公开(公告)号：CN117538906A

公开(公告)日：2024-02-09

申请号：CN202311026142.0

申请日：2023-08-15

申请人： 郑州大学

发明人： 刘沛佳 ,  朱政宇 ,  李鑫泽 ,  王博 ,  侯冬冬 ,  王凯 ,  李广华

IPC分类号： G01S19/23 ,  G01S19/37 ,  G06N3/0499 ,  G06N3/08

摘要： 本发明提出了一种面向水下航位推算导航的单步定位误差修正方法，其步骤为：首先，利用GNSS量测的位置辅助计算航位推算导航单步定位误差；其次，将航位推算导航的单步输入和单步定位误差组成一个样本，并对所述样本进行筛选，得到有效样本组成训练样本集；然后，设计RBF神经网络作为航位推算导航单步定位误差预测器，利用训练样本集对RBF神经网络进行训练，使其逼近航位推算导航单步输入和单步定位误差之间的非线性误差函数；最后，在航位推算导航中，经过训练的RBF神经网络用作单步定位误差预测器；单步定位误差预测器与航位推算导航并行工作，预测单步定位误差对航位推算位置进行修正。本发明能够显著提高水下航位推算导航的定位精度。

公开(公告)号：CN116738225A

公开(公告)日：2023-09-12

申请号：CN202310611620.8

申请日：2023-05-24

申请人： 郑州大学

发明人： 朱政宇 ,  陈鹏飞 ,  赵航冉 ,  薛帮国 ,  王梓晅 ,  李鑫泽 ,  林宇 ,  梁静 ,  王忠勇 ,  巩克现

IPC分类号： G06F18/214 ,  G06F18/10 ,  G06F18/23213 ,  G06F17/15 ,  G06F17/18 ,  G06N3/0464 ,  G06N3/084

摘要： 本发明公开了一种基于改进YOLOv5的信号检测方法，所属方法包括：1、对接收到的信号进行短时傅里叶变换得到其时频图，并对时频图进行灰度化，构建信号检测时频图数据集；2、为提高深度学习网络的特征提取能力，将CBAM模块引入到经典YOLOv5；3、为提升算法最终预测框的准确性，将YOLOv5中的NMS算法替换为WBF算法；4、使用改进的Focal‑EIoU损失函数加强高质量预测结果在训练过程中的影响；5、使用Adam优化器和信号时频图数据集对改进的YOLOv5网络模型进行训练；6、将待检测信号的时频图输入训练好的网络模型中，得到信号检测结果。本发明实施例首次提出使用改进的YOLOv5网络模型检测接收宽带数据中存在的目标信号，该方法简单实用，以较低复杂度实现较高的信号检测性能，对深度学习网络在信号目标检测中的应用具有开拓意义。

公开(公告)号：CN118264295A

公开(公告)日：2024-06-28

申请号：CN202410349244.4

申请日：2024-03-26

申请人： 郑州大学

发明人： 朱政宇 ,  王楷豪 ,  李佳雪 ,  艾渤 ,  黄崇文 ,  李鑫泽 ,  李兴旺 ,  张建华

IPC分类号： H04B7/06 ,  H04B7/04

摘要： 本发明提出了一种STAR‑RIS辅助无线携能通信系统的鲁棒安全波束赋形方法。所属方法包括：建立STAR‑RIS辅助的无线携能通信系统模型；通过联合设计发射波束形成矢量和STAR‑RIS的反射和透射系数来最小化发射机的发射功率，形成以STAR‑RIS保密率约束、EH约束和振幅系数约束的优化问题；在信道状态信息不确定性的情况下，提出一种鲁棒安全波束赋形设计方法，采用交替优化框架释放耦合变量，在每个子问题中，利用Shur补和S‑Procedure将由信道状态信息误差引起的非凸约束条件转化为可解不等式，同时引入信噪比残差提高算法的收敛性。仿真结果验证了该方法的有效性，并证明了采用STAR‑RIS可以在保证用户服务质量和鲁棒性的同时显著降低发射功率的功耗。

公开(公告)号：CN118118063A

公开(公告)日：2024-05-31

申请号：CN202410240624.4

申请日：2024-03-04

申请人： 郑州大学

发明人： 朱政宇 ,  王昌之 ,  李铮 ,  楚征 ,  武庆庆 ,  张千坤 ,  赵占军 ,  崔新凯 ,  李双志 ,  李鑫泽

IPC分类号： H04B7/0413 ,  H02J50/20 ,  H04B17/391 ,  H04B17/382

摘要： 本发明提供了一种智能超表面辅助无线感知供能传输方法，属于通感一体化传输领域，所属方法包括：首先，考虑多用户场景，建立智能超表面辅助无线感知供能传输系统模型；其次，通过联合优化设备发射功率、智能超表面相移以及波束成形构建整体性能优化问题；最后，将原问题分解为波束成形和智能超表面相移两个子问题，在交替迭代框架下采用半正定技术释放原非凸问题，提出一种基于逐次凸近似和Majorize‑Minimization方法的低复杂度算法进行求解。仿真结果显示，所提算法收敛速度快，并比传统方法提高了系统性能。

公开(公告)号：CN116318249A

公开(公告)日：2023-06-23

申请号：CN202310278367.9

申请日：2023-03-21

申请人： 郑州大学

发明人： 朱政宇 ,  林宇 ,  李鑫泽 ,  赵航冉 ,  梁静 ,  林永辉 ,  宋灿 ,  王家政 ,  陈鹏飞 ,  巩克现

IPC分类号： H04B1/713 ,  H04B1/715 ,  G06F18/214

摘要： 本发明提供了一种基于改进YOLOv5的短波跳频信号分选方法，所属方法包括：首先，通过时频分析方法生成跳频信号灰度时频图作为YOLOv5目标检测网络的输入。其次，在backbone网络中加入CA机制，在保证模型灵活和轻量化的前提下捕获跨通道信息和位置敏感信息，实现跳频信号的实时检测和准确定位。再次，采用Soft‑SIoU_NMS替换NMS保证了跳频信号在发生频率碰撞时不会因置信度较低而被忽略。最后，采用NWD代替小目标检测时NMS和回归损失函数中的交并比(IntersectionofUnion,IoU)度量，提高对快跳频信号的检测精度。本发明实施一种基于改进YOLOv5的短波跳频信号分选方法具有模型收敛快、鲁棒性强的优势且mAP达到99.5％，能够在低信噪比下准确地分选出各类跳频信号，且在信噪比为0dB时分选率超过95％。