基于多径衰落补偿的无线设备射频指纹提取方法

    公开(公告)号:CN116599810B

    公开(公告)日:2024-02-23

    申请号:CN202310715769.0

    申请日:2023-06-15

    Abstract: 本发明提供的基于多径衰落补偿的无线设备射频指纹提取方法,首先利用前导信号对信道的频率响应进行估计,然后利用该信道响应的估计对后续的多个OFDM符号分别进行补偿,采用基于子载波差分的频率偏移特征的提取方法,对不同时刻的OFDM符号的同一子载波上的符号执行差分运算,差分结果会体现为星座图上的一个稳定的相位旋转。该相位旋转仅与载波频率偏移和可设置的差分间隔相关,不随时间变化,可以作为射频指纹特征。本发明提供的方法提出了保留载波频率偏移的延时信道补偿方法和基于子载波差分的频率偏移特征的提取方法。前者在保留了频率偏移特征的同时有效的补偿了多径信道对射频指纹的影响;后者表现出的统计特性使得射频指纹特征对信噪比不敏感。

    一种二值化目标检测神经网络结构和模型的训练方法

    公开(公告)号:CN114841307A

    公开(公告)日:2022-08-02

    申请号:CN202210197861.8

    申请日:2022-03-01

    Inventor: 王东 普菡 李浥东

    Abstract: 本发明提供了一种二值化目标检测神经网络的训练方法。该方法包括:构建二值化目标检测神经网络,二值化目标检测神经网络包括骨干网络、共享特征池网络、分类解耦网络和定位解耦网络;对二值化目标检测神经网络进行基于多维度联合匹配的目标检测任务一致性训练;对二值化目标检测神经网络进行分类和定位任务的同步优化。本发明通过改进的锚框Anchor采样策略和基于关联性约束的新型损失函数算法解决二值化目标检测神经网络中Anchor采样的任务不一致性问题,并通过带有动态可学习权重的目标损失函数对二值化目标检测神经网络进行分类和定位任务的同步优化,能够提升检测框的质量、改善二值化目标检测神经网络的检测精准度和算法的鲁棒性。

    一种对深度卷积神经网络进行多位宽量化的方法

    公开(公告)号:CN113762489A

    公开(公告)日:2021-12-07

    申请号:CN202110923119.6

    申请日:2021-08-12

    Abstract: 本发明提供了一种对深度卷积神经网络进行多位宽量化的方法。该方法包括:建立权重共享的多位宽感知量化模型,对多位宽感知量化模型进行多位宽感知的量化超网训练,根据需求设置目标约束,根据所述目标约束对训练好的多位宽感知量化模型进行混合精度搜索,得到满足约束的子网络,利用各个满足约束的子网络组成多位宽量化的深度卷积神经网络。本发明实施例通过最小‑随机‑最大位宽协同训练以及自适应标签软化解决不同比特子网下竞争训练的问题,实现不同平均比特位宽约束下更高的模型精度。

    一种卷积神经网络计算装置及方法

    公开(公告)号:CN110070178B

    公开(公告)日:2021-05-14

    申请号:CN201910337943.6

    申请日:2019-04-25

    Inventor: 王东

    Abstract: 本发明公开了一种卷积神经网络计算装置和方法,该装置包括神经网络模型缓存器,用于缓存编码卷积神经网络模型;神经网络模型解码器,用于读取编码模型,解码得到模型权重的逻辑索引及控制信息;输入神经网络特征图缓存器,用于缓存输入特征图像素值;特征图存储控制器用于根据特征图逻辑索引读取特征图像素值数据;累加器阵列,用于将与相同神经网络模型权重值相乘的输入特征图像素值相加,并生成临时累加结果;流水线缓存器,用于缓存临时累加结果;乘累加器阵列,用于将临时累加结果与对应的神经网络模型权重值相乘,并将属于当前卷积运算的乘积结果进行相加,生成输出特征图像素值;输出神经网络特征图缓存器,用于缓存输出特征图像素值。

Patent Agency Ranking