-
公开(公告)号：CN113852955B
公开(公告)日：2024-04-05
申请号：CN202111114040.5
申请日：2021-09-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种无线感知网络中安全数据传输与合法节点认证的方法，首先进行网络的初始化进程；在感知节点处用压缩采样网采样与压缩数据，用提前设置好的轻量级Hash算法进行处理，处理后的数据附加在采样压缩的数据后进行同态加密，传送到汇聚节点处；在汇聚节点端，先解密，进行Hash比对，比对成功将数据传送到联合重建网进行信息数据的重建，比对失败丢弃数据，在认证的同时进行每个节点的信誉评估。本发明方法有着更高的效率，处理较大数据时，速率比传统方式快至少5倍，同时很好的实现数据的机密性传输，对于无线感知网络中的点到点数据传输提供了很大的便利，且减少了很多的能量损耗，是一种高效节能的安全数据传输与合法节点认证方案。
-
公开(公告)号：CN114418866A
公开(公告)日：2022-04-29
申请号：CN202111410413.3
申请日：2021-11-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种低采样率下的深度学习图像恢复方法，包括采样步骤和重建步骤，其中，采样部分引入离散小波变换，减少了由于应用单一尺度采样方法所丢失的高频部分内容，提高了方法的图像重建质量。将采样部分的矩阵乘法转换为半张量积的形式，显著减小了采样矩阵的大小，减少了矩阵的存储空间，节约了大量的计算资源。将AMP算法以去噪视角展开到深度卷积网络中，提高了图像的视觉效果和重建速度。在低采样率的条件下，与其他方法相比，本发明方法有着更好的量化指标和重建效果，在存储空间占用和运行时间方面有着优势，获得了更好的视觉效果。
-
公开(公告)号：CN114418866B
公开(公告)日：2024-08-06
申请号：CN202111410413.3
申请日：2021-11-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种低采样率下的深度学习图像恢复方法，包括采样步骤和重建步骤，其中，采样部分引入离散小波变换，减少了由于应用单一尺度采样方法所丢失的高频部分内容，提高了方法的图像重建质量。将采样部分的矩阵乘法转换为半张量积的形式，显著减小了采样矩阵的大小，减少了矩阵的存储空间，节约了大量的计算资源。将AMP算法以去噪视角展开到深度卷积网络中，提高了图像的视觉效果和重建速度。在低采样率的条件下，与其他方法相比，本发明方法有着更好的量化指标和重建效果，在存储空间占用和运行时间方面有着优势，获得了更好的视觉效果。
-
公开(公告)号：CN113852955A
公开(公告)日：2021-12-28
申请号：CN202111114040.5
申请日：2021-09-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种无线感知网络中安全数据传输与合法节点认证的方法，首先进行网络的初始化进程；在感知节点处用压缩采样网采样与压缩数据，用提前设置好的轻量级Hash算法进行处理，处理后的数据附加在采样压缩的数据后进行同态加密，传送到汇聚节点处；在汇聚节点端，先解密，进行Hash比对，比对成功将数据传送到联合重建网进行信息数据的重建，比对失败丢弃数据，在认证的同时进行每个节点的信誉评估。本发明方法有着更高的效率，处理较大数据时，速率比传统方式快至少5倍，同时很好的实现数据的机密性传输，对于无线感知网络中的点到点数据传输提供了很大的便利，且减少了很多的能量损耗，是一种高效节能的安全数据传输与合法节点认证方案。
-
-
-
Search Results
4
records
(took 0.015 seconds)
