-
公开(公告)号：CN119648761A
公开(公告)日：2025-03-18
申请号：CN202411704278.7
申请日：2024-11-26
Applicant: 复旦大学 , 上海航天设备制造总厂有限公司
IPC: G06T7/33 , G06T7/11 , G06T7/136 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06T7/12 , G06V10/80 , G06V10/74 , G06V10/44 , G06V10/82
Abstract: 本申请提供一种航天组件配准方法及电子设备，该方法包括以下步骤：对所述航天组件的原始点云进行预处理，得到预处理点云；将所述预处理点云输入编码器和解码器，得到粗糙点云；将所述预处理点云和粗糙点云输入生成器，得到完整点云；根据所述完整点云，对所述航天组件进行配准。本申请通过自监督学习框架和注意力机制，解决了点云缺失的问题，确保输入的点云更加完整，从而显著提高了配准精度。此外，本申请结合了多种特征，通过权值相加实现多特征融合，进一步提升了配准的精确性和可靠性。同时，通过合理的模块设计和优化，降低了计算复杂度，使得本申请在处理大规模点云时更为高效。
-
公开(公告)号：CN116366109A
公开(公告)日：2023-06-30
申请号：CN202111623669.2
申请日：2021-12-28
Applicant: 复旦大学
IPC: H04B7/06
Abstract: 本发明提供了一种多层智能超表面装置，用于对入射的无线信号进行调制，并通过反射和透射同时向反射端用户和透射端用户辐射，包括：两层或多层智能超表面。本发明还提供了一种多层智能超表面装置辅助下的下行多用户通信系统的波束成形方法，包括以下步骤：步骤1，对多层智能超表面装置辅助下的下行多用户通信系统进行建模，并对多用户和速率最大的优化问题进行建模；步骤2，将多用户和速率最大的优化问题转换为最小化加权均方误差问题，针对最小化加权均方误差问题，交替优化接收端系数矩阵和辅助权重系数矩阵、基站端数字波束成形设计和不同层的智能超表面的模拟波束成形，最终得到基站端数字波束成形和不同层的智能超表面的模拟波束成形。
-
公开(公告)号：CN102395188A
公开(公告)日：2012-03-28
申请号：CN201110354748.8
申请日：2011-11-10
Applicant: 复旦大学
Abstract: 本发明属于通信技术领域，具体涉及一种通信中继终端及其中继选择与功率分配的联合优化方法。本发明的通信中继终端包括：一信道评估器，一参数设置器，用于设置第一节点和第二节点所需要的服务质量参数；一中继选择器，用于选择一个最优中继节点；一功率分配器，用于计算有关优化发送功率值，并将所述优化发送功率值分别发送第一节点、第二节点和最优中继节点。所述通信中继终端建立了针对使用模拟网络编码的双向中继网络的中继选择与功率分配的联合优化方法，可以在满足一定服务质量的前提下，使中继网络的总功率达到最小。
-
公开(公告)号：CN101827065A
公开(公告)日：2010-09-08
申请号：CN201010162429.2
申请日：2010-04-28
Applicant: 复旦大学
IPC: H04L27/26
Abstract: 本发明属于无线通信技术领域，具体公开了一种减小局部式单载波频分多址系统中发送信号峰均功率比的方法。本发明根据原输入信号的分布特征设定相应的削波门限，同时对经过削波处理的时域信号进行幅度拉升、相位校正和发送功率的补偿处理，有效降低了单载波频分多址系统发送信号的峰均功率比。同时也并且弥补了传统削波技术引起的误码率下降的缺点。在仿真环境中，发送信号的峰均功率比在P＝10-4处最大约有2dB的减小，而误码率在10-4处约只有0.2～0.5dB的下降。
-
公开(公告)号：CN115150227B
公开(公告)日：2023-10-13
申请号：CN202110342120.X
申请日：2021-03-30
Applicant: 复旦大学
IPC: H04L25/02 , H04B7/0456 , H04B7/06 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种点对点多天线通信系统中的角度估计方法，包括以下步骤：步骤1，选择分层码本估计算法，通过分层码本估计算法扫描码本，并保存扫描过程中使用的发送端预编码矢量、接收端合并矢量、信噪比、发送数字信号以及接收数字信号作为原始数据；步骤2，对原始数据进行预处理后作为输入数据；步骤3，根据预定的输入维度与输出维度，以及中间结构、损失函数以及防止梯度消失使用的策略构建出对应的神经网络；步骤4，通过数据集对神经网络进行训练，以估计角度和真实角度的均方误差最小化为目标优化神经网络，训练后得到最优神经网络模型；步骤5，将输入数据输入最优神经网络模型，得到输出的估计角度。
-
Patent Agency Ranking
公开(公告)号：CN115150227A
公开(公告)日：2022-10-04
申请号：CN202110342120.X
申请日：2021-03-30
Applicant: 复旦大学
IPC: H04L25/02 , H04B7/0456 , H04B7/06 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种点对点多天线通信系统中的角度估计方法，包括以下步骤：步骤1，选择分层码本估计算法，通过分层码本估计算法扫描码本，并保存扫描过程中使用的发送端预编码矢量、接收端合并矢量、信噪比、发送数字信号以及接收数字信号作为原始数据；步骤2，对原始数据进行预处理后作为输入数据；步骤3，根据预定的输入维度与输出维度，以及中间结构、损失函数以及防止梯度消失使用的策略构建出对应的神经网络；步骤4，通过数据集对神经网络进行训练，以估计角度和真实角度的均方误差最小化为目标优化神经网络，训练后得到最优神经网络模型；步骤5，将输入数据输入最优神经网络模型，得到输出的估计角度。
-
公开(公告)号：CN102833839B
公开(公告)日：2015-07-29
申请号：CN201210303534.2
申请日：2012-08-24
Applicant: 复旦大学
Abstract: 本发明属于网络传输技术领域，具体涉及一种针对宏蜂窝—飞蜂窝双重网络的功率控制方法。本发明结合博弈论的分布式优化和传统蜂窝网络的集中化管理方式，利用Stackelberg博弈模型，将网络干扰管理者设定为博弈的领导者，相关的飞蜂窝基站为博弈的跟随者。领导者通过给跟随者的功率消耗定价来尽力减小由飞蜂窝基站产生的总干扰。根据这个定价，每个飞蜂窝基站以非合作博弈方式最大化它们的效用。此博弈存在一个唯一的Stackelberg均衡。本发明提出了一种分布式定价方式和相应功率更新算法，该算法能保证博弈收敛到唯一的SE。本发明方法能降低飞蜂窝网络的传输功率和飞蜂窝网络产生的干扰，并且能提高整体网络的单位能量利用率，并保证网络使用用户的公平性。
-
公开(公告)号：CN102497260B
公开(公告)日：2014-07-09
申请号：CN201110422004.5
申请日：2011-12-16
Applicant: 复旦大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种单载波频分多址中继系统中的资源分配方法。包括基站根据用户和中继反馈的最新信道状态信息，并基于前期资源块分配过程执行后的传输数据速率均值，以正比公平为优化目标，首先为每个用户确定资源块的起始位置；考虑单载波频分多址的资源块相邻限制，把剩余资源块逐个分配给用户，在每次分配中，以最大化正比公平权重和为目标，进行用户和资源块的配对；最后更新用户的传输数据速率均值，为下一次分配提供依据。本发明引入正比公平原则，与传统算法相比，能提升用户间的公平性，并增大系统的数据吞吐量。
-
公开(公告)号：CN103281170A
公开(公告)日：2013-09-04
申请号：CN201310208740.X
申请日：2013-05-30
Applicant: 复旦大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种局部映射式单载波频分多址系统中的资源分配方法，包括基站获得其与各用户之间的最新信道状态信息，并调用前期子信道分配过程执行后的传输数据速率均值；根据信道相干带宽划分子频带，选取在子频带上具有较大正比公平权重的用户，并为他们确定子信道的起始位置；考虑局部式单载波频分多址的子信道相邻限制，把剩余子信道逐个分配给用户，在每次分配中，以最大化正比公平权重和的增量为目标，进行用户和子信道的配对；最后更新用户的传输数据速率均值，为下一次分配提供依据。本发明充分考虑子信道分配相邻限制，并引入正比公平原则，与传统算法相比，能提升用户间的公平性，并提高系统的频谱利用率。
-
公开(公告)号：CN101867389B
公开(公告)日：2013-07-31
申请号：CN201010162469.7
申请日：2010-04-28
Applicant: 复旦大学
Abstract: 本发明属于第三代无线通信技术领域，具体为一种3GPP-LTE系统下行链路辅同步信道检测方法。本发明针对第三代合作伙伴项目长期演进(3GPP-LTE)系统下行链路，提出了一种辅同步信道(S-SCH)检测方法。本方法包含两大步骤，首先利用S-SCH频域序列偶数位置上的信息，通过相关运算，获得候选S-SCH序列；然后再利用S-SCH频域序列奇数位置上的信息，通过最大似然序列检测(MLSD)算法，从候选S-SCH序列中，得到最终的S-SCH序列，检测出S-SCH序列所对应的小区标识组号本检测方法相比于S-SCH检测的最优MLSD算法具有低的计算复杂度。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.022 seconds)
