-
公开(公告)号：CN117220745A
公开(公告)日：2023-12-12
申请号：CN202311481311.X
申请日：2023-11-08
Applicant: 北京邮电大学
IPC: H04B7/06 , H04B7/0413 , G06N3/044 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的多用户信道状态信息联合压缩反馈方法，基站对小区内的所有用户发送下行导频序列，用户将已知导频序列和接收信道对比，通过信道估计获取实时下行信道状态信息，根据数据集训练多用户信道状态信息联合压缩反馈神经网络模型，用户使用编码器网络对下行信道状态信息进行压缩并且量化形成反馈码字，用户上行传输反馈码字，基站接收用户组的混合码字，基站使用解码器网络对混合码字进行解码，重构用户的下行信道状态信息。本发明提供的技术方案使得在复杂的通信环境下，多个用户设备能够更高效地进行信道状态信息反馈，同时不增加反馈延时和资源占用。
-
公开(公告)号：CN117272211A
公开(公告)日：2023-12-22
申请号：CN202311548457.1
申请日：2023-11-20
Applicant: 北京邮电大学
IPC: G06F18/2433 , G06F18/15 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/0495 , G06N3/082 , G06F123/02
Abstract: 本发明公开了一种基于长短期记忆模型的轻量化航天器故障检测分类方法，选择更适合处理序列数据的长短期记忆网络，以充分提取并建模特征序列中的时空双重维度信息，学习更高层次的时序特征，从而获得更准确的预测结果。本发明使用的数据处理方式，将不同故障模式、不同运行模式的数据集进行维度补全，拼合数据集以便于统一训练模型，做到一个模型可以检测和分类不同数据格式的航天器故障数据集。本发明使用细粒度的基于软滤波的加权剪枝方法和量化技术进行深度神经网络模型轻量化处理，从而优化模型，加快模型的运行速度，更好地进行航天器异常诊断的异构计算。本发明进行模型的重训练以恢复模型的判别精度。
-
公开(公告)号：CN117272211B
公开(公告)日：2024-02-13
申请号：CN202311548457.1
申请日：2023-11-20
Applicant: 北京邮电大学
IPC: G06F18/2433 , G06F18/15 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/0495 , G06N3/082 , G06F123/02
Abstract: 本发明公开了一种基于长短期记忆模型的轻量化航天器故障检测分类方法，选择更适合处理序列数据的长短期记忆网络，以充分提取并建模特征序列中的时空双重维度信息，学习更高层次的时序特征，从而获得更准确的预测结果。本发明使用的数据处理方式，将不同故障模式、不同运行模式的数据集进行维度补全，拼合数据集以便于统一训练模型，做到一个模型可以检测和分类不同数据格式的航天器故障数据集。本发明使用细粒度的基于软滤波的加权剪枝方法和量化技术进行深度神经网络模型轻量化处理，从而优化模型，加快模型的运行速度，更好地进行航天器异常诊断的异构计算。本发明进行模型的重训练以恢复模型的判别精度。
-
公开(公告)号：CN117220745B
公开(公告)日：2024-02-09
申请号：CN202311481311.X
申请日：2023-11-08
Applicant: 北京邮电大学
IPC: H04B7/06 , H04B7/0413 , G06N3/044 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的多用户信道状态信息联合压缩反馈方法，基站对小区内的所有用户发送下行导频序列，用户将已知导频序列和接收信道对比，通过信道估计获取实时下行信道状态信息，根据数据集训练多用户信道状态信息联合压缩反馈神经网络模型，用户使用编码器网络对下行信道状态信息进行压缩并且量化形成反馈码字，用户上行传输反馈码字，基站接收用户组的混合码字，基站使用解码器网络对混合码字进行解码，重构用户的下行信道状态信息。本发明提供的技术方案使得在复杂的通信环境下，多个用户设备能够更高效地进行信道状态信息反馈，同时不增加反馈延时和资源占用。
-
-
-
Search Results
4
records
(took 0.018 seconds)
