-
公开(公告)号：CN118433000A
公开(公告)日：2024-08-02
申请号：CN202410499088.X
申请日：2024-04-24
申请人： 电子科技大学
IPC分类号： H04L27/34 , H04L41/16 , G06N3/0475 , G06N3/0464 , G06N3/048 , G06N3/092 , G06N3/094 , H04B10/90
摘要： 本发明属于通信技术领域，具体提供一种用于神经网络调制器的抗非理想特性的星座成型方法，用以解决现有神经网络调制器的星座成型方法存在的诸多问题，尤其适用于太赫兹通信等非理想特性显著的场景。本发明提出最大单坐标值归一化方法或最大幅值归一化方法用于神经网络调制器的归一化输出层，使得由调制器输出信号构成的星座图限制在QAM平面中的固定范围内；同时，在训练损失中添加二范数惩罚项，以优化神经网络调制器；综上，本发明能够确保星座图有效散布在给定范围内，在没有额补偿情况下提升调制器在存在非理想特性场景的下的性能，避免了数模转化器的输出信号瞬时功率过高的情况发生，同时有效利用了正交调幅资源。
-
公开(公告)号：CN117689742A
公开(公告)日：2024-03-12
申请号：CN202311701775.7
申请日：2023-12-12
申请人： 电子科技大学
IPC分类号： G06T9/00 , G06N3/0464 , G06N3/048 , H04N19/146 , H04N19/42
摘要： 本发明属于计算机视觉技术领域，具体提供一种基于深度学习的多速率图像压缩传输方法，可以通过自适应调整来适应当前传输条件，从而更好的克服噪声影响并实现更加鲁棒的图像传输效果，以达到多速率的图像传输目的。本发明基于变分自编码器的结构，通过上下文模型获得熵概率分布，引入非局部模块捕获全局特征，使用率失真优化训练模型；为了实现多速率传输的目的，嵌入了质量缩放因子线性缩放特征信息，减少了部署开销；同时，使用调制网络达到了自适应多速率的效果。综上，本发明部署成本低、自适应信道传输条件的能力强，适用于万物互联的5G、6G通信时代，特别是在车联网、高速无人机等时变通信环境下的图像信号传输任务场景。
-
公开(公告)号：CN115470799B
公开(公告)日：2023-04-07
申请号：CN202211365109.6
申请日：2022-11-03
申请人： 电子科技大学
IPC分类号： G06F40/30 , G06F40/284 , G06F18/22 , G06F18/2415 , G06N3/044 , G06N3/047 , G06N3/08 , H04B17/336 , H04B17/373
摘要： 本发明属于通信和自然语言处理交叉技术领域，具体提供一种用于网络边缘设备的文本传输和语义理解一体化方法，包括发送端、接收端及无线信道，接收端的语义解码器在不恢复原始文本信息的情况下，采用分类器得到意图信息，采用循环神经网络GRU模型逐个生成语义槽的单词序列内容，从而得到包括意图与语义槽的结构化信息。本发明能够大幅降低运算开销，基于网络边缘设备十分有限的计算和储存能力，在接收端不恢复自然语言输入的情况下，能够直接从通信信号特征中提取结构化的意图和语义槽信息序列，实现自然语言理解。本发明适用于万物互联的5G、6G通信时代，人与机器、机器与机器之间的文本语义传输和控制场景。
-
公开(公告)号：CN115470799A
公开(公告)日：2022-12-13
申请号：CN202211365109.6
申请日：2022-11-03
申请人： 电子科技大学
IPC分类号： G06F40/30 , G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08 , H04B17/336 , H04B17/373
摘要： 本发明属于通信和自然语言处理交叉技术领域，具体提供一种用于网络边缘设备的文本传输和语义理解一体化方法，包括发送端、接收端及无线信道，接收端的语义解码器在不恢复原始文本信息的情况下，采用分类器得到意图信息，采用循环神经网络GRU模型逐个生成语义槽的单词序列内容，从而得到包括意图与语义槽的结构化信息。本发明能够大幅降低运算开销，基于网络边缘设备十分有限的计算和储存能力，在接收端不恢复自然语言输入的情况下，能够直接从通信信号特征中提取结构化的意图和语义槽信息序列，实现自然语言理解。本发明适用于万物互联的5G、6G通信时代，人与机器、机器与机器之间的文本语义传输和控制场景。
-
公开(公告)号：CN108847909B
公开(公告)日：2020-10-27
申请号：CN201810613249.8
申请日：2018-06-14
申请人： 电子科技大学
IPC分类号： H04B17/382
摘要： 本发明属于频谱感知技术领域，具体的说是一种基于压缩感知的宽带块稀疏频谱恢复方法。为了得到宽带信号的稀疏的频域信息，根据奈切斯特定律，传统的时域采样方法需要使用高采样速率的模数转换器，这会带来很高的硬件成本。结合更高效的稀疏采样的硬件结构，本方法通过引入压缩感知技术，针对宽带频谱信号的块稀疏特征，提出了一种元素重叠的目标惩罚函数。该方法可以使用标准的凸优化工具进行求解，从而实现宽带信号的块稀疏频谱恢复。和传统方法相比，本方法可以显著的降低宽带频谱感知所需模数转化器的采样速率和实现难度；与其他压缩感知技术相比，具有更好的块稀疏频谱恢复精度。
-
公开(公告)号：CN108847909A
公开(公告)日：2018-11-20
申请号：CN201810613249.8
申请日：2018-06-14
申请人： 电子科技大学
IPC分类号： H04B17/382
CPC分类号： H04B17/382
摘要： 本发明属于频谱感知技术领域，具体的说是一种基于压缩感知的宽带块稀疏频谱恢复方法。为了得到宽带信号的稀疏的频域信息，根据奈切斯特定律，传统的时域采样方法需要使用高采样速率的模数转换器，这会带来很高的硬件成本。结合更高效的稀疏采样的硬件结构，本方法通过引入压缩感知技术，针对宽带频谱信号的块稀疏特征，提出了一种元素重叠的目标惩罚函数。该方法可以使用标准的凸优化工具进行求解，从而实现宽带信号的块稀疏频谱恢复。和传统方法相比，本方法可以显著的降低宽带频谱感知所需模数转化器的采样速率和实现难度；与其他压缩感知技术相比，具有更好的块稀疏频谱恢复精度。
-
公开(公告)号：CN118714334A
公开(公告)日：2024-09-27
申请号：CN202410936364.4
申请日：2024-07-12
申请人： 电子科技大学
IPC分类号： H04N19/189 , H04N19/124 , H04L1/00
摘要： 本发明属于图像压缩传输领域，提供一种基于简化空间自适应标准化模块的图像压缩传输方法，用以提升了图像压缩的性能、增强实际通信场景的适用性和鲁棒性。本发明提出简化空间自适应标准化模块(SAN)，构建语义编码器，通过复用特征信息来弥补重建图像细节，SAN模块通过残差连接的方式加深了语义解码器的网络深度，且避免了网络加深带来的特征信息损失的问题，从而提高了重建图像的细节丰富程度，显著提升图像压缩传输方法的整体性能；同时，本发明缓解了传输数据错误导致的图像传输性能的快速下降；并且，本发明将图像压缩为比特数据，压缩得到的图像比特信息可用于网络传输，并不局限于点对点图像传输。
-
公开(公告)号：CN118611824A
公开(公告)日：2024-09-06
申请号：CN202410647163.2
申请日：2024-05-23
申请人： 电子科技大学
摘要： 本发明属于计算机视觉技术领域，具体提供一种基于调节自编码器的联合信源信道编码图像无线传输方法，使单一JSCC模型适应不同的信道条件。本发明中自编码器包括：发送端、信道模块、接收端，发送端包括：编码器与调节网络，接收端包括：解码器与解调节网络，调节网络与解调节网络均包括全连接神经网络，信道模块包括：平均发射功率控制器、AWGN信道；其中，调节网络仅从信噪比值产生信道调节因子，对每个编码器层中的特征进行缩放以控制不同信道的重要性图，从而获得抵抗不同强度信道噪声的能力；相应的，采用解调节网络来控制解码过程；基于此，本发明能够在宽信道信噪比范围内提供鲁棒的传输性能，优于现有的ADJSCC方法。
-
公开(公告)号：CN118537348A
公开(公告)日：2024-08-23
申请号：CN202410663448.5
申请日：2024-05-27
申请人： 电子科技大学
IPC分类号： G06T7/10 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/90 , G06T3/40
摘要： 本发明属于医学图像处理技术领域，具体提供一种用于超声图像分割的遮掩预训练方法，用以实现超声图像的自动分割。本发明通过随机掩蔽输入超声图像中的部分像素，对超声图像分割模型进行预训练以预测未知内容，以便在正式训练之前使模型适应当前的拟合场景，并且遮掩预训练中的参数权重被用作后续分割任务的初始状态；基于此，大量的未标记图像可以极大地增强特征提取能力，并且在标记数据非常有限的情况下，大大提高分割精度；综上，本发明能够用于在有大量未相关未标记的图像的情况下，利用有限的已标记图像，极大地增强特征提取能力，实现小样本数据集下的精准分割。
-
公开(公告)号：CN118691817A
公开(公告)日：2024-09-24
申请号：CN202410834677.9
申请日：2024-06-26
申请人： 电子科技大学
IPC分类号： G06V10/26 , G06N3/096 , G06N3/0464 , G06V10/44 , G06N3/0455 , G06N3/048 , G06N3/0495
摘要： 本发明属于医学图像处理技术领域，具体提供一种基于轻量级深度迁移学习的胎儿肺超声图像分割方法，旨在高效、准确地实现胎儿肺部超声图像的自动分割，以评估胎儿肺的成熟度。本发明在基于MobileNetV2的DeepLabV3+架构上引入改进的注意力机制，构建轻量级的胎儿肺超声图像分割模型，包括：轻量级反向残差卷积模块、注意力机制模块与语义图像分割卷积模块；在图像分割过程中提升重要特征的关注权重，同时忽略贡献较小的特征，从而有效提升模型在有限计算资源下的性能和实用性，利于临床实践；同时，在模型训练过程中引入迁移学习，提高模型训练效率，且进一步提升模型分割结果的准确度。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.029 秒)
