-
公开(公告)号：CN114337550A
公开(公告)日：2022-04-12
申请号：CN202111683063.8
申请日：2021-12-31
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: H03D7/16
Abstract: 本发明提供一种高隔离度混频器电路，用于对输入的信号进行下变频或者上变频处理，射频变压器将信号输入端口输入的单端信号转换为差分信号，并输出差分信号给混频器核；本振信号输入端口用于向混频器核输入本振信号；混频器核包括晶体管对，根据场晶体管对栅极和漏极间的非线性频率转移特性，完成对差分信号的下变频或者上变频处理后，输出双路信号给中频变压器；中频变压器将双路信号转换成单路信号给信号输出端口；能够实现下变频或者上变频处理的高隔离度，保证电路性能较优，采用有源结构，得到高隔离度的同时，能够获得很好的变频增益。
-
公开(公告)号：CN114337550B
公开(公告)日：2024-06-21
申请号：CN202111683063.8
申请日：2021-12-31
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: H03D7/16
Abstract: 本发明提供一种高隔离度混频器电路，用于对输入的信号进行下变频或者上变频处理，射频变压器将信号输入端口输入的单端信号转换为差分信号，并输出差分信号给混频器核；本振信号输入端口用于向混频器核输入本振信号；混频器核包括晶体管对，根据场晶体管对栅极和漏极间的非线性频率转移特性，完成对差分信号的下变频或者上变频处理后，输出双路信号给中频变压器；中频变压器将双路信号转换成单路信号给信号输出端口；能够实现下变频或者上变频处理的高隔离度，保证电路性能较优，采用有源结构，得到高隔离度的同时，能够获得很好的变频增益。
-
公开(公告)号：CN117728870A
公开(公告)日：2024-03-19
申请号：CN202311572780.2
申请日：2023-11-23
Applicant: 南京邮电大学
IPC: H04B7/06 , H04B7/0413 , H04B7/0456
Abstract: 本发明公开了一种无线通信技术领域的频分双工方式下大规模MIMO系统信道状态信息反馈方法及系统，旨在解决现有技术中信道状态信息反馈网络在用户设备端的复杂度过高，并且性能也有待提升等问题，其包括在用户端得到下行链路信道状态信息在空间频域上信道矩阵H；通过离散傅里叶变换将空间频域上的信道矩阵变换为角延迟域上的信道矩阵H'，并取其前Na行构成信道矩阵Ha，利用编码器对信道矩阵Ha进行特征提取和压缩，然后利用解码器进行解压缩和恢复得到重建信道矩阵#imgabs0#进行零填充以及离散傅里叶逆变换后得到反馈的信道状态信息。本发明在降低用户设备端复杂度的同时提升信道状态信息反馈性能。
-
公开(公告)号：CN113658218B
公开(公告)日：2023-10-13
申请号：CN202110811344.0
申请日：2021-07-19
Applicant: 南京邮电大学
Abstract: 本发明属于视频分析技术领域，公开了一种基于全局上下文的双模板密集孪生网络目标跟踪方法，本发明基于孪生网络框架，将孪生网络中的AlexNet网络更换成更深层的密集卷积网络，将层与层之间的特征在通道上进行拼接，实现特征重用，并在网络后增加全局注意力模块以捕获上下文依赖信息，此外，还设计了一个新的模板更新方案，提取历史跟踪结果中表现较好的图片帧处理后作为新的目标模板，将原始目标模板与新模板采用时空注意力机制进行特征融合，最后得到新的模板特征，实现了目标模板的动态更新，相比现有技术，本发明方法既能够精确跟踪目标，又能有效地提高跟踪速度。
-
Patent Agency Ranking
公开(公告)号：CN112348849A
公开(公告)日：2021-02-09
申请号：CN202011164003.0
申请日：2020-10-27
Applicant: 南京邮电大学
Abstract: 本发明属于视频分析技术领域，公开了一种基于分层注意力机制的孪生网络视频目标跟踪方法。本发明基于孪生网络框架，将高层次特征与低层次特征融合起来，并且在提取特征的过程中，使用了注意力机制对特征图进行重标定，使用AdaBoost算法对目标特征图进行加权融合。本发明还使用了Inception模块，一方面增加了网络的宽度以及孪生网络对尺度的适应性，另一方面还减少了参数，提高了网络训练的速度。在进行目标尺度估计时，本发明使用了基于区域的快速HOG特征提取算法。相比现有技术，本发明方法既能够精确跟踪目标，又能有效地提高跟踪速度。
-
公开(公告)号：CN118740221A
公开(公告)日：2024-10-01
申请号：CN202410635359.X
申请日：2024-05-22
Applicant: 南京邮电大学
IPC: H04B7/06 , H04B7/08 , H04B7/0408 , H04W16/28
Abstract: 本发明公开了一种MISO系统波束成形方法，属于通信系统技术领域，包括：获取目标基站发射信号；通过训练好混合波束成形器根据目标基站发射信号，获取具有最优频谱效率的用户接收信号；所述混合波束成形器的训练包括：在恒模约束和最大发射功率约束的条件下，通过预设混合波束成形网络模型获取使频谱效率最大化的模拟波束成形向量；根据获取到的使频谱效率最大化的模拟波束成形向量，得到训练好的混合波束成形器。本发明并利用得到的模拟波束成形向量训练混合波束成形器，避免了依赖于完美的信道状态信息进行信息提取，通过训练好的混合波束成形器获取具有最优频谱效率的用户接收信号，以低复杂度获取最优的频谱效率，对信道信息进行了有效提取。
-
公开(公告)号：CN115526148A
公开(公告)日：2022-12-27
申请号：CN202211222708.2
申请日：2022-10-08
Applicant: 南京邮电大学
IPC: G06F40/126 , G06K9/62
Abstract: 本发明提供一种基于预训练模型的阅读理解去偏方法，包括：以预训练模型BERT嵌入层为基础构建文本表示层，设定模型输入为文章‑问题构成的句子对，将输入句子映射为句子向量；对位置编码进行两次随机正则化操作，得到两个随机子模型并计算KL散度，评估其输出分布差异性，更新句子向量输入BERT编码器；将BERT编码器最后一个隐层输出通过全连接层与分类器，以交叉熵损失与KL散度之和计算样本的预测损失，在模型训练过程中根据样本的预测损失优化预训练参数，去除阅读理解位置偏差。本发明利用dropout技术正则化位置编码的基础上，通过在训练中拉低两次dropout产生的随机子模型分布的KL散度来约束随机性，提高模型对位置偏差鲁棒性的同时恢复答案预测准确度。
-
公开(公告)号：CN113658218A
公开(公告)日：2021-11-16
申请号：CN202110811344.0
申请日：2021-07-19
Applicant: 南京邮电大学
Abstract: 本发明属于视频分析技术领域，公开了一种基于全局上下文的双模板密集孪生网络目标跟踪方法，本发明基于孪生网络框架，将孪生网络中的AlexNet网络更换成更深层的密集卷积网络，将层与层之间的特征在通道上进行拼接，实现特征重用，并在网络后增加全局注意力模块以捕获上下文依赖信息，此外，还设计了一个新的模板更新方案，提取历史跟踪结果中表现较好的图片帧处理后作为新的目标模板，将原始目标模板与新模板采用时空注意力机制进行特征融合，最后得到新的模板特征，实现了目标模板的动态更新，相比现有技术，本发明方法既能够精确跟踪目标，又能有效地提高跟踪速度。
-
公开(公告)号：CN112348849B
公开(公告)日：2023-06-20
申请号：CN202011164003.0
申请日：2020-10-27
Applicant: 南京邮电大学
Abstract: 本发明属于视频分析技术领域，公开了一种基于分层注意力机制的孪生网络视频目标跟踪方法。本发明基于孪生网络框架，将高层次特征与低层次特征融合起来，并且在提取特征的过程中，使用了注意力机制对特征图进行重标定，使用AdaBoost算法对目标特征图进行加权融合。本发明还使用了Inception模块，一方面增加了网络的宽度以及孪生网络对尺度的适应性，另一方面还减少了参数，提高了网络训练的速度。在进行目标尺度估计时，本发明使用了基于区域的快速HOG特征提取算法。相比现有技术，本发明方法既能够精确跟踪目标，又能有效地提高跟踪速度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.033 seconds)
