-
公开(公告)号：CN117939150B
公开(公告)日：2024-11-12
申请号：CN202410280036.3
申请日：2024-03-12
Applicant: 香港中文大学(深圳) , 香港中文大学(深圳)未来智联网络研究院
IPC: H04N19/184 , H04L1/00 , H04N19/124 , H04N19/85 , H04N19/91 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于深度学习和联合信源信道编码优化的通信方法，包括：在发送端，深度信源编码器将输入图像数据x编码成比特率b，数字信道编码器将比特率b划分为N比特等长的多个数据包进行传输；在接收端，数字信道解码器将接收到的多个数据包中的符号解码为比特流#imgabs0#并将比特流#imgabs1#送入深度信源解码器进行数据恢复得到恢复图像数据#imgabs2#且在发送端和接收端的整体数据传输中通过联合信源信道优化算法将平均端到端失真优化到最小。本发明利用基于深度神经网络的信源编码器对图像语义特征进行提取并编码，并结合数字信道编码技术保护编码比特不受信道错误的影响，在与现代通信硬件兼容的情况下，具有更好的图像恢复效果。
-
公开(公告)号：CN117939150A
公开(公告)日：2024-04-26
申请号：CN202410280036.3
申请日：2024-03-12
Applicant: 香港中文大学(深圳) , 香港中文大学(深圳)未来智联网络研究院
IPC: H04N19/184 , H04L1/00 , H04N19/124 , H04N19/85 , H04N19/91 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于深度学习和联合信源信道编码优化的通信方法，包括：在发送端，深度信源编码器将输入图像数据x编码成比特率b，数字信道编码器将比特率b划分为N比特等长的多个数据包进行传输；在接收端，数字信道解码器将接收到的多个数据包中的符号解码为比特流#imgabs0#并将比特流#imgabs1#送入深度信源解码器进行数据恢复得到恢复图像数据#imgabs2#且在发送端和接收端的整体数据传输中通过联合信源信道优化算法将平均端到端失真优化到最小。本发明利用基于深度神经网络的信源编码器对图像语义特征进行提取并编码，并结合数字信道编码技术保护编码比特不受信道错误的影响，在与现代通信硬件兼容的情况下，具有更好的图像恢复效果。
-
公开(公告)号：CN113766669B
公开(公告)日：2021-12-31
申请号：CN202111323583.8
申请日：2021-11-10
Applicant: 香港中文大学(深圳)
Abstract: 本发明公开了一种基于深度学习网络的大规模随机接入方法，包括以下步骤：构建基于大规模随机接入的系统模型；构建利用深度神经网络对用户的发射信号进行检测和用户接入判断的模型；进行神经网络训练和参数更新；根据训练更新后的神经网络对用户发射信号进行检测，从而判断用户是否成功接入。本发明提供的大规模随机接入方案中，提出了低复杂度的解码算法，有效提升通信性能，具体而言，基于神经网络的检测算法与传统的算法相比，无需信道的先验统计特性，能够大大降低系统的损耗，更加适用于实际的通信系统，另外，所提出算法将比传统算法更加具有鲁棒性，即当系统先验知识不完备时，该算法将提供更好的性能。
-
公开(公告)号：CN113438746B
公开(公告)日：2021-11-16
申请号：CN202110991607.0
申请日：2021-08-27
Applicant: 香港中文大学(深圳)
IPC: H04W74/08 , H04L25/02 , H04B7/0452
Abstract: 本发明公开了一种基于能量调制的大规模随机接入方法,包括以下步骤：S1.构建基于能量调制的随机接入模型；S2.利用消息传递算法对用户信息和信道的联合信号进行估计；S3.利用基于最大化后验概率的算法对每个用户的发射信息和活跃状态进行检测；S4.最优星座点码本设计。本发明提供的大规模随机接入方案，得到了逼近最优的星座点，有效降低了误码率，提高了通信性能。
-
公开(公告)号：CN113438746A
公开(公告)日：2021-09-24
申请号：CN202110991607.0
申请日：2021-08-27
Applicant: 香港中文大学(深圳)
IPC: H04W74/08 , H04L25/02 , H04B7/0452
Abstract: 本发明公开了一种基于能量调制的大规模随机接入方法,包括以下步骤：S1.构建基于能量调制的随机接入模型；S2.利用消息传递算法对用户信息和信道的联合信号进行估计；S3.利用基于最大化后验概率的算法对每个用户的发射信息和活跃状态进行检测；S4.最优星座点码本设计。本发明提供的大规模随机接入方案，得到了逼近最优的星座点，有效降低了误码率，提高了通信性能。
-
Patent Agency Ranking
公开(公告)号：CN116029340A
公开(公告)日：2023-04-28
申请号：CN202310039257.7
申请日：2023-01-13
Applicant: 香港中文大学(深圳)
IPC: G06N3/0464 , G06N3/08 , H04L69/04 , H04L1/00
Abstract: 本发明公开了一种基于深度学习网络的图像及语义信息传输方法，包括以下步骤：S1.给定发射端的数据处理模型：发射端基于神经网络，对图像进行特征向量提取后对特征向量进行量化，然后结合概率密度函数进行编码得到符号序列传输给接收端；S2.给定接收端的数据处理模型：接收端接收符号序列，进行解码并获取特征向量，根据特征向量恢复出图像信息，然后恢复出图像的语义信息；S3.进行神经网络参数训练；S4.对图像及语义信息进行传输。本发明在点对点信道条件下，基于神经网络对图像信息和图像的语义信息进行联合恢复，能够自适应的学习图像特征的分布，具有良好的图像恢复效果，并引入和训练了语义神经网络，具有较好的语义恢复效果。
-
公开(公告)号：CN116911360A
公开(公告)日：2023-10-20
申请号：CN202311190244.6
申请日：2023-09-15
Applicant: 香港中文大学(深圳)
IPC: G06N3/0464 , G06N3/08 , H04L69/04 , H04L1/00
Abstract: 本发明公开了一种利用神经网络求解语义信息最小压缩速率的方法,包括以下步骤：S1.构建语义压缩模型，并定义语义信息率失真函数；S2.将语义信息率失真函数作为求解一个极小极大化问题；S3.基于神经网络模型来获取针对语义信息最小压缩速率的神经网络估计器；S4.通过对神经网络进行迭代训练，得到语义信息最小压缩速率的估计结果。本发明利用神经网络能够有效求解分布的语义信源的最小压缩速率。
-
公开(公告)号：CN113766669A
公开(公告)日：2021-12-07
申请号：CN202111323583.8
申请日：2021-11-10
Applicant: 香港中文大学(深圳)
Abstract: 本发明公开了一种基于深度学习网络的大规模随机接入方法，包括以下步骤：构建基于大规模随机接入的系统模型；构建利用深度神经网络对用户的发射信号进行检测和用户接入判断的模型；进行神经网络训练和参数更新；根据训练更新后的神经网络对用户发射信号进行检测，从而判断用户是否成功接入。本发明提供的大规模随机接入方案中，提出了低复杂度的解码算法，有效提升通信性能，具体而言，基于神经网络的检测算法与传统的算法相比，无需信道的先验统计特性，能够大大降低系统的损耗，更加适用于实际的通信系统，另外，所提出算法将比传统算法更加具有鲁棒性，即当系统先验知识不完备时，该算法将提供更好的性能。
-
公开(公告)号：CN119766400A
公开(公告)日：2025-04-04
申请号：CN202510234724.0
申请日：2025-02-28
Applicant: 深圳市未来智联网络研究院 , 香港中文大学(深圳)
IPC: H04L1/00 , G06N3/0455 , G06N3/0985
Abstract: 本发明公开了一种并行信道下语义信源信道自适应编码的语义通信方法,包括以下步骤：S1.构建并行信道下语义信源信道自适应编码的通信模型；S2.在发送端，对(X,S)中的语义信源样本编码，每个语义信源样本编码后的比特流分配到一个独立信道传输，采用K个具有不同信道速率的信道编码器保护各自的比特流以对抗信道误差；S3.在接收端，利用K个信道解码器对接收信号进行解码，并合并为单个串行流，由基于深度神经网络的语义源解码器进行解码；S4.确定任意给定的深度神经网络模型下的源速率和先验信息；S5.构建优化问题，进行深度神经网络参数Φ与资源分配变量#imgabs0#的联合优化。本发明实现了在并行高斯信道场景下的资源分配优化。
-
公开(公告)号：CN116911360B
公开(公告)日：2023-12-12
申请号：CN202311190244.6
申请日：2023-09-15
Applicant: 香港中文大学(深圳)
IPC: G06N3/0464 , G06N3/08 , H04L69/04 , H04L1/00
Abstract: 本发明公开了一种利用神经网络求解语义信息最小压缩速率的方法,包括以下步骤：S1.构建语义压缩模型，并定义语义信息率失真函数；S2.将语义信息率失真函数作为求解一个极小极大化问题；S3.基于神经网络模型来获取针对语义信息最小压缩速率的神经网络估计器；S4.通过对神经网络进行迭代训练，得到语义信息最小压缩速率的估计结果。本发明利用神经网络能够有效求解分布的语义信源的最小压缩速率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.038 seconds)
