑Net，预测接收信号的调制类型。
-
Patent Agency Ranking
公开(公告)号：CN110378344A
公开(公告)日：2019-10-25
申请号：CN201910368493.7
申请日：2019-05-05
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于谱维转换网络的卷积神经网络多光谱图像分割方法。该方法包括：分别利用CNN网络构建谱维转换网络和像素级类别预测结构；利用谱维转换网络和像素级类别预测结构构建CNN像素级类别预测结构模型，使用带动量的梯度下降算法对CNN像素级类别预测结构模型进行有监督训练，将需要分割的多光谱图像直接输入到训练好的CNN像素级类别预测结构模型，得到需要分割的多光谱图像对应的像素级分割图。本发明通过利用谱维转换网络实现谱维度从多至三的转换，可以采用大数据量的传统彩色图像训练像素级类别预测结构，实现了采用深度学习方法处理低数据量的多光谱图像分割任务，避免过拟合问题的同时提高了多光谱图像像素级分割的准确率。
-
公开(公告)号：CN105656577B
公开(公告)日：2018-05-18
申请号：CN201510968873.6
申请日：2015-12-22
Applicant: 北京交通大学
IPC: H04B17/391 , H04B1/7113 , H04W84/18
Abstract: 本发明提供了一种面向信道冲激响应的分簇方法和装置。所述面向信道冲激响应的分簇方法，包括：步骤一，基于稀疏优化理论对原始信道的信道冲激响应CIR进行重构；步骤二，基于重构的所述CIR信号进行CIR多径簇的检测，生成分簇结果；步骤三，根据模型拟合度，对所述分簇结果进行修正。本发明能够提高CIR多径分簇的准确度。
-
-
公开(公告)号：CN112968853B
公开(公告)日：2022-07-01
申请号：CN202110127151.3
申请日：2021-01-29
Applicant: 北京交通大学
IPC: H04L27/26
Abstract: 本发明提供一种MMTC系统多用户接入检测和信道估计的方法，包括：对MMTC通信中的海量用户稀疏接入场景，根据通信中的循环冗余校验可以检验恢复数据正确性的原理，将检验正确的活跃用户的信息作为反馈传输给神经网络，作为神经网络的先验信息，使网络能更快速的收敛和更加精确的估计出稀疏的信道。本发明提供的方法通过将初始检测的成功恢复用户数据的信息作为反馈，再采用先验知识辅助的深度神经网络模型进行二次检测，与原始的神经网络LISTA和传统压缩感知迭代算法ISTA和AMP相比，新的网络模型可以有效的降低信道估计的误差，提高数据恢复的正确率。
-
公开(公告)号：CN111586884B
公开(公告)日：2022-03-18
申请号：CN202010395658.2
申请日：2020-05-12
Applicant: 北京交通大学
IPC: H04W74/08
Abstract: 本发明实施例提供了一种利用角度域簇稀疏特性的多用户随机接入方法、基站、系统。所述方法包括：步骤1,基站侧接收用户侧的设备接入时给基站发送的信号Q；步骤2,基站侧对接收的信号进行处理；所述步骤二具体为：针对接收信号Q进行傅里叶变换Y＝QW＝AHW+ZW＝AX+N，以将系统模型转换到多天线虚拟角度域；其中矩阵W表示离散傅里叶变换矩阵，X＝HW为角度域的信道信息矩阵；N＝ZW；步骤3,基站侧根据处理后的所述信号，进行导频检测及冲突解决。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.025 seconds)
