-
公开(公告)号：CN110889811B
公开(公告)日：2023-06-09
申请号：CN201911234050.5
申请日：2019-12-05
Applicant: 中南大学
IPC: G06T5/00 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种照片修复系统构建方法、照片修复方法及系统，照片修复系统构建方法包括：S1.构建并训练第一对抗神经网络，并通过所述第一对抗神经网络，将第一旧损照片转换生成为伪旧损照片；S2.构建第二对抗神经网络，并分别以所述第一对抗神经网络生成的所述伪旧损照片和预设的清晰照片为训练样本，训练所述第二对抗神经网络；并以所述第二对抗神经网络为照片修复系统。本发明具有可快速、高效实现旧损照片修复，修复效果好等优点。
-
公开(公告)号：CN111865446A
公开(公告)日：2020-10-30
申请号：CN202010743032.6
申请日：2020-07-29
Applicant: 中南大学
Abstract: 本发明公开了一种利用网络环境上下文信息实现的智能波束配准方法与装置。该方法根据基站和移动终端位置、网络环境上下文信息及周围传输介质对电磁传输的影响信息计算用于数据传输的通信链路所对应的收发波束对信息；根据基站位置、移动终端位置和天气信息判断知识图谱库中是否已经存储与相应信息对应的有效通信链路信息，若存在则直接选取用于数据传输的通信链路所对应的收发波束对信息，否则通过传统波束训练获取实时收发波束对信息或重构通信环境立体方位图计算切换波束对信息；该方法还利用人工智能理论预测移动终端波束切换位置，从而进行切换波束对预估计。本发明可以在移动通信场景中实现低开销训练和高效地波束配准及建立通信链路。
-
公开(公告)号：CN111526100A
公开(公告)日：2020-08-11
申请号：CN202010298646.8
申请日：2020-04-16
Applicant: 中南大学
IPC: H04L12/851 , H04L29/06
Abstract: 本发明公开了一种基于动态标识与路径隐藏的跨网络流量识别方法与装置，用于不同业务用途的专用网络借用公用网络进行通信的场景。本发明中，专用网络子网络的网关利用合成IP数据包首部固定字段生成流量特征和扰码器初始状态；并将业务数据、目的IP地址以及流量特征联接后用扰码器进行加扰后作为合成IP数据包承载的业务数据，公用网络中伪装主机的IP地址作为其目的IP地址；公用网络中的流量识别与转发设备辨识接收的IP数据包是否为所述合成IP数据包，若是，则将承载的业务数据还原，并转发至目标子网络，否则转发至伪装主机。本发明基于IP首部固定字段以及扰码器进行业务数据特征标识与数据包识别，具有高精度、高性能、隐藏真实通信路径等优点。
-
公开(公告)号：CN119110355B
公开(公告)日：2025-04-18
申请号：CN202410762104.X
申请日：2024-06-13
Applicant: 中南大学
Abstract: 本发明公开了一种多模通信敏捷适配方法及系统，涉及自动驾驶技术领域，包括：通过多模通信节点获取驾驶场景信息，并基于驾驶场景信息生成多模通信网络要素信息；通过多模通信车辆节点获取出行信息，并基于多模通信网络要素信息和出行信息生成通信交换内容信息；多模通信车辆节点基于通信交换内容信息确定多模通信终端节点集合，并根据多模通信终端节点集合确定服务质量参数集合；基于服务质量参数集合和通信交换内容信息生成通信模式决策变量，并对通信模式决策变量进行优化得到最优服务质量参数；通过最优服务质量参数实现多模通信节点之间的通信；本发明解决了现有的多模通信适配方法存在通信效率低、通信时延较高的问题。
-
公开(公告)号：CN115116612B
公开(公告)日：2025-02-14
申请号：CN202210768840.7
申请日：2022-07-01
Applicant: 中南大学
IPC: G16H50/30 , G16H50/70 , G16H40/67 , G06F16/215 , G06F16/22 , G06F16/2458 , G06F16/28 , G06F16/36
Abstract: 本发明公开了一种儿童患者病情智能风险评估系统及方法，首先从儿童患者家属方和医院方采集与病情相关的数据；然后从设计的数据采集表中抽取与病情相关的儿童患者表征构建实体节点，根据专家知识和医学知识库构建实体之间的关系，构建儿童患者病情风险因素知识图谱；再基于采集的数据和儿童患者病情风险因素知识图谱构建多个时刻的儿童患者病情动态属性图，利用动态异构图神经网络模型学习属性图，输出重要表征的预测值，基于重要表征的预测值评估病危程度，对儿童患者的就诊策略进行建议。本发明使用历史数据和当前数据，保证了对患儿评估的准确性，并且侧重于对患儿的表征进行分析和预测，规避了误诊的风险，缓解了智慧医疗的伦理问题。
-
Patent Agency Ranking
公开(公告)号：CN117938591B
公开(公告)日：2024-09-06
申请号：CN202410134519.2
申请日：2024-01-31
Applicant: 中南大学
IPC: H04L25/03
Abstract: 本发明公开了一种低复杂度单载波时域均衡方法与装置，适用于单载波通信系统，特别是单载波卫星通信系统。本发明利用时域信道Toeplitz矩阵特点，将大维信道均衡转化成低维信道均衡，进而形成一定数量的低维信道均衡系统；依次对低维均衡系统进行信道均衡并将均衡后的符号进行星座解调，并连续利用干扰消除，进而实现大维系统的信道均衡目标，且有效避免大维矩阵求逆操作。在传输符号数量为Ns、路径数为L时，本发明所提均衡方法将接收信号分解成M个长度为B的低维向量进行计算后，计算复杂度为#imgabs0#相比于传统的最小二乘均衡算法#imgabs1#和最小均方误差均衡算法#imgabs2#计算开销优势明显，而所得均衡结果与传统算法的结果接近。
-
公开(公告)号：CN117938591A
公开(公告)日：2024-04-26
申请号：CN202410134519.2
申请日：2024-01-31
Applicant: 中南大学
IPC: H04L25/03
Abstract: 本发明公开了一种低复杂度单载波时域均衡方法与装置，适用于单载波通信系统，特别是单载波卫星通信系统。本发明利用时域信道Toeplitz矩阵特点，将大维信道均衡转化成低维信道均衡，进而形成一定数量的低维信道均衡系统；依次对低维均衡系统进行信道均衡并将均衡后的符号进行星座解调，并连续利用干扰消除，进而实现大维系统的信道均衡目标，且有效避免大维矩阵求逆操作。在传输符号数量为Ns、路径数为L时，本发明所提均衡方法将接收信号分解成M个长度为B的低维向量进行计算后，计算复杂度为#imgabs0#相比于传统的最小二乘均衡算法#imgabs1#和最小均方误差均衡算法#imgabs2#计算开销优势明显，而所得均衡结果与传统算法的结果接近。
-
公开(公告)号：CN113163378A
公开(公告)日：2021-07-23
申请号：CN202110481245.0
申请日：2021-04-30
Applicant: 中南大学
Abstract: 本发明公开了一种最大化调度用户集势的动态调度方法与装置，用于基站面对大规模用户终端时进行选择性调度的场景。首先根据用户信干噪比和业务需求筛选得到可行用户集。然后在可行用户集中构造不同的用户子集，找到一个满足集合中所有用户的业务需求且总发送功率最小的用户子集作为已调度用户集。再从已调度用户集中有放回的取出一个用户，剩余用户集合作为待优化用户集，选择一个总发送功率最小的待优化用户集，并记录被取出用户。如果已调度用户集中的最后加入用户与记录的取出用户相同，则输出已调度用户集和对应的波束赋形向量。本发明能够同时进行用户调度和波束赋形优化，具有时间复杂度低、调度用户数量多和调度用户间干扰小等优点。
-
公开(公告)号：CN111865446B
公开(公告)日：2021-04-06
申请号：CN202010743032.6
申请日：2020-07-29
Applicant: 中南大学
Abstract: 本发明公开了一种利用网络环境上下文信息实现的智能波束配准方法与装置。该方法根据基站和移动终端位置、网络环境上下文信息及周围传输介质对电磁传输的影响信息计算用于数据传输的通信链路所对应的收发波束对信息；根据基站位置、移动终端位置和天气信息判断知识图谱库中是否已经存储与相应信息对应的有效通信链路信息，若存在则直接选取用于数据传输的通信链路所对应的收发波束对信息，否则通过传统波束训练获取实时收发波束对信息或重构通信环境立体方位图计算切换波束对信息；该方法还利用人工智能理论预测移动终端波束切换位置，从而进行切换波束对预估计。本发明可以在移动通信场景中实现低开销训练和高效地波束配准及建立通信链路。
-
公开(公告)号：CN110957041A
公开(公告)日：2020-04-03
申请号：CN201911275353.1
申请日：2019-12-12
Applicant: 中南大学
IPC: G16H50/50
Abstract: 本发明公开了一种性别识别系统构建方法、系统及识别方法，性别识别系统构建方法包括如下步骤：根据待识别年龄段，采集构建训练样本集，所述训练样本集中的训练样本包括年龄、性别和医学检查项目指标；根据预设的区间个数将所述待识别年龄段划分为年龄子区间，并将所述训练样本集按照年龄划分为与所述年龄子区间对应的训练样本子集；为每个所述年龄子区间分别构建性别识别智能算法模型；对每个所述性别识别智能模型，选择所述训练样本集中的训练样本，以所述医学检查项目指标值为特征，以性别标签，对所述性别识别智能模型进行训练，得到性别识别系统。具有识别效率高，识别准确性好等优点。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.021 seconds)
