-
公开(公告)号：CN117061014A
公开(公告)日：2023-11-14
申请号：CN202310908515.0
申请日：2023-07-21
Applicant: 华南理工大学
IPC: H04B13/02 , H04L69/324 , H04L1/16 , G06N3/092
Abstract: 本发明公开了一种基于Double DQN的水声网络MAC协议。与现有技术相比，本发明采用深度强化学习算法Double DQN的思想，利用Double DQN主网络选择动作，目标网络计算Q值，降低了DQN算法对Q值的过高估计；重新定义Double DQN算法中系统的状态，引入时延特征，使其能够更好地适应水下节点通信；采用中心化处理模块，优化了网络结构，提升了算法收敛速度。
-
公开(公告)号：CN116939681A
公开(公告)日：2023-10-24
申请号：CN202310793659.6
申请日：2023-06-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于智能超表面和空中计算的联邦学习系统，涉及基于无线通信的联邦学习领域，包括以下步骤：S1、建立一个智能超表面辅助无线携能通信和空中计算的联邦学习系统模型，建立智能超表面辅助无线携能通信的下行模型和智能超表面辅助空中计算的上行传输模型；S2、构建一个通信‑学习联合优化问题最小化接收端MSE并保证下行全局参数的信噪比约束；S3、引入辅助变量将原问题进一步分解为两个子问题；S4、利用低复杂度的交替优化和连续凸逼近方法对两个子问题分别求解以得到联合优化问题的解。本发明提出的一种基于智能超表面和空中计算的联邦学习系统可以显著提升学习收敛性和准确性。
-
公开(公告)号：CN116545810A
公开(公告)日：2023-08-04
申请号：CN202310191118.6
申请日：2023-03-02
Applicant: 华南理工大学
IPC: H04L25/03 , H04B7/0456
Abstract: 本发明公开了一种多用户无线功率通信网络最大化吞吐量方法、装置及介质，所述方法通过联合优化能量收集链路的能量预编码、信息传输链路的信息预编码和智能超表面的相位来提升网络的吞吐量；并通过联合交替优化、逐次凸逼近和半定松弛让问题从非凸转成凸问题：首先，找到能量预编码的最佳设计；使用交替优化方案来解决该问题；每次使用交替优化时，都使用逐次凸逼近和半正定松弛。本发明极大的提高了通信系统的吞吐量，充分降低通信系统复杂度，节省硬件资源，具有很大的应用价值。
-
公开(公告)号：CN116319199A
公开(公告)日：2023-06-23
申请号：CN202310194325.7
申请日：2023-03-02
Applicant: 华南理工大学
IPC: H04L25/03 , H04B7/0456 , H04B7/06 , H04B7/08
Abstract: 本发明公开了一种无线功率通信网络最大吞吐量闭式解求解方法、装置及介质，所述方法使用智能超表面辅助以增强信号；利用能量和信息预编码让发射信号能量更加集中；利用最大合并比算法获得最佳信息预编码；通过波束成形确定最佳能量预编码；通过推导得到了网络最大吞吐量的闭式解。本发明把能量收集链路和信息传输链路分离开来，有利于无线功率通信网络的大规模化；使用了能量和信息预编码能减少路径传输损耗；只使用了一块智能超表面降低了通信系统的复杂度，节省硬件资源，在实际的通信系统中更容易部署；得出的闭式解能直接用来评估一个通信系统加入智能超表面辅助之后的最大吞吐量，具有很强的实际意义。
-
公开(公告)号：CN112491773B
公开(公告)日：2021-10-26
申请号：CN202011135144.X
申请日：2020-10-21
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于智能反射表面的多制式信号调制方法，包括下列步骤：S1、将智能反射表面的元素单元分组，其中每组单元反射信道具有强相关性；S2、将智能反射表面调制的比特信息分流为两部分，第一部分的比特信息表示采用的相位调制方法，第二部分的比特信息按照第一部分比特信息表示的调制方法进行信息调制；S3、确定智能反射表面各分组元素的反射相位；S4、第一时隙接收端收到经智能反射表面调制的信息后，在第二时隙，改变第一部分的比特信息表示的调制方法并再次传输相同的比特信息；S5、在接收端解调出调制信息。本发明提出的基于智能反射表面的多制式信号调制方法，可以增加传输的比特信息并提高通信系统的频谱效率。
-
Patent Agency Ranking
公开(公告)号：CN112260975B
公开(公告)日：2021-08-06
申请号：CN202010991607.6
申请日：2020-09-18
Applicant: 华南理工大学
IPC: H04L27/26 , H04B17/336
Abstract: 本发明公开了一种智能反射表面辅助无线通信系统的正交反射索引调制方法，包括下列步骤：S1、将智能反射表面的元素单元分组对信息进行正交反射调制；S2、建立以接收天线序号为索引资源的索引调制；S3、确定智能反射表面各组元素的最优反射相移；S4、选择正交反射索引调制后的两路信号的正交方案；S5、在接收端解调出发送的信息。本发明提出的将智能反射表面元素单元分组的操作，可以额外传输一定比特的信息；建立以接收天线序号为索引资源的索引调制并选择调制后的两路信号的正交方案，可在较低信噪比的情况下降低系统的误码率，提高通信系统的频谱效率。
-
公开(公告)号：CN109981503A
公开(公告)日：2019-07-05
申请号：CN201910254781.X
申请日：2019-03-31
Applicant: 华南理工大学
IPC: H04L25/03
Abstract: 本发明公开了一种分层k‑best球形译码方法及装置。所述方法包括下列步骤：S0、输入原始数据；S1、消除块间干扰；S2、对块间干扰消除后信号应用匹配滤波和噪声白化；S3.1、估算当前搜索路径的先验条件概率；S3.2、更新路径的映射值；S4、更新合法路径的度量值；S5、替换存储单元中的数据；S6、检测；S7、检测；S8、修正路径的度量值；S9、输出结果。所述装置包括干扰消除模块、在线合法性检验模块、度量值更新模块、循环检测模块、度量值修正模块和软解调输出模块等。本发明基于球形译码中宽度优先策略，大大降低搜索空间，极大减少计算的复杂度，有效排除非法节点，从而减低误码率、抑制误码扩散。
-
公开(公告)号：CN118972747A
公开(公告)日：2024-11-15
申请号：CN202411014380.4
申请日：2024-07-26
Applicant: 华南理工大学
IPC: H04R3/00
Abstract: 本发明的一种频率不变的麦克风阵列波束形成方法，包括以下步骤：选定角频率为参考频率，按指定的来波方向设置适用于角频率的窄带波束，得到每个阵元输入信号的权重；将麦克风的各个阵元输入信号分帧并转换到频域，得到各个阵元对应的频谱对任意角频率信号，以第零个阵元为参考阵元，计算每个阵元相对于参考阵元的延迟；将频谱按延迟转换到参考频率上获取新的频谱；根据计算得到的权重，使用获取的新的频谱计算阵列第l帧的输出频谱；计算上述输出幅度与参考阵元输入幅度的比值，作为阵列的增益；将增益乘以第l帧第零个阵元的频谱，得到输出频谱；用IFFT将输出信号从频域转换到时域，并与前一帧进行加权叠加，得到阵列的输出信号。
-
公开(公告)号：CN116246606A
公开(公告)日：2023-06-09
申请号：CN202310248622.5
申请日：2023-03-14
Applicant: 华南理工大学
IPC: G10K11/178 , G10L21/0216 , G10L25/30
Abstract: 本发明公开了一种基于卷积循环神经网络的主动噪声控制系统及方法，该系统由预处理模块、卷积循环神经网络、信号重构模块、网络损失模块组成。其中，预处理模块用于对参考信号、声音信号进行预处理并提取相应特征；卷积循环神经网络由2个卷积模块、循环神经网络、2个反卷积模块组成，同时采用参考信号特征和声音信号特征作为网络输入，用于预测消除信号特征；信号重构模块用于将频域的消除信号特征重构为时域的消除信号，通过扬声器播放消除信号达到噪声控制的目的；网络损失模块由心理声学模型、损失计算模块组成，通过心理声学模型获得掩蔽阈值，统计网络总损失，其梯度反向传播后用于更新网络模块的权重。
-
公开(公告)号：CN114694670A
公开(公告)日：2022-07-01
申请号：CN202210353984.6
申请日：2022-04-06
Applicant: 华南理工大学
IPC: G10L21/0208 , G10L21/0224 , G10L21/0232
Abstract: 本发明公开了一种基于多任务网络的麦克风阵列语音增强系统及方法，该系统由语音预处理模块、多任务网络模块、多任务损失统计模块、网络权重计算模块和语音重构模块组成。其中，语音预处理模块获取阵列语音、参考回声语音和各个任务目标语音作为输入语音并进行预处理；多任务网络模块完成阵列语音各声道的去混响、回声消除、降噪任务，并将多声道语音融合输出为增强后的语音；多任务损失统计模块用于计算多任务网络模块中各任务的损失值，并统计网络的总损失；网络权重计算模块根据网络的总损失计算梯度，将梯度反向传播，计算得到更新后网络的权重；语音重构模块完成从频域特征到时域语音的映射，得到增强后的干净语音。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.02 seconds)
