-
公开(公告)号：CN110517329B
公开(公告)日：2021-05-14
申请号：CN201910741565.8
申请日：2019-08-12
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于语义分析的深度学习图像压缩方法，属于图像有损压缩技术领域。包括：步骤1，对输入的图像使用卷积神经网络CNN对图像进行特征提取，标识每个像素的语义重要程度；步骤2，将输入图像进行分块，压缩比特分配对每个图像块依据其语义重要程度计算对应的压缩比例；步骤3，使用基于CNN和循环神经网络LSTM的网络结构对图像按照计算好的压缩比例进行压缩和恢复。本发明将深度学习在图像语义分析和图像压缩领域的应用相结合，根据语义重要程度分配图像不同区域的压缩比特，以实现基于语义重要度分析的图像压缩效果，提高图像中人眼关注区域的视觉质量，整张图片占据的空间更小，在物联网图像处理方面有很好的应用价值。
-
公开(公告)号：CN109889166B
公开(公告)日：2021-01-01
申请号：CN201910184466.4
申请日：2019-03-12
Applicant: 北京邮电大学
IPC: H03F1/32
Abstract: 本发明公开了一种基于时间交织采样的单反馈回路并发双频带数字预失真方法，属于无线通信领域。首先将计算出的并发双频带输入信号x(n)依次经过混频器，数模转换器和功率放大器后，在反馈回路中采集放大信号，经过下变频和低通滤波器后，得到滤波后的模拟信号y(t)。然后在t＝0和t＝τ时，分别利用欠采样因子M1和M2的模数转换器对y(t)进行采样，得到信号y1(n)和y2(n)并存储。将y1(n)和y2(n)分别以时间MT为采样间隔，分解为信号和并分别进行傅里叶变换，重构矩阵和利用重构矩阵和构造矩阵uL(f)，经过矩阵变换和转换后恢复出有用信号yr(n)。从yr(n)中重新分离出与原始信号xa(n)和xb(n)对应的反馈回路中的信号yra(n)与yrb(n)，将xa(n)，xb(n)与yra(n)，yrb(n)通过最小二乘法对比得到数字预失真模块系数。本发明保证了数字预失真线性效果，不增加系统回路的复杂度和其他硬件成本，预失真架构更具有灵活性。
-
公开(公告)号：CN108965160B
公开(公告)日：2020-06-05
申请号：CN201810694800.6
申请日：2018-06-29
Applicant: 北京邮电大学
IPC: H04L12/851 , H04L12/865 , H04L12/873
Abstract: 本发明提出一种适用于矿山物联网多业务传输的动态差额加权轮询调度方法，包括：井下传感器采集的数据汇聚到网关；将传感器采集的数据按照优先级分类，并排到对应等级的调度队列中；调度服务器按时延优先级高低依次服务各个队列；服务某队列时，根据队列的差额计数器值来判断是否发送数据包；更新队列的差额计数器时不仅考虑队列的时延优先级，还考虑了网络突发流量及历史排队时延。本发明通过增加了对队列瞬时到达率及历史排队时延两个因素，使得该方法在网络出现突发流量时可以自适应地调整差额分配，并且可以有效防止低优先级队列由于分配资源较少导致的队列拥塞现象。
-
公开(公告)号：CN107872413B
公开(公告)日：2020-02-07
申请号：CN201711034007.5
申请日：2017-10-30
Applicant: 北京邮电大学
IPC: H04L27/00
Abstract: 本发明公开了一种基于压缩感知高阶累积量的智能调制识别方法，属于无线通信领域。首先，接收端以低于奈奎斯特的抽样速率对接收信号x(t)随机抽样和预处理，然后，进行特征提取，通过从原始数据中利用恢复算法‑正交匹配追踪算法对抽样向量z的平方向量z2进行归一化，恢复出对应的稀疏向量，得到高阶矩M21；同理依次得到高阶矩M20，M40，M41和M42；并利用M‑C公式得到高阶累积量C40，C41和C42作为识别特征向量，完成信号的调制识别。最后，确定了调制方式后，进一步估计调制参数，并依据确定的调制方式和调制参数，完成信号的解调。本发明大大降低了接收端需要采集和存储的数据量，减轻了模拟‑数字转换器的压力，降低了算法复杂度，且具有更好的抗噪声性能。
-
公开(公告)号：CN108966352A
公开(公告)日：2018-12-07
申请号：CN201810734324.6
申请日：2018-07-06
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于深度增强学习的动态波束调度方法，属于多波束卫星通信系统领域。本方法首先将动态波束调度问题建模为马尔科夫决策过程，每个时隙的状态包括卫星缓存器中的数据矩阵、时延矩阵和信道容量矩阵，动作表示动态波束调度策略，目标是长期减小所有数据包的累计等待时延，然后利用深度增强学习算法求解最佳动作策略，建立CNN+DNN结构的Q网络，训练Q网络，利用训练好的Q网络来进行动作决策，获得最佳动作策略。本发明通过大量的自主学习，使得卫星根据此刻的环境状态直接输出当前的波束调度结果，长期最大化系统的综合性能，在保持系统吞吐量几乎不变的同时，大大减小数据包的传输等待时延。
-
Patent Agency Ranking
公开(公告)号：CN108965160A
公开(公告)日：2018-12-07
申请号：CN201810694800.6
申请日：2018-06-29
Applicant: 北京邮电大学
IPC: H04L12/851 , H04L12/865 , H04L12/873
Abstract: 本发明提出一种适用于矿山物联网多业务传输的动态差额加权轮询调度方法，包括：井下传感器采集的数据汇聚到网关；将传感器采集的数据按照优先级分类，并排到对应等级的调度队列中；调度服务器按时延优先级高低依次服务各个队列；服务某队列时，根据队列的差额计数器值来判断是否发送数据包；更新队列的差额计数器时不仅考虑队列的时延优先级，还考虑了网络突发流量及历史排队时延。本发明通过增加了对队列瞬时到达率及历史排队时延两个因素，使得该方法在网络出现突发流量时可以自适应地调整差额分配，并且可以有效防止低优先级队列由于分配资源较少导致的队列拥塞现象。
-
公开(公告)号：CN107181519A
公开(公告)日：2017-09-19
申请号：CN201710556742.6
申请日：2017-07-10
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于移动目标DOA的零陷扩展3D‑MIMO波束赋形方法，属于干扰抑制领域。首先在现有3D‑MIMO波束赋形的基础上，针对通信的基站与某移动终端，在xy平面上构造M×N个阵元的天线阵；并分别计算每个阵因子的权值；确定目标移动终端与干扰移动终端与基站之间的DOA信息；然后根据DOA信息重新调整每个阵因子的权值；最后通过对期望方向和非期望方向周围的角度区域施加约束，在非期望方向上进行零陷扩展，同时在期望方向上无失真。解决了用户移动性场景下零陷宽度较窄时干扰抑制能力下降的问题，提高了系统的鲁棒性，从而有效抑制位置变化的干扰，并使期望信号得到较好的接近无失真相应，有效提高了频谱效率以满足更高的速率要求。
-
公开(公告)号：CN119294472A
公开(公告)日：2025-01-10
申请号：CN202411316592.8
申请日：2024-09-20
Applicant: 北京骏德智算科技有限公司 , 北京邮电大学
IPC: G06N3/092 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q10/063 , G06Q10/04 , G06Q50/40
Abstract: 本发明涉及一种面向智能交通信号灯的微调辅助深度强化学习调度方法，首先通过构建一个结合CNN和Transformer编码器的策略网络，利用历史数据进行初步训练以赋予基础的交通信号灯操作经验。接着在模型中引入新增结构对策略网络进行调整。之后利用强化学习算法对调整的策略网络进行强化学习，优化交通信号灯的调度策略，然后暂停强化学习训练，固定CNN和Transformer参数，专注于对新增结构进行微调，进一步提升模型在特定交通环境下的表现。最后将优化的模型部署到实际交通系统中，为复杂城市交通环境中的信号灯调度提供了一种高效、智能的解决方案。
-
公开(公告)号：CN118764753A
公开(公告)日：2024-10-11
申请号：CN202410974026.X
申请日：2024-07-19
Applicant: 北京邮电大学
IPC: H04R1/02
Abstract: 本发明公开了基于定向声技术的智能音箱，属于音频和超声波领域，包括集成在控制面板上的超声波传感器阵列，音频输入模块，调制电路和电源，并封装在外壳内；首先，音频输入模块获取低频的可听声音信号；然后，使用NE555定时器生成超声波载波信号，采用双边带调幅技术，将可听声音信号调制到高频的载波信号，载波信号的振幅被调制信号调制，从而实现双边带调幅。最后，调幅信号通过三极管生成互补方波信号，输出到L293DNE电机进行功率放大，以驱动超声波发射器阵列发出超声波信号；由于空气的非线性声学效应，超声波信号进行自解调，产生频率范围在人耳的可听声频段，从而实现声音的定向传播。本发明有效减少了噪音污染，节约了能源。
-
公开(公告)号：CN116953648A
公开(公告)日：2023-10-27
申请号：CN202310930615.3
申请日：2023-07-27
Applicant: 北京邮电大学 , 北京无线电计量测试研究所
IPC: G01S7/41 , G06F18/10 , G06F18/2131 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种面向大功率场源的极极值测量数字增强方法，属于通信、探测和电磁测量领域；首先，针对雷达探测信号，选择小波函数对信号进行逐层分解，得到小波系数；然后，对小波系数进行消除与缩放，尽可能保留近似系数而缩减细节系数，并逐层与小波函数的重构滤波器系数做卷积，小波重构得到去噪后的信号y(n)；再进行奇异值分解，分离得到大信号L(n)；将去噪得到的信号y(n)与分离得到的大信号L(n)作为训练集，对深度神经网络的权值和偏置参数做训练；最后，将训练好的权值和偏置参数载入深度神经网络作为后补偿器，去噪后的非线性失真信号通过后补偿器得到合理矫正。本发明能同时消除接收端非线性与噪声的影响，极大提升信号质量。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.021 seconds)
