-
公开(公告)号：CN103078714A
公开(公告)日：2013-05-01
申请号：CN201310029807.3
申请日：2013-01-28
Applicant: 复旦大学
CPC classification number: Y02D70/122
Abstract: 本发明属于通信技术领域，具体为一种基于协作决策和自适应功率分配的下行协作多点传输方法。协作多点传输的主要目的是提升小区边缘用户的性能。为了减少用户对信道状态信息的反馈以及提升基站的功率分配效率，本发明提出了该方法。本方法中协作多点传输是由边缘用户发起的：若边缘用户通信质量较差，需要协作传输，则其给相邻基站反馈信道状态信息，各个基站根据这些信息进行协作决策；否则，边缘用户不反馈信息，相邻基站也不做协作决策。当相邻基站决定协作后，它仍然依据这些信道状态信息对不同用户进行自适应的功率分配，并进行预编码设计。仿真结果表明，本方法能够在维持整体系统信道容量不变的基础上，较大提升了边缘用户的性能。
-
公开(公告)号：CN101923083B
公开(公告)日：2013-04-10
申请号：CN200910053267.6
申请日：2009-06-17
Applicant: 复旦大学
Abstract: 本发明属于污水处理领域，涉及基于支持向量机和神经网络的污水化学需氧量软测量方法。本发明选取水质参数pH、溶解氧、氧化还原电位及pH变化率、溶解氧变化率、氧化还原电位变化率，对水质参数化学需氧量进行软测量。采用支持向量机，根据各种水质参数及参数变化率对输入数据进行分类，根据分类数据的特点，选择合适神经网络分别训练，实现水质参数的实时有效估计。经对试验系统的测试表明，该方法具有很好的精度和普遍适用性。
-
公开(公告)号：CN102891816A
公开(公告)日：2013-01-23
申请号：CN201210411234.6
申请日：2012-10-25
Applicant: 复旦大学
Abstract: 本发明属于通信技术领域，具体为一种基于MIMO-OFDM相关信道的信道预测方法。本发明首先分析了信道相关函数可以去耦合写成时间、频率、相关性有关的独立函数之间，然后该方法利用AR模型建模，分三步经过三个滤波器，三个滤波器分别考虑时间、频率、空间相关特性。从仿真可以得出，有效的利用频率和空间相关性可以改善预测性能。本发明方法在降低计算复杂度的同时有效的提高了预测性能。
-
公开(公告)号：CN102185806A
公开(公告)日：2011-09-14
申请号：CN201110154904.6
申请日：2011-06-10
Applicant: 复旦大学
Abstract: 本发明属于移动通信技术领域，具体涉及一种OFDM任意星座图全盲信道估计方法和系统。所述方法包括如下步骤：设计发送信号，在发送端交替使用两种星座图；在接收端首先估计出一个带有不定常数的信道估计结果，然后依次估计出不定常数的幅度、不定常数的小数相位和不定常数的整数相位，从而得到完整的信道估计值。所述系统是一种OFDM全盲发送、接收机系统，不需要发送任何的导频，接收端仅仅根据接收到的数据估计无线信道，得到完整的信道估计值，并最终恢复出发送信号。本发明完全避免了发送导频，大大提高了通信系统效率，而且算法复杂度与数据长度只有线性关系，接收端的计算量很低，提高了全盲接收机的实用性。
-
公开(公告)号：CN102098301A
公开(公告)日：2011-06-15
申请号：CN201110001507.5
申请日：2011-01-06
Applicant: 复旦大学
Abstract: 本发明属于网络传输技术领域，具体为一种多链路自适应的数据传输的方法与系统。所述方法包含如下步骤：初始检测每条链路带宽值，按照理论带宽值的90%作为该链路的实际传输数据的速率，动态的检测和调整每条链路的带宽。所述系统包含：网络传输质量检测模块，用于动态的检测网络的状态；链路传输带宽调整模块，用于根据网络传输质量，按照正相关关系动态调整每条链路的实时传输带宽值；数据分流模块，用于根据不同的数据包信息来确定该数据包从哪条链路传向客户端。本发明既可以充分利用用户的链路资源，为用户提供较高的带宽，同时对每条链路带宽的检测和调整，使得本发明又具有较高的带宽利用率。本发明真正实现了多链路的带宽融合。
-
Patent Agency Ranking
公开(公告)号：CN101566612A
公开(公告)日：2009-10-28
申请号：CN200910052105.0
申请日：2009-05-27
Applicant: 复旦大学
Abstract: 本发明涉及一种污水化学需氧量软测量方法，该方法包括以下步骤：(1)获取训练样本水质参数；(2)对训练样本进行分类；(3)对应步骤(2)划分的各类训练样本，选择神经网络，建立神经网络模型；(4)用步骤(2)划分的各类训练样本训练支持向量机；(5)用步骤(2)划分的各类训练样本训练神经网络模型；(6)估算污水化学需氧量。本发明利用支持向量机对自动分类有较好效果的特点，采用支持向量机先对训练样本进行分类，再分别通过对应的神经网络对污水的化学需氧量进行估测，本发明与现有的COD测量方法相比，具有适用范围广泛、估算精度高的有益效果。
-
公开(公告)号：CN115454130B
公开(公告)日：2025-03-14
申请号：CN202211168834.4
申请日：2022-09-25
Applicant: 复旦大学
Abstract: 本发明属于无人机控制技术领域，具体为一种基于机载视角相对定位的室内无人机编队控制方法。本发明方法包括：地面站预先规定室内飞行过程中期望的无人机编队队形，包括设定跟随者与领航者之间期望的距离以及角度，并根据预先设定的飞行任务，规划领航者飞行路径，跟随者通过机载摄像头第一视角完成动态飞行中对领航者机载标签的相对定位，不需要全局定位信息。系统包括：地面控制站、无人机、通信设备，地面控制站包括视觉图像处理系统与编队控制器，通信设备包括收发机及路由器。与传统的编队方案相比，本发明仅利用机载视觉传感器，硬件成本低，稳定性好且适用范围广，属于轻量级的无人机编队系统。
-
公开(公告)号：CN113643212B
公开(公告)日：2024-04-05
申请号：CN202110994446.0
申请日：2021-08-27
Applicant: 复旦大学
IPC: G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明提供一种基于图神经网络的深度图降噪方法，包括如下步骤：步骤1，获取二维的RGB图像和深度图像并进行特征选择，得到相应的特征通道数据，而后将已选择的特征通道数据映射为向量形式，得到多个特征向量并进行拼接，得到特征矩阵，同时采用田字结构选择邻居节点，构造邻接表；步骤2，构造基于图卷积网络GCN和注意力机制层的网络模型；步骤3，对误差函数进行优化，而后与网络模型结合，得到优化后的网络模型；步骤4，将特征矩阵和邻接表输入优化后的网络模型，得到降噪后的深度图像。采用本发明的方法降低了网络模型的参数量，无需对图像进行裁剪，有效地提高了端到端网络的深度图降噪的性能。
-
公开(公告)号：CN113643212A
公开(公告)日：2021-11-12
申请号：CN202110994446.0
申请日：2021-08-27
Applicant: 复旦大学
Abstract: 本发明提供一种基于图神经网络的深度图降噪方法，包括如下步骤：步骤1，获取二维的RGB图像和深度图像并进行特征选择，得到相应的特征通道数据，而后将已选择的特征通道数据映射为向量形式，得到多个特征向量并进行拼接，得到特征矩阵，同时采用田字结构选择邻居节点，构造邻接表；步骤2，构造基于图卷积网络GCN和注意力机制层的网络模型；步骤3，对误差函数进行优化，而后与网络模型结合，得到优化后的网络模型；步骤4，将特征矩阵和邻接表输入优化后的网络模型，得到降噪后的深度图像。采用本发明的方法降低了网络模型的参数量，无需对图像进行裁剪，有效地提高了端到端网络的深度图降噪的性能。
-
公开(公告)号：CN109584213A
公开(公告)日：2019-04-05
申请号：CN201811316393.1
申请日：2018-11-07
Applicant: 复旦大学
CPC classification number: G06T7/0002 , G06N3/0454 , G06T2207/10016 , G06T2207/20081 , G06T2207/20104
Abstract: 本发明涉及一种基于深度学习的实时自主跟踪方法，提出了基于深度学习的人工神经网络的计算机视觉目标检测与计算机视觉目标跟踪算法，可利用高性能计算单元运行神经网络的运算单元检测目标，而后运行目标跟踪算法对所有目标同时实现跟踪，并可以手工介入选择特定目标专注单人跟踪。相比较传统的单目标跟踪算法，传统单目标跟踪需要手动框选目标，但对于移动目标，框选时往往会因为操作延时导致框选失效。本算法避免了人工框选目标的操作延时导致的框选不准和目标偏离。本发明构建了“摄像头-服务器”的架构，将摄像头中所有目标数据同时处理，实现全区域的多人跟踪和单人持续跟踪，实验结果表明，本发明能够实现实时的神经网络运算，进而结合目标跟踪算法，实现“检测、选人”两步跟踪效果。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.047 seconds)
