-
公开(公告)号：CN109921799A
公开(公告)日：2019-06-21
申请号：CN201910126833.5
申请日：2019-02-20
申请人： 重庆邮电大学
IPC分类号： H03M7/30
摘要： 本发明请求保护一种基于聚能量字典学习的张量压缩方法，属于信号处理领域。所述方法包括以下步骤：1、将张量分别进行塔克分解和稀疏表示，得到字典、稀疏系数和核张量；2、通过张量的稀疏系数和核张量的关系，得到关于张量的新的稀疏表示形式；3、利用聚能量字典学习算法对映射矩阵中的字典进行降维，从而实现张量的压缩。本发明提出的基于聚能量字典学习的张量压缩算法，实现了张量的有效压缩，相对于其他压缩算法，能够更有效地保留原始张量的信息，达到更好地去噪效果。
-
公开(公告)号：CN109919864A
公开(公告)日：2019-06-21
申请号：CN201910126717.3
申请日：2019-02-20
申请人： 重庆邮电大学
摘要： 本发明请求保护一种基于稀疏去噪自编码网络的图像压缩感知方法，属于深度学习与图像处理技术领域。所述方法包括以下步骤：1、获取原始图像信号x作为训练数据，对数据预处理并完成信号腐蚀得到 2、搭建稀疏去噪自编码网络的编码子网络，图像信号x通过编码子网络得到测量值y；3、搭建稀疏去噪自编码网络的解码子网络，测量值y通过解码子网络得到重建图片 4、引入稀疏性限制，生成损失函数JSDAE(W,b)；5、通过反向传播算法对编码和解码子网络进行联合训练，更新参数并得到最优稀疏去噪自编码网络。本发明在去噪自编码网络的基础上加入稀疏性限制，将图像压缩和重建集成到一个统一的自编码网络框架中，有效的提高了重建图像的质量并大大的减低重构时间。
-
公开(公告)号：CN107302747B
公开(公告)日：2020-09-29
申请号：CN201710575047.4
申请日：2017-07-14
申请人： 重庆邮电大学
IPC分类号： H04W4/70 , H04W40/12 , H04W40/14 , H04W40/20 , H04N21/6408
摘要： 本发明请求保护一种基于稳定匹配的协作视频传输方法，属于移动通信技术领域。所述方法包括以下步骤：1、将视频流分割成多个数据包，根据用户接收数据包的不同将用户分为不同的簇；2、利用权重因子反映用户不同属性的重要性计算用户的社会距离；3、结合用户的动态物理距离生成动态的社会关系；4、利用社会关系和无线传播环境计算一个时隙单播的吞吐量和时延；5、设计不同用户协作的效用函数生成偏好信息，利用Gale‑Shapley算法使用户自主协商形式形成稳定的协作传输方案。本发明提出的基于稳定匹配的协作视频传输方法，实现了蜂窝通信系统和D2D(Device‑to‑Device)短距离通信的融合，相对于传统的协作方法，能够降低计算复杂度，提高吞吐量。
-
公开(公告)号：CN109921799B
公开(公告)日：2023-03-31
申请号：CN201910126833.5
申请日：2019-02-20
申请人： 重庆邮电大学
IPC分类号： H03M7/30
摘要： 本发明请求保护一种基于聚能量字典学习的张量压缩方法，属于信号处理领域。所述方法包括以下步骤：1、将张量分别进行塔克分解和稀疏表示，得到字典、稀疏系数和核张量；2、通过张量的稀疏系数和核张量的关系，得到关于张量的新的稀疏表示形式；3、利用聚能量字典学习算法对映射矩阵中的字典进行降维，从而实现张量的压缩。本发明提出的基于聚能量字典学习的张量压缩算法，实现了张量的有效压缩，相对于其他压缩算法，能够更有效地保留原始张量的信息，达到更好地去噪效果。
-
公开(公告)号：CN107302747A
公开(公告)日：2017-10-27
申请号：CN201710575047.4
申请日：2017-07-14
申请人： 重庆邮电大学
IPC分类号： H04W4/00 , H04W40/12 , H04W40/14 , H04W40/20 , H04N21/6408
摘要： 本发明请求保护一种基于稳定匹配的协作视频传输方法，属于移动通信技术领域。所述方法包括以下步骤：1、将视频流分割成多个数据包，根据用户接收数据包的不同将用户分为不同的簇；2、利用权重因子反映用户不同属性的重要性计算用户的社会距离；3、结合用户的动态物理距离生成动态的社会关系；4、利用社会关系和无线传播环境计算一个时隙单播的吞吐量和时延；5、设计不同用户协作的效用函数生成偏好信息，利用Gale-Shapley算法使用户自主协商形式形成稳定的协作传输方案。本发明提出的基于稳定匹配的协作视频传输方法，实现了蜂窝通信系统和D2D(Device-to-Device)短距离通信的融合，相对于传统的协作方法，能够降低计算复杂度，提高吞吐量。
-
-
-
-
搜索结果
5 条记录 (耗时 0.024 秒)
