-
公开(公告)号：CN114818905B
公开(公告)日：2024-07-26
申请号：CN202210423409.9
申请日：2022-04-21
Applicant: 福州大学
IPC: G06F18/22 , G06F18/23213 , G06F17/18
Abstract: 本发明涉及一种基于基站切换数据的车速估计误差的评价方法及系统，该方法包括以下步骤：步骤S1：不断获取车辆在移动过程中不同时刻的数据，包括移动通信服务相关数据和位置数据，形成数据集；步骤S2：通过K‑mean聚类对数据集中数据进行聚类，获得两组基站切换数据，并确定各组基站切换数据的基准点位置；步骤S3：基于步骤S2确定的基准点建立基准线，将基站切换数据中的数据点投影到基准线上并计算基准点与基站切换数据中的数据点在基准线上的对应点之间的距离；步骤S4：计算获得基站切换数据的期望和标准差，以此计算行驶速度估计的误差并输出结果。该方法及系统有利于方便、快捷地分析评价行驶速度估计的误差。
-
公开(公告)号：CN117479205A
公开(公告)日：2024-01-30
申请号：CN202311394296.5
申请日：2023-10-25
Applicant: 福州大学
IPC: H04W24/06 , G06F17/10 , G06Q10/04 , H04W52/34 , H04B17/382
Abstract: 本发明提供一种基于双层博弈的能量采集认知无线网络联合时间和功率分配的方法，首先将能量收集(energy harvesting,EH)引入到CR网络中，构建EH‑CR网络，并且应用“采集‑使用”的能量采集架构来收集和使用能量。然后，将PU和SUs之间的相互作用建模为Stackelberg博弈，将SUs之间的相互作用建模为超模博弈。为了提高SUs之间的公平性，该方法引入了公平性评价系数。接着，通过求解超模博弈的NE解，可以得到均衡的频谱感知时间系数和均衡的功率分配方案。
-
公开(公告)号：CN115811731A
公开(公告)日：2023-03-17
申请号：CN202211475040.2
申请日：2022-11-23
Applicant: 福州大学
IPC: H04W12/12 , H04W12/122
Abstract: 本发明提出演化博弈的能量采集认知物联网对抗主用户仿真攻击方法，针对应用能量采集技术的认知物联网场景，该场景中的自私次用户节点可通过能量采集技术补充能量，所述方法先建立包括信用参数和惩罚参数的奖惩机制，再利用演化博弈分析自私次用户和正常次用户的动态及攻防机制，然后通过调整惩罚参数来降低自私次用户的攻击概率，以最大化空闲频谱的利用率和正常次用户的吞吐量；本发明能提升采用能量采集方案的认识物联网中正常次用户的吞吐量。
-
公开(公告)号：CN115314158A
公开(公告)日：2022-11-08
申请号：CN202210913765.9
申请日：2022-08-01
Applicant: 福州大学
Abstract: 本发明公开了一种基于长短期记忆神经网络的编码特征识别方法，主要是解决如何使用LSTM网络对不同代码速率的卷积码特征进行识别的问题，而提供的一种编码特征识别方法。本发明针对接受到的LDPC码信号，仿真生成高斯白噪声信道下的信号数据集，并将其按一定比例分割作为网络结构的训练，验证和测试使用，利用训练数据进行网络结构参数的训练，以建立输入数据与编码特征的映射关系，训练完毕后可让LSTM神经网络能够识别出LDPC码的特征，并提高识别率。
-
公开(公告)号：CN115270880A
公开(公告)日：2022-11-01
申请号：CN202210914906.9
申请日：2022-08-01
Applicant: 福州大学
Abstract: 本发明公开了一种基于卷积神经网络的电磁频谱信号编码特征识别方法，通过使用卷积神经网络对不同代码速率的卷积码特征进行识别，提高识别率而提供的一种编码特征识别方法。本发明针对接受到的卷积码信号，仿真生成高斯白噪声信道下的信号数据集，并将其按一定比例分割作为网络结构的训练，验证和测试使用，利用训练数据进行网络结构参数的训练，以建立输入数据与编码特征的映射关系，训练完毕后可让卷积神经网络能够识别出卷积码的特征。
-
Patent Agency Ranking
公开(公告)号：CN114925780A
公开(公告)日：2022-08-19
申请号：CN202210679183.9
申请日：2022-06-16
Applicant: 福州大学
Abstract: 本发明涉及一种基于FPGA的轻量级CNN分类器的优化提速方法，包括以下步骤：1）在PC端上利用搭建好的轻量级CNN网络，通过用于图像分类的数据集进行训练，获得多次训练分类效果最好的网络模型；同时在FPGA硬件端对PC端导出的模型架构进行设计；2）对训练好的网络模型进行量化感知训练，将32位浮点数模型参数保存为8位定点整数，同时在FPGA硬件端对轻量级CNN网络完整的架构实现；3）将量化感知训练后的权重，根据设计好的并行度按照硬件需要的读写顺序写成coe文件格式，导入到FPGA的片内存储中，轻量级CNN分类器即可读取输入图片数据实现分类推理。该方法有利于提高分类器的实时性。
-
公开(公告)号：CN112149569A
公开(公告)日：2020-12-29
申请号：CN202011012308.X
申请日：2020-09-24
Applicant: 福州大学
Abstract: 本发明提出一种变压器基于模糊C均值聚类算法的声纹故障诊断方法，利用模糊C均值聚类算法对变压器绕组和铁芯机械运行状态中产生的不同声纹故障数据进行分类，并利用分类的结果判断故障的类型。当变压器中出现声纹异常时，利用模糊C均值对声纹数据进行处理，可以确定各个声纹数据样本的聚类中心，通过隶属度矩阵的行对应着所属类别，列对应着数据样本的顺序编号，隶属度矩阵每一列最大数据所在的行即为数据样本所对应的故障类别，这样就可以有效检测出声纹故障的类型。从而实现了由变压器由异常声纹引发的故障的诊断。
-
公开(公告)号：CN119206069A
公开(公告)日：2024-12-27
申请号：CN202411295906.0
申请日：2024-09-15
Applicant: 福州大学
Abstract: 本发明提供一种基于多模态特征融合的人体三维重建方法，以场景人物对象的单目RGB图像与3D网格顶点标注作为原始训练数据集；将图像与3D网格顶点标注进行mask遮挡破坏处理；将处理后的数据输入到多模态自编码预训练框架进行特征融合训练网络模型；将预训练后的模型进行下游端到端微调训练并保存模型权重，再对单目图像进行人体网格三维重建。其通过多模态预训练补全任务，利用不同模态的单目图像与3D网格顶点在特征维度的信息差异，通过2D图像与3D标注之间的差异性，形成不同数据特征之间的互补，以完成面向自然场景存在复杂背景与遮挡情况下的人体三维重建任务。
-
公开(公告)号：CN113627377B
公开(公告)日：2024-07-02
申请号：CN202110950319.0
申请日：2021-08-18
Applicant: 福州大学
IPC: G06F18/241 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/045 , G06N3/08 , H04B17/382
Abstract: 本发明涉及一种基于Attention‑Based CNN的认知无线电频谱感知方法及系统，该方法包括如下步骤：S1、对信号数据进行预处理，包括能量归一化和信噪比间隔划分，然后划分为训练集、验证集和测试集；S2、搭建注意力机制层；S3、将注意力机制层加入卷积神经网络中，得到Attention‑Based CNN模型；S4、利用预处理得到的数据对Attention‑Based CNN模型进行训练，得到训练好的Attention‑Based CNN分类器；S5、对新接收的数据进行数据预处理，然后送入训练好的Attention‑Based CNN分类器中进行分类，得到最终的分类结果，即为频谱感知的结果。该方法及系统有利于提高频谱感知的准确率，同时合理利用计算资源。
-
公开(公告)号：CN116866917A
公开(公告)日：2023-10-10
申请号：CN202310739093.9
申请日：2023-06-21
Applicant: 福州大学
IPC: H04W12/08 , H04W12/122 , H04W12/60 , H04W4/40
Abstract: 一种认知车联网中基于区块链的抵御大规模SSDF攻击方法，步骤一：首先搭建认知车联网在区块链架构下的频谱感知与接入的系统模型以及一个时隙的时间分配模型；步骤二：推导出高速移动下车辆用户在不完美控制信道下的频谱检测模型，并分析在不完美控制信道的模型下，对检测恶意车辆用户的影响；步骤三：采用基于前景理论的最终频谱决策方式对信道状态进行判决；骤四：推导出每个车辆用户的信誉值与信誉阈值，在次频谱检测结束后，将信誉值低于信誉阈值的车辆用户识别为恶意车辆用户；步骤五：提出根据信誉值修改难度的智能合约，减小恶意车辆用户接入频谱的机会。本发明适用于无线通信领域。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.01 seconds)
