-
公开(公告)号：CN119383723A
公开(公告)日：2025-01-28
申请号：CN202411361529.6
申请日：2024-09-27
Applicant: 北京邮电大学
IPC: H04W64/00 , G06N3/045 , G06N3/0475 , G06N3/094 , H04W4/30
Abstract: 本发明涉及无线通信技术领域，提供一种无线电地图重构方法、装置、电子设备和存储介质，方法包括：获取目标区域的环境信息和稀疏测量；将所述环境信息输入至已训练的预测网络，得到所述预测网络输出的基础无线电地图；将所述基础无线电地图和所述稀疏测量输入至已训练的修正网络，得到所述修正网络输出的精确无线电地图；其中，所述预测网络和修正网络均基于生成器和鉴别器之间的对抗训练得到。本发明提供的无线电地图重构方法、装置、电子设备和存储介质，能够利用现有的可用信息获得最佳结果，从而实现效率、成本和精度之间的平衡。
-
公开(公告)号：CN118351408A
公开(公告)日：2024-07-16
申请号：CN202410456087.7
申请日：2024-04-16
Applicant: 北京邮电大学
IPC: G06V10/80 , G06V10/82 , G06V10/58 , G06N3/0464
Abstract: 本申请提供了一种基于深度低秩先验的空谱特征融合方法和装置，该方法包括：将二维均匀噪声输入至空间低秩生成网络模型，得到空间低秩特征矩阵，将一维均匀噪声输入至光谱低秩生成网络模型，得到光谱低秩特征矩阵，基于空间低秩特征矩阵和光谱低秩特征矩阵生成HRHS图像后输入至空间降分辨率网络模型，得到退化LRHS图像，将HRHS图像分别输入至分波段范围取平均操作算法和光谱降分辨率网络模型，得到退化HRMS图像；基于HRHS图像、退化LRHS图像、LRHS图像、退化HRMS图像和HRMS图像，迭代更新上述四个网络模型的网络参数，将收敛时的HRHS图像，确定为融合目标HRHS图像，提高了HRHS图像的图像质量。
-
公开(公告)号：CN117761614A
公开(公告)日：2024-03-26
申请号：CN202311414665.2
申请日：2023-10-27
Applicant: 北京邮电大学
Abstract: 本发明提供一种无人机辅助的通信定位方法、装置及电子设备，该方法包括：S1、根据当前时隙下无人机的位置信息和第一设备的位置信息，确定第二设备的当前位置信息，及搜救系统的通信数据量；根据当前位置信息和通信数据量，确定搜救系统的能效比；S2、在能效比不满足第一预设条件的情况下，调整无人机在下一时隙的位置信息，并在下一时隙重复执行上述步骤S1，直到能效比满足第一预设条件，并将满足第一预设条件时的能效比所对应的当前位置信息，确定为第二设备的目标位置信息，目标位置信息用于表征待搜救人员的当前位置信息。该方法提高了定位精度和通信性能，以对待搜救人员进行精准营救。
-
公开(公告)号：CN113610303B
公开(公告)日：2024-03-19
申请号：CN202110910283.3
申请日：2021-08-09
Applicant: 北京邮电大学 , 国网冀北电力有限公司
IPC: G06Q10/0631 , G06Q50/06 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种负荷预测方法及系统，该方法包括：101，根据当前联邦学习最优分组匹配策略，每个边缘服务器将对应分组的本地模型进行聚合，得到每个边缘服务器的全局模型；102，用户终端通过各自用电负荷数据，对接收到的全局模型进行本地训练，得到每个用户终端在当前联邦学习的本地模型；103，根据全局模型和每个本地模型间的模型相似度，以及每个用户终端完成本地训练所需时延，获取下一联邦学习最优分组匹配策略；104，重复101至103，得到目标分组匹配策略和不同分组负荷预测模型；105，基于目标分组匹配策略，通过每个分组负荷预测模型，对各自组内用户终端进行负荷预测。本发明提升负荷预测精度，减少模型训练时间。
-
公开(公告)号：CN117614575A
公开(公告)日：2024-02-27
申请号：CN202311423943.0
申请日：2023-10-30
Applicant: 北京邮电大学
IPC: H04B17/391
Abstract: 本发明提供一种林区信号的传播路径损耗确定方法、装置、设备和介质，涉及通信技术领域。方法包括：将传播路径距离输入至路径损耗预测模型，得到路径损耗预测模型输出的路径损耗预测结果；路径损耗预测模型是基于路径损耗模型和路径损耗模型对应的拟合参数构建的，拟合参数是基于路径损耗模型，对多个样本传播路径距离和各样本传播路径距离对应的实际路径损耗进行拟合得到的；路径损耗模型包括第一损耗子模型和第二损耗子模型，第一损耗子模型用于确定距离引起的损耗，第二损耗子模型用于确定林区引起的损耗；第二损耗子模型包括双曲正切函数，双曲正切函数的输入参数是基于路径距离变量确定的。本发明可以提高路径损耗模型的构建准确性。
-
Patent Agency Ranking
公开(公告)号：CN116796823A
公开(公告)日：2023-09-22
申请号：CN202310723421.6
申请日：2023-06-16
Applicant: 北京邮电大学
IPC: G06N3/082 , G06N3/0464
Abstract: 本发明提供一种类别自适应模型剪枝方法、装置、电子设备和存储介质，属于模型剪枝技术领域。该方法包括：分别建立针对各类别的优化模型，基于优化模型分别确定针对各类别的目标剪枝率；对原始卷积神经网络模型进行稀疏正则化训练，以确定骨干部中每一层网络分别对应各通道的缩放因子；针对稀疏正则化训练后的原始卷积神经网络模型，基于校准数据集，确定骨干部的每一层网络分别针对各类别的目标类别注意力系数；基于缩放因子和目标类别注意力系数确定骨干部的每一层网络对应的各通道，分别针对各类别的重要度系数；基于目标剪枝率和重要度系数，针对每个类别分别对原始卷积神经网络模型进行剪枝处理。该方法获得的剪枝模型便于部署且性能较优。
-
公开(公告)号：CN115314099B
公开(公告)日：2023-08-01
申请号：CN202210658360.5
申请日：2022-06-10
Applicant: 北京邮电大学
Abstract: 本发明提供一种无人机基站通信覆盖网络增强方法及系统，方法包括：将无人机所服务用户集合中所有用户对的遍历速率最大化作为无人机基站通信覆盖网络中待求解的目标函数；根据目标函数和目标函数所遵循的目标约束条件，确定无人机基站通信覆盖网络中待求解的优化问题；基于边界逼近的低复杂度优化算法求解优化问题，获取无人机分配给NOMA用户对中强弱用户的发射功率；根据匈牙利算法基于OMA用户对的遍历总速率、单用户对的遍历速率及NOMA用户对的遍历总速率进行用户匹配，获取总遍历速率最大的用户匹配结果。本发明面向无人机基站通信覆盖网络场景，利用NOMA技术满足信道质量不均衡用户的通信接入，实现无人机通信覆盖网络的增强。
-
公开(公告)号：CN115618996A
公开(公告)日：2023-01-17
申请号：CN202211117446.3
申请日：2022-09-14
Applicant: 北京邮电大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/049 , G06N3/08
Abstract: 本发明实施例提供一种数据中心的负荷预测方法、装置、设备和存储介质，该方法包括：获取多个历史时刻的目标数据；目标数据包括数据中心的负荷数据及多个类型的与负荷数据相关的特征数据；将待预测时刻之前多个历史时刻的数据中心负荷及多个类型的与负荷数据相关的特征数据输入到训练后的负荷预测模型，得到数据中心负荷预测结果；模型用于基于历史时刻的目标数据和预测出的未来时刻的特征数据，对未来时刻的数据中心的负荷进行预测。本发明实施例的方法通过探索出有价值的未来时刻的特征数据，并根据探索出的特征数据指导历史时刻的目标数据进行负荷预测，提升了数据中心负荷预测的准确性。
-
公开(公告)号：CN115311508A
公开(公告)日：2022-11-08
申请号：CN202210947869.1
申请日：2022-08-09
Applicant: 北京邮电大学
IPC: G06V10/77 , G06V10/82 , G06V20/40 , G06V10/143 , G06N3/04
Abstract: 本发明公开了一种基于深度U型网络的单帧图像红外弱小目标检测方法，该方法包括构建基于深度监督U型网络及加入该深度监督U型网络中的密集特征编码模块的单帧图像红外弱小目标检测模型，其中，所述深度监督U型网络可提取得到的多层次、多尺度的图像特征并对其进行精度还原，密集特征编码模块可进行通道注意力交叉导向学习和空间注意力交互导向学习，在网络深度增加的同时不损失特征分辨率失，同时可提升目标的全局及局部上下文表征，实现像素特征之间的长距离依赖关系；且所述检测模型不依赖经典的分类骨干网络，可解决传统深度网络中弱小目标的深度语义特征可判性降低、无法关注目标的局部上下文信息等问题，实现精准的红外弱小目标检测。
-
公开(公告)号：CN115037638A
公开(公告)日：2022-09-09
申请号：CN202210674878.8
申请日：2022-06-14
Applicant: 北京邮电大学
Abstract: 本发明提供一种低能耗和高时效性的无人机网络数据采集与传输控制方法。该方法为：确定每个时隙内所有无人机节点的能耗；基于每个时隙内所有无人机节点的AoI，确定总时间内所有无人机节点对应的网络平均AoI；基于李雅普诺夫优化理论，将每个时隙内所有无人机节点的能耗以及网络平均AoI对应的目标约束条件进行转化，得到最小平均能耗；基于网络平均AoI和最小平均能耗，确定无人机采样节点在时隙内的采样策略和所有无人机节点在每个时隙内的传输调度策略和路由策略。本发明提供的低能耗和高时效性的无人机网络数据采集与传输控制方法，能够最大程度的限制能量消耗，获得最小平均能耗。
-
-
-
-
-
-
-
-
-
Search Results
226
records
(took 0.043 seconds)
