-
公开(公告)号：CN116709509A
公开(公告)日：2023-09-05
申请号：CN202310993102.7
申请日：2023-08-09
Applicant: 北京邮电大学
Abstract: 本发明公开一种用户设备的感知和定位方法、系统、电子设备及存储介质，涉及无线定位技术领域，所述方法包括：获取目标用户设备的设备信息；设备信息包括：基站的位置以及用户设备与基站所成的方向角；基于目标用户设备的设备信息和定位模型确定目标用户设备的位置；定位模型是利用基于联邦学习和区块链的分布式网络中的各节点确定的；节点包括：计算节点、验证器节点和见证人节点。本发明利用联邦学习和区块链，替代传统中心服务器，维持高定位精度的同时兼具较高抗攻击能力。
-
公开(公告)号：CN115631036A
公开(公告)日：2023-01-20
申请号：CN202210605285.6
申请日：2022-05-30
Applicant: 北京邮电大学
Abstract: 本申请提供一种信号调制识别模型的训练方法和装置。所述方法利用包括区块链层和计算层的区块链‑联邦学习框架实现，所述计算层中的多个分布式计算节点分别与所述区块链层中的多个区块代表通信连接。所述方法在计算层中对所述信号调制识别模型进行本地训练并得到更新的所述模型的本地参数，根据所述多个所述本地参数进行有效评估和加权聚合后得到全局参数；在区块链层对所述本地参数打包交易和根据所述全局参数生成区块，并对所述交易和区块进行广播和验证，并生成记录信息。
-
公开(公告)号：CN115100223A
公开(公告)日：2022-09-23
申请号：CN202210655185.4
申请日：2022-06-10
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于深度时空学习的高分辨率视频虚拟人物抠像方法，该方法包括：将视频数据输入至训练好的抠像网络模型进行虚拟人物图像遮罩提取，基于视频数据通过时空编解码模型得到第一输出数据，基于第一输出数据通过细节提取模型得到第二输出数据，基于第二输出数据通过语义信息融合模型输出得到视频数据的虚拟人物遮罩图像；其中，第一输出数据包括高分辨率遮罩图像、低分辨率遮罩图像、高分辨率编码特征和低分辨率编码特征；第二输出数据包括高分辨率细节遮罩图像和低分辨率细节遮罩图像。本发明解决现有方法对视频中虚拟人物提取方面的效果差，难以处理好微小细节，且处理高分辨率视频时不能做到实时处理和出现闪烁伪影坏帧的问题。
-
公开(公告)号：CN114897739A
公开(公告)日：2022-08-12
申请号：CN202210589156.2
申请日：2022-05-27
Applicant: 北京邮电大学 , 咪咕文化科技有限公司
Abstract: 本申请公开了一种基于深度学习的像素级色彩一致性方法和装置，其中，该方法包括：获取图像数据集，其中，所述图像数据集包括RGB三通道图像和三分图；通过抠图模型对所述RGB三通道图像和所述三分图进行抠图操作，得到第一抠图结果，其中，所述抠图模型包括Unet网络、注意力机制和循环抠图机制；基于所述第一抠图结果进行色彩校正，得到结果图像。本申请能够减少图像的特征流失，提升图像边缘细节信息提取能力，增强合成图像的色彩一致性。
-
公开(公告)号：CN114358115A
公开(公告)日：2022-04-15
申请号：CN202111396928.2
申请日：2021-11-23
Applicant: 北京邮电大学
Abstract: 本申请提供一种通信信号自动调制识别方法、装置、电子设备及存储介质。该方法包括：获取信号数据集，将信号数据集划分为支持数据集和测试数据集；基于支持数据集和测试数据集组成测试组；将测试组依次输入经过预训练的第一神经网络和第二神经网络，输出测试数据集中每条信号数据对应的第一调制模式类别。省去了大量训练数据的需求，能大幅度提升在少信号样本数据条件下的调制模式类别识别性能，降低对训练数据的量的依赖，达到与大量信号样本数据集条件下的同等分类性能。
-
Patent Agency Ranking
公开(公告)号：CN113067653B
公开(公告)日：2022-01-14
申请号：CN202110286742.5
申请日：2021-03-17
Applicant: 北京邮电大学
IPC: H04B17/382
Abstract: 本发明实施例提供了一种频谱感知方法、装置、电子设备及介质，涉及频谱感知技术领域。该方法包括：对指定频段上的第一信号进行采样，获取第一信号数据；将第一信号数据输入频谱感知模型，并获取频谱感知模型输出的分类结果；频谱感知模型为采用样本训练集对深度学习网络进行训练得到的模型，其中，样本训练集包括原始训练集和拓展训练集，原始训练集包括主用户在指定频段上产生的信号数据以及指定频段上的噪声信号数据，拓展训练集包括生成对抗网络基于原始训练集包括的信号数据生成的信号数据；根据频谱感知模型的分类结果确定指定频段上当前是否存在主用户的信号。可以提高频谱感知的准确度。
-
公开(公告)号：CN112329692B
公开(公告)日：2022-01-11
申请号：CN202011286824.1
申请日：2020-11-17
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种有限样本条件下跨场景人体行为无线感知方法及装置，获取源域对应的预先训练得到的源模型；其中，源域为用于获取非有限的源样本感知数据的无线信号场景；源模型为利用多个所述源样本感知数据训练得到的人体行为无线感知模型；基于所述源模型以及有限的目标样本感知数据，以最小化输出差异为训练目标，对与所述源域属于不同场景的目标域对应的人体行为无线感知模型进行训练；其中，输出差异为进行训练的模型的输出与所述目标样本感知数据中相应的人体行为标签之间的差异值；当训练目标达成时，获得目标模型，并利用目标模型对所述目标域进行人体行为感知。本方案可以提高人体行为无线感知的跨场景迁移能力。
-
公开(公告)号：CN112364851B
公开(公告)日：2021-11-02
申请号：CN202110039426.8
申请日：2021-01-13
Applicant: 北京邮电大学
Abstract: 本申请中一个或多个实施例提供一种自动调制识别方法、装置、电子设备及存储介质，包括：获取待测信号样本、真实有样本类别数据和语义向量；获取生成对抗网络模型；将零样本类别语义向量输入生成对抗网络模型以生成零样本类别数据；获取分类器模型；将待测信号样本输入分类器模型以得到识别结果。本申请通过利用有样本类别语义向量训练生成对抗网络模型，从而通过生成对抗网络模型生成零样本类别数据，以解决部分调制信号没有样本的问题，在得到了分类性能优越的分类器模型的同时，通过生成对抗网络模型生成零样本类别数据，达到减少收集训练数据的难度的目的。
-
公开(公告)号：CN109002766B
公开(公告)日：2021-07-09
申请号：CN201810649059.1
申请日：2018-06-22
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种表情识别方法，该方法包括：获取待识别图像，对所述待识别图像进行人脸检测；截取检测出的人脸区域；将所述人脸区域输入至预先训练得到的深度可分离卷积神经网络中，得到表情识别结果。应用本发明实施例提供的表情识别方法，不必预先构建多种表情模型，只需训练深度可分离卷积神经网络，而深度可分离卷积神经网络中的参数的数量较少，这样，就可以减少表情识别过程中的计算量。
-
公开(公告)号：CN113067653A
公开(公告)日：2021-07-02
申请号：CN202110286742.5
申请日：2021-03-17
Applicant: 北京邮电大学
IPC: H04B17/382
Abstract: 本发明实施例提供了一种频谱感知方法、装置、电子设备及介质，涉及频谱感知技术领域。该方法包括：对指定频段上的第一信号进行采样，获取第一信号数据；将第一信号数据输入频谱感知模型，并获取频谱感知模型输出的分类结果；频谱感知模型为采用样本训练集对深度学习网络进行训练得到的模型，其中，样本训练集包括原始训练集和拓展训练集，原始训练集包括主用户在指定频段上产生的信号数据以及指定频段上的噪声信号数据，拓展训练集包括生成对抗网络基于原始训练集包括的信号数据生成的信号数据；根据频谱感知模型的分类结果确定指定频段上当前是否存在主用户的信号。可以提高频谱感知的准确度。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.027 seconds)
