-
公开(公告)号：CN114726414A
公开(公告)日：2022-07-08
申请号：CN202210212293.4
申请日：2022-03-04
申请人： 西安电子科技大学
IPC分类号： H04B7/0413 , H04B7/06 , H04B7/08 , H04B17/336 , H04B17/382 , H04B17/391
摘要： 本发明属于移动互联网技术领域，公开了一种联合传输波束优化的方法、系统、介质、设备及终端，基于5G NR蜂窝系统和密集部署的微基站，引入IRS辅助以重构信道，构建免许可频段异构网络模型；通过联合优化主动波束成型向量和IRS的反射波束成型向量，增强有用信息同时抵消干扰，进而实现对多用户的公平传输。本发明与传统MIMO通信系统中的MRT波束形成方案和ZF波束形成方案相比，本发明的方法可以获得更显著的增益，提高系统吞吐量和频谱利用效率，同时实现对多用户的公平传输；IRS的加入不仅提高了用户处接收信号的强度，而且抑制了用户间干扰，特别是对小区边缘用户，在保证公平性的基础上显著改善了用户的通信质量。
-
公开(公告)号：CN103902989B
公开(公告)日：2017-03-01
申请号：CN201410161014.1
申请日：2014-04-21
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于非负矩阵分解的人体动作视频识别方法，克服了现有技术中动作视频特征的提取受背景环境的影响而导致识别率下降，且提取的特征维数过高而导致计算量过大的问题。本发明的具体实现步骤如下（：1）数据集预处理；（2）检测空间兴趣点；（3）构建立方体；4）构造特征矩阵；（5）训练字典；（6）分类。本发明能够有效克服人体动作视频识别过程中背景环境对特征提取的影响，提高人体动作视频的识别率，而且提取的特征维数较低，降低了人体动作视频识别过程的计算量和复杂性。
-
公开(公告)号：CN103810724A
公开(公告)日：2014-05-21
申请号：CN201410078909.9
申请日：2014-03-06
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于空间嵌入式极限学习机的人体运动跟踪方法，主要解决现有技术跟踪误差较大的问题。其实现步骤是：(1)预处理训练视频和测试视频，得到训练样本和测样本；(2)使用描述子提取训练样本和测试样本的图像特征矩阵，用训练样本的特征矩阵和人体运动姿态矩阵组成联合矩阵；(3)根据联合矩阵在随机特征空间的投影和人体运动姿态矩阵计算输出权重；(4)根据输出权重求出测试样本的姿态估计矩阵；(5)将测试样本的姿态估计矩阵与人体运动姿态矩阵的差值作为最终的人体跟踪误差。本发明能够有效减小跟踪误差，可用于运动捕获、人机交互及视频监控等。
-
公开(公告)号：CN114726414B
公开(公告)日：2024-07-19
申请号：CN202210212293.4
申请日：2022-03-04
申请人： 西安电子科技大学
IPC分类号： H04B7/0413 , H04B7/06 , H04B7/08 , H04B17/336 , H04B17/382 , H04B17/391
摘要： 本发明属于移动互联网技术领域，公开了一种联合传输波束优化的方法、系统、介质、设备及终端，基于5G NR蜂窝系统和密集部署的微基站，引入IRS辅助以重构信道，构建免许可频段异构网络模型；通过联合优化主动波束成型向量和IRS的反射波束成型向量，增强有用信息同时抵消干扰，进而实现对多用户的公平传输。本发明与传统MIMO通信系统中的MRT波束形成方案和ZF波束形成方案相比，本发明的方法可以获得更显著的增益，提高系统吞吐量和频谱利用效率，同时实现对多用户的公平传输；IRS的加入不仅提高了用户处接收信号的强度，而且抑制了用户间干扰，特别是对小区边缘用户，在保证公平性的基础上显著改善了用户的通信质量。
-
公开(公告)号：CN103905831B
公开(公告)日：2017-01-18
申请号：CN201410160985.4
申请日：2014-04-18
申请人： 西安电子科技大学
IPC分类号： H04N19/63 , H04N19/645 , H04N19/88 , G06T9/40
摘要： 本发明提出了一种基于图形处理器的条带波变换图像压缩方法，克服了现有技术中计算量大和压缩图像峰值信噪比低的问题。本发明的具体实现步骤如下：（1）输入待压缩图像；（2)小波变换；（3）Bandelet化；(4）嵌入式零树小波编码，输出压缩文件；（5）输入待解压的压缩文件；（6）解码（；7）Bandelet逆变换，输出重构图像。本发明能够有效克服现有技术中压缩速度慢、图像细节特征保持不好、峰值信噪比低的问题，使得图像的细节特征能够得到很好的保留，加快压缩处理的速度，提升了压缩图像的峰值信噪比。
-
公开(公告)号：CN103902989A
公开(公告)日：2014-07-02
申请号：CN201410161014.1
申请日：2014-04-21
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于非负矩阵分解的人体动作视频识别方法，克服了现有技术中动作视频特征的提取受背景环境的影响而导致识别率下降，且提取的特征维数过高而导致计算量过大的问题。本发明的具体实现步骤如下：（1）数据集预处理；（2）检测空间兴趣点；（3）构建立方体；（4）构造特征矩阵；（5）训练字典；（6）分类。本发明能够有效克服人体动作视频识别过程中背景环境对特征提取的影响，提高人体动作视频的识别率，而且提取的特征维数较低，降低了人体动作视频识别过程的计算量和复杂性。
-
公开(公告)号：CN103824063A
公开(公告)日：2014-05-28
申请号：CN201410079781.8
申请日：2014-03-06
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于稀疏表示的动态手势识别方法，克服了现有技术中手势特征的提取受背景环境的影响而导致识别率下降，且将手势识别过程进行数学建模，导致手势识别过程太复杂的问题。本发明的具体实现步骤如下：（1）建立数据库；（2）提取时空兴趣点；（3）构建立方体；（4）提取三维SIFT特征；（5）训练字典；（6）稀疏表示；（7）训练支持向量机分类器；（8）分类。本发明能够有效克服手势识别过程中背景环境对特征提取的影响，提高手势识别的识别率，而且不需要复杂的数学建模过程，降低了手势识别过程的计算量和复杂性。
-
公开(公告)号：CN103824062A
公开(公告)日：2014-05-28
申请号：CN201410079746.6
申请日：2014-03-06
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于非负矩阵分解的分部位人体运动识别方法，主要解决现有技术中特征提取复杂、表征能力弱、计算量大的问题。其实现步骤是：（1）从训练视频集X中选取一个样本视频I，检测人体各部位的运动兴趣点及相对应部位的运动特征；（2）将人体各部位运动特征进行非负矩阵分解；(3)将经过分解后的人体各部位运动特征进行级联，级联的结果作为最终特征；(4)按上述步骤分别对训练视频集X和测试视频集T中的所有视频进行特征提取，获得训练样本特征集X'和测试样本特征集T'，并进行学习训练，获得分类结果。本发明能准确识别人体运动，可用于视频监控、人体姿态估计和运动识别的视频处理。
-
公开(公告)号：CN117902612A
公开(公告)日：2024-04-19
申请号：CN202410228844.5
申请日：2024-02-28
IPC分类号： C01F17/10
摘要： 本发明公开了一种纳米氧化钆粉体的制备方法，包括以下步骤：S1、取4.5～18g钆盐溶解于95～105mL水中，得到前驱液；取48～52mg引发剂溶解于30～50mL无水乙醇中，得到溶液；取10～12g聚合物单体、1～3g交联剂和溶液加入前驱液中，并进行加热搅拌处理，得到凝胶；S2、将凝胶进行冷冻处理，随后真空干燥，得到干凝胶；S3、将干凝胶进行球磨与过筛处理，得到前驱体粉体，将前驱体粉体进行第一次煅烧，得到预煅烧粉体；S4、将预煅烧粉体进行第二次煅烧并研磨，得到纳米氧化钆粉体。本发明的制备方法简单易操作，制备周期短，制得的纳米氧化钆粉体具有纯度高、粒径小、尺寸分布均匀的特点。
-
公开(公告)号：CN103905831A
公开(公告)日：2014-07-02
申请号：CN201410160985.4
申请日：2014-04-18
申请人： 西安电子科技大学
IPC分类号： H04N19/63 , H04N19/645 , H04N19/88 , G06T9/40
摘要： 本发明提出了一种基于图形处理器的条带波变换图像压缩方法，克服了现有技术中计算量大和压缩图像峰值信噪比低的问题。本发明的具体实现步骤如下：（1）输入待压缩图像；（2)小波变换；（3）Bandelet化；(4）嵌入式零树小波编码，输出压缩文件；（5）输入待解压的压缩文件；（6）解码；（7）Bandelet逆变换，输出重构图像。本发明能够有效克服现有技术中压缩速度慢、图像细节特征保持不好、峰值信噪比低的问题，使得图像的细节特征能够得到很好的保留，加快压缩处理的速度，提升了压缩图像的峰值信噪比。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.035 秒)
