-
公开(公告)号：CN118444244A
公开(公告)日：2024-08-06
申请号：CN202410525934.0
申请日：2024-04-29
Applicant: 中铁十九局集团电务工程有限公司 , 南京邮电大学
Abstract: 本发明公开了一种面向NLOS环境的基于观测残差的EKF实现方法，该方法利用每一步的先验位置估计值计算与基站之间的距离差，从而得到与观测值的残差，将残差值代替协方差矩阵进行滤波计算。同时为了缓解协方差矩阵的大幅度变化而带来的卡尔曼增益突变，根据当前时刻值与协方差的迹生成卡尔曼增益衰减因子，将衰减因子乘上对应时刻的卡尔曼增益进行滤波迭代，得到最终的位置估计。本发明从定位轨迹、均方根误差以及定位时间三个角度验证了所提方法的高精度和高稳定性，相对于传统的EKF方法，本发明的定位精度提高了61％。
-
公开(公告)号：CN117614500A
公开(公告)日：2024-02-27
申请号：CN202311381534.9
申请日：2023-10-24
Applicant: 南京邮电大学
IPC: H04B7/06 , H04B7/0408 , H04B7/145 , H04W16/22
Abstract: 本发明提供一种近场全向智能反射面辅助的通信感知一体化方法，步骤如下：S1设计全向智能反射面系统模型，并分别计算近场全向智能反射面中的导向矢量，包括：均匀线性阵列、均匀平面阵列、通信用户以及感知目标之间的导向矢量；S2：采用导向矢量构建通信信号模型、感知信号模型；S3：提出一种双层迭代算法来设计全向智能反射面的透射和反射系数、发射信号的协方差矩阵、混合波束成形，使得感知性能达到最优；S4：计算两阶段导向矢量作为码本得到模拟波束，从而计算出数字波束。该方法针对近场中通信用户的信号传输和感知目标的探测，提出一种双层迭代算法以达到通感性能最优，提高探测感知目标的精度。
-
公开(公告)号：CN114389784B
公开(公告)日：2023-07-21
申请号：CN202210072264.2
申请日：2022-01-21
Applicant: 南京邮电大学
IPC: H04L5/00 , H04B7/06 , H04W72/044 , H04W72/0453
Abstract: 本发明是一种基于迁移学习的下行MISO‑OFDMA协作传输方法，包括步骤1：定义下行MISO‑OFDMA系统的关键参数；步骤2：利用深度Q网络在当前环境下训练当前智能体，为每个智能体构建一个深度Q网络即为多智能体深度Q网络，解决波束协作和资源分配问题；步骤3：以不同方案改变当前环境并提出一种迁移学习框架，所述迁移学习框架在新环境下通过步骤2中训练好的智能体的知识和新智能体的经验来训练新智能体；步骤4：动态调整波束成形协作和资源分配策略，以最大化所有用户的和速率。本发明可以有效地提升系统性能，加快神经网络的收敛速度，使新智能体更快更有效地适应新的网络环境。
-
公开(公告)号：CN114124259B
公开(公告)日：2023-07-04
申请号：CN202110931314.3
申请日：2021-08-13
Applicant: 南京邮电大学
IPC: H04B17/345 , H04B17/00 , H04B17/391 , H04W24/06
Abstract: 本发明公开基于不完整信息的智能反射表面的干扰测试方法，属于计算、推算或计数的技术领域。根据测试方已知的通信系统的信息及服务区内用户群构建下层优化模型约束集合；根据当前测试设备参数和所了解的智能反射表面构建上层优化模型约束集合；根据所得的上下层约束集合构建双层优化的测试方案决策模型，得到本轮测试的测试方案并预测通信系统接收到测试信号后的表现；观测通信系统在测试方案作用下的表现；在观测到的实际表现和预测结果相等时，结束试验，不相等则根据观测方式修改约束集合后重新生成测试方案，在不完全了解系统的情况下经过有限次试验后即可正确检测出干扰测试下的系统真实表现，具有测试过程快速准确的优点。
-
公开(公告)号：CN115967470A
公开(公告)日：2023-04-14
申请号：CN202211482240.0
申请日：2022-11-24
Applicant: 南京邮电大学
IPC: H04L1/00 , G06F18/2415 , G06F18/2411 , G06N3/045 , G06N3/0442 , G06N3/0455 , G06F123/02
Abstract: 本发明属于无线通信领域，具体的说，是一种可学习维特比与核速率信号检测方法。首先，通过收集通信的发送数据X与接收数据Y；其次，搭建CNN‑BiLSTM网络作为分类神经网络；对CNN‑BiLSTM网络进行训练，得到条件概率密度；然后，使用基于Akaike信息准则的混合高斯模型去拟合信道接收数据Y的分布或者通过自适应核密度估计方法获得边缘概率密度；最后，通过训练好的CNN‑BiLSTM神经网络和参数估计、非参数估计，学习传统基于模型的方法所依赖的信道未知状态。该方法能够在不考虑信道状态信息的情况下仍能保证信号检测的准确性，此外，与传统的维特比检测不同，该方法对信道状态信息的不确定性具有较高的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115413008A
公开(公告)日：2022-11-29
申请号：CN202210950674.2
申请日：2022-08-09
Applicant: 南京邮电大学
Abstract: 本发明公开基于椭球法的携能通信OFDM系统能效优化方法，属于计算、推算或计数的技术领域。针对以系统能效为优化目标的资源分配问题，采用椭球法对拉格朗日乘子进行更新，可以有效加快算法收敛速度，提升算法性能。仿真实验结果表明，所提出基于椭球法的能效优化算法能有效解决以系统能效为优化目标的资源分配问题，与次梯度法相比，椭球法的收敛速度更快，能够显著地降低算法复杂度。
-
公开(公告)号：CN115381466A
公开(公告)日：2022-11-25
申请号：CN202210960891.X
申请日：2022-08-11
Applicant: 南京邮电大学
Abstract: 本发明公开基于AE和Transformer的运动想象脑电信号分类方法，属于计算、推算或计数的技术领域。针对传统运动想象脑电识别系统不能精准提取出显著特征信号、提取出的特征信号含有冗余信息、分类准确率低等问题，采用基于深度学习的Transformer技术，在脑电信号已经经过信号预处理以及采用滤波器组共空间技术进行特征提取的基础之上，根据不同的权重矩阵参数，调整Transformer的网络结构，从而优化分类结果，提升分类准确率。同时，因为Transformer模型的复杂度较高，采用AE自编码器对特征向量进行降维处理后送入Transformer分类器，提升分类效率。
-
公开(公告)号：CN113472409B
公开(公告)日：2022-07-15
申请号：CN202110545080.9
申请日：2021-05-19
Applicant: 南京邮电大学
IPC: H04B7/0456 , H04B7/0413
Abstract: 本发明公开了毫米波大规模MIMO系统中基于PAST算法的混合预编码方法，属于电通信的技术领域。该方法在毫米波大规模MIMO系统的混合预编码中，首先对总的可达到速率进行简化，分解成一系列的子速率优化问题，并利用SIC思想依次最大化每个子速率。在每个子速率优化过程中，利用PAST算法估计每个子速率的最优无约束混合预编码，最后根据估计出的结果计算约束下混合预编码矩阵。该方法在HC系统结构中可以获得与基于SVD的混合预编码算法几乎相同的性能，并且随着发送天线数的增加，该方法的复杂度和耗时远低于基于SVD的混合预编码，可以满足算法实时处理需求。同时，该方法在FC、SC、HC三种系统结构中均可适用，具有较好的普适性。
-
公开(公告)号：CN114389784A
公开(公告)日：2022-04-22
申请号：CN202210072264.2
申请日：2022-01-21
Applicant: 南京邮电大学
Abstract: 本发明是一种基于迁移学习的下行MISO‑OFDMA协作传输方法，包括步骤1：定义下行MISO‑OFDMA系统的关键参数；步骤2：利用深度Q网络在当前环境下训练当前智能体，为每个智能体构建一个深度Q网络即为多智能体深度Q网络，解决波束协作和资源分配问题；步骤3：以不同方案改变当前环境并提出一种迁移学习框架，所述迁移学习框架在新环境下通过步骤2中训练好的智能体的知识和新智能体的经验来训练新智能体；步骤4：动态调整波束成形协作和资源分配策略，以最大化所有用户的和速率。本发明可以有效地提升系统性能，加快神经网络的收敛速度，使新智能体更快更有效地适应新的网络环境。
-
公开(公告)号：CN112418285A
公开(公告)日：2021-02-26
申请号：CN202011276927.X
申请日：2020-11-16
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种自适应局部结构嵌入的稀疏自表征子空间聚类算法。属于信息技术领域；本发明可以同时识别低维空间中的最优子空间和最有区别的聚类结构，这优于其他两阶段子空间聚类方法；此外，本发明引入了非线性流形正则化器，能够动态地利用原始空间和子空间之间的学习权衡；原始空间中的局部结构以稀疏的自我表示方法被编码为字典，可以在聚类过程中自适应地学习。本发明采用非平方l2,1‑范数来最小化残留误差，与其他基于平方l2‑范数的方法不同，SSS可以实现稳定的性能，因为基于平方l2,1‑范数的模型对异常值和噪声具有鲁棒性；实际基准数据集上的实验结果表明，本发明可以提供更可解释的聚类结果，并且性能由于其他一些替代方案。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.07 seconds)
