一种宽窄带一体化的通信设备及系统

    公开(公告)号:CN112468323B

    公开(公告)日:2021-12-17

    申请号:CN202011250655.6

    申请日:2020-11-10

    Applicant: 南京大学

    Abstract: 本发明提出一种宽窄带一体化的通信设备及系统,包括窄带通信模块、宽带通信模块以及由收发调度模块、路由控制模块和用户接入模块构成的核心控制模块;窄带通信模块用于实现窄带业务;宽带通信模块用于实现宽带业务;核心控制模块,用于实现操作系统的加载、宽带通信模块及窄带通信模块的控制和自组网协议的运行任务,同时提供用户接口。宽、窄带通信模块既可以分别完成宽带和窄带业务的传输需求,也可以在恶劣的通信环境中通过窄带通信模块完成自组织网络的构建,尽可能扩大网络覆盖范围。同时可以灵活地使用宽带和窄带通信模块的协同调度提供尽可能高带宽、鲁棒的自组织网络下的无线通信服务。

    基于强化学习的无线局域网调制编码自适应选择方法及无线设备

    公开(公告)号:CN112468265B

    公开(公告)日:2022-04-22

    申请号:CN202011250663.0

    申请日:2020-11-10

    Applicant: 南京大学

    Abstract: 本发明提出基于强化学习的无线局域网调制编码自适应选择方法及无线设备,该方法在无线设备内训练一张关于当前链路信噪比SNR和所有支持的MCS索引值的Q值表;在训练Q值表的过程中,无线设备根据学习策略在Q表中选择MCS索引值,并根据搭建的外部环境反馈的吞吐量和丢包率计算奖励值,通过更新策略更新Q表。最终训练完成的Q表可获得特定SNR下一定丢包率范围内吞吐量最大的MCS索引值,无线设备实时通过带宽测试得到无线局域网络的吞吐量和丢包率数据,然后自适应地从训练好的Q值表中选择预设丢包率范围内预计获得最大网络吞吐量的最优MCS索引值,并执行相应调制编码方案,保证了传输的可靠性和有效性,同时避免了抽样探测带来的网络性能浪费问题。

    一种基于深度学习的工件表面缺陷检测方法

    公开(公告)号:CN110689539A

    公开(公告)日:2020-01-14

    申请号:CN201910993517.8

    申请日:2019-11-12

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于深度学习的工件表面缺陷检测方法,利用深度学习技术,构建了工件表面缺陷检测系统,目的在于解决传统方法中人力开销大、系统效率低、适应性差的缺点,能够在生产环境下对工件表面缺陷进行快速识别、反馈,保证了系统的准确度与效率。系统通过图像采集装置对工件表面进行图像捕获,经由捕获终端预处理后,上传至处理计算机。处理计算机将调用基于深度神经网络模型的预测器对图像进行识别,并输出预测向量。最后,处理中心将预测向量发布到显示终端,使得工件表面缺陷状态得到直观展示。

    基于强化学习的无线局域网调制编码自适应选择方法及无线设备

    公开(公告)号:CN112468265A

    公开(公告)日:2021-03-09

    申请号:CN202011250663.0

    申请日:2020-11-10

    Applicant: 南京大学

    Abstract: 本发明提出基于强化学习的无线局域网调制编码自适应选择方法及无线设备,该方法在无线设备内训练一张关于当前链路信噪比SNR和所有支持的MCS索引值的Q值表;在训练Q值表的过程中,无线设备根据学习策略在Q表中选择MCS索引值,并根据搭建的外部环境反馈的吞吐量和丢包率计算奖励值,通过更新策略更新Q表。最终训练完成的Q表可获得特定SNR下一定丢包率范围内吞吐量最大的MCS索引值,无线设备实时通过带宽测试得到无线局域网络的吞吐量和丢包率数据,然后自适应地从训练好的Q值表中选择预设丢包率范围内预计获得最大网络吞吐量的最优MCS索引值,并执行相应调制编码方案,保证了传输的可靠性和有效性,同时避免了抽样探测带来的网络性能浪费问题。

    一种基于深度学习的工件表面缺陷检测方法

    公开(公告)号:CN110689539B

    公开(公告)日:2023-04-07

    申请号:CN201910993517.8

    申请日:2019-11-12

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于深度学习的工件表面缺陷检测方法,利用深度学习技术,构建了工件表面缺陷检测系统,目的在于解决传统方法中人力开销大、系统效率低、适应性差的缺点,能够在生产环境下对工件表面缺陷进行快速识别、反馈,保证了系统的准确度与效率。系统通过图像采集装置对工件表面进行图像捕获,经由捕获终端预处理后,上传至处理计算机。处理计算机将调用基于深度神经网络模型的预测器对图像进行识别,并输出预测向量。最后,处理中心将预测向量发布到显示终端,使得工件表面缺陷状态得到直观展示。

    一种宽窄带一体化的通信设备及系统

    公开(公告)号:CN112468323A

    公开(公告)日:2021-03-09

    申请号:CN202011250655.6

    申请日:2020-11-10

    Applicant: 南京大学

    Abstract: 本发明提出一种宽窄带一体化的通信设备及系统,包括窄带通信模块、宽带通信模块以及由收发调度模块、路由控制模块和用户接入模块构成的核心控制模块;窄带通信模块用于实现窄带业务;宽带通信模块用于实现宽带业务;核心控制模块,用于实现操作系统的加载、宽带通信模块及窄带通信模块的控制和自组网协议的运行任务,同时提供用户接口。宽、窄带通信模块既可以分别完成宽带和窄带业务的传输需求,也可以在恶劣的通信环境中通过窄带通信模块完成自组织网络的构建,尽可能扩大网络覆盖范围。同时可以灵活地使用宽带和窄带通信模块的协同调度提供尽可能高带宽、鲁棒的自组织网络下的无线通信服务。

Patent Agency Ranking