-
公开(公告)号：CN116599810A
公开(公告)日：2023-08-15
申请号：CN202310715769.0
申请日：2023-06-15
Applicant: 北京交通大学
IPC: H04L27/26
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。
-
公开(公告)号：CN110070178A
公开(公告)日：2019-07-30
申请号：CN201910337943.6
申请日：2019-04-25
Applicant: 北京交通大学
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。
-
公开(公告)号：CN104242981A
公开(公告)日：2014-12-24
申请号：CN201410471903.8
申请日：2014-09-16
Applicant: 北京交通大学
IPC: H04B1/40
Abstract: 本发明公开了一种基于软件无线电的嵌入式无线通讯装置，该装置包括天线阵列单元，用于接收或发送符合不同无线通讯标准的射频信号；模拟前端单元，用于将天线阵列单元接收到的射频信号进行放大、滤波和下变频处理获得基带数字信号；输入/输出矩阵，用于对基带数字信号进行合并或拆分，获得至少一个高速串行数据流；异构多核处理单元，用于执行应用程序过程中，对符合该应用程序需求的无线通信标准的基带数字信号进行处理，实现底层硬件系统和上层应用程序之间通信数据流的传输。本发明所述技术方案适用于百个以上天线实时收发和数据处理，同时还能够灵活支持多标准通信，可以实现未来家庭基站Femtocell或移动终端设备对灵活配置、小型化、低功耗的需求。
-
公开(公告)号：CN118333108B
公开(公告)日：2025-03-21
申请号：CN202410471048.4
申请日：2024-04-18
Applicant: 北京交通大学
IPC: G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种用于卷积神经网络输入激活值4比特量化的方法。该方法包括：加载原始4‑8混合比特位宽量化后的卷积神经网络模型权重，修改需进行4比特量化层的模型权重结构，对卷积神经网络的输入激活值利用本发明进行4比特量化，然后将量化后的4比特输入激活值进行反量化。该方法保证了卷积神经网络输入激活值量化为4比特的情况下，精度相对于原混合比特位宽量化后的卷积神经网络的精度损失可忽略不计。使用本发明的量化方法量化神经网络模型输入激活值更适应于硬件的移位计算方式，能够部署在相应硬件上来充分发挥量化神经网络的计算优势。
-
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
Applicant: 北京交通大学
IPC: H04L27/26
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。
-
Patent Agency Ranking
公开(公告)号：CN115345468A
公开(公告)日：2022-11-15
申请号：CN202210956246.0
申请日：2022-08-10
Applicant: 国网能源研究院有限公司 , 北京交通大学 , 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司电力科学研究院
Inventor： 边海峰 , 张钧 , 王东 , 张沛 , 高嵩 , 张远博 , 苏峰 , 谢光龙 , 王旭斌 , 张玥 , 代贤忠 , 张晨 , 柴玉凤 , 王大玮 , 张琛 , 田鑫 , 朱瑞 , 韩新阳 , 靳晓凌 , 李龙 , 李健
IPC: G06Q10/06 , G06Q50/06 , G06F30/28 , G06F111/08 , G06F113/08 , G06F119/14 , G06F119/02
Abstract: 本申请提供了一种覆冰线路孤立杆塔间实时故障概率计算方法及装置，方法包括：根据获取的微气象信息、覆冰信息以及线路相关参数，通过求解线路悬挂点等高的情况下的应力状态方程获得线路运行的实时应力值；根据线路运行的年限评估线路老化因素并求解线路所能承受的最大应力值；根据现有的应力‑强度干涉模型求解超出线路承受应力值的概率密度积分得到覆冰线路孤立杆塔间运行的实时故障概率值。本申请考虑了线路运行年限较长时老化的疲劳折损系数影响与实时监测气象环境数据对架空线路故障概率的影响，能准确且实时的计算线路运行的故障概率值。
-
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
Applicant: 北京交通大学
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。
-
公开(公告)号：CN114638169A
公开(公告)日：2022-06-17
申请号：CN202210319807.6
申请日：2022-03-29
Applicant: 国网能源研究院有限公司 , 北京交通大学 , 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司电力科学研究院
Inventor： 张钧 , 边海峰 , 王东 , 张沛 , 高嵩 , 张远博 , 苏峰 , 谢光龙 , 王旭斌 , 张玥 , 代贤忠 , 张晨 , 柴玉凤 , 王大玮 , 张琛 , 田鑫 , 朱瑞 , 韩新阳 , 靳晓凌 , 李龙 , 李健
IPC: G06F30/27 , G06K9/62 , G06F111/08
Abstract: 本说明书实施例提供了一种变压器时变故障概率计算方法、装置及计算机可读存储介质，其中，方法包括：根据变压器的在线监测数据的油中气体含量确定变压器的健康状态，获取状态评价结果；根据状态评价结果建立带修复的变压器多状态马尔科夫模型；根据变压器多状态马尔科夫模型计算由老化引起的电气设备内部故障率；利用SVM支持向量机将外部运行环境划分为外部正常运行环境和外部恶劣环境，分别计算正常运行场景和恶劣运行场景下的外部故障率；将相应运行场景的外部故障率和修复率作为基于历史统计数据的常数，带入电气设备的内部故障率和外部故障率求解福克普朗克方程得到电气设备的时变故障概率值。
-
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
Applicant: 北京交通大学
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。
-
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
Applicant: 北京交通大学
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。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.095 seconds)
