-
公开(公告)号：CN114598581A
公开(公告)日：2022-06-07
申请号：CN202210077206.9
申请日：2022-01-24
Applicant: 北京邮电大学
IPC: H04L27/00 , H04B10/079 , G06N3/08
Abstract: 本发明提供一种概率整形信号的双阶段检测模型训练方法、识别方法及装置，在信号接收端通过DSP模块处理得到的电域信号，基于盲均衡算法处理后的幅度柱状图，通过机器学习的方式构建幅度柱状图至光信噪比和调制格式的映射，以实现对概率整形信号的光信噪比和调制格式的识别。同时，由于信号激光器和本振激光器在洛伦兹线型下的相位噪声是微纳过程，且相位噪声增量的方差与激光器线宽是线性关系的特性，通过机器学习的方式构建不同符号间隔下相位噪声增量的均方根植和平均值映射至激光器线宽，以实现对激光器线宽的识别，并有效提高识别的泛化能力。
-
公开(公告)号：CN111462000A
公开(公告)日：2020-07-28
申请号：CN202010188588.3
申请日：2020-03-17
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于预训练自编码器的图像恢复方法及装置，方法包括：获取散斑图像；将散斑图像输入图像恢复网络模型，得到恢复图像；其中，图像恢复网络模型包括训练完成的第一编码器子网络和第一解码器子网络；第一解码器子网络的初始参数是根据预先训练完成的自编码器网络模型中的参数确定的，自编码器网络模型是根据第一训练集训练得到的；图像恢复网络模型是根据第二训练集训练得到的，第二训练集包括第二样本原始图像以及样本散斑图像。通过预训练自编码器网络模型，并采用训练完成的自编码器网络模型中的参数对图像恢复网络模型中的第一解码器子网络进行参数初始化，能够充分利用训练数据集信息，加快了训练时网络的收敛速度。
-
公开(公告)号：CN109981198B
公开(公告)日：2020-05-01
申请号：CN201910285270.4
申请日：2019-04-10
Applicant: 北京邮电大学
IPC: H04B17/382 , H04B10/2581 , H04B10/2575 , H04B10/2525
Abstract: 本发明实施了一种基于多模光纤的宽带射频谱感知方法及系统。该方法中，利用多模光纤对光脉冲信号进行随机滤波，得到滤波后的光脉冲信号；利用第一色散补偿光纤，对滤波后的光脉冲信号中的各个光脉冲进行展宽，得到展宽后的光脉冲信号；将展宽后的光脉冲信号作为载波，对待感知的射频信号进行调制，得到调制信号；利用第二色散补偿光纤，对调制信号中各个光脉冲进行展宽，得到展宽后的调制信号；对展宽后的调制信号依次进行光电转换和数模采样，得到采样信号；根据采样信号，重构射频信号的频谱。本发明实施例提供的基于多模光纤的宽带射频谱感知方法，可以降低具有宽带射频谱感知功能的系统的复杂度。
-
公开(公告)号：CN109167627B
公开(公告)日：2020-02-18
申请号：CN201811172412.8
申请日：2018-10-09
Applicant: 北京邮电大学
IPC: H04B10/079
Abstract: 本申请实施例提供了一种调制格式及光信噪比监测方法及装置，涉及光电子技术领域，所述方法包括：获取待监测信号；通过预设的恒模算法，确定所述待监测信号的信号幅度图；将所述信号幅度图输入至基于多任务学习的神经网络中，其中，所述基于多任务学习的神经网络包括第一输出层和第二输出层；根据所述第一输出层的输出结果，确定所述待监测信号的调制格式，根据所述第二输出层的输出结果，确定所述待监测信号的光信噪比。采用本申请，能够提高调制格式以及光信噪比的检测准确率。
-
公开(公告)号：CN110263848A
公开(公告)日：2019-09-20
申请号：CN201910528103.8
申请日：2019-06-18
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于生成式对抗网络的多模光纤成像方法及装置，该方法包括：获取原始图片；以散斑图案生成结构中激光器的激光为光源，将原始图片的像素信息调制到光源上，得到光信号；将光信号耦合进入散斑图案生成结构中的多模光纤进行传输，得到散斑图案；将散斑图案作为已训练的生成式对抗网络的输入，利用已训练的生成式对抗网络对散斑图案进行恢复，得到恢复后图片，已训练的生成式对抗网络是基于至少第一预设数量张的样本集训练得到的，样本集包括：原始图片样本及由散斑图案生成结构得到的与每个原始图片样本对应的散斑图案样本，第一预设数量为200；成像恢复后图片。这样样本集较少，也能对散斑图案进行恢复，耗费的时间较短。
-
Patent Agency Ranking
公开(公告)号：CN109981198A
公开(公告)日：2019-07-05
申请号：CN201910285270.4
申请日：2019-04-10
Applicant: 北京邮电大学
IPC: H04B17/382 , H04B10/2581 , H04B10/2575 , H04B10/2525
Abstract: 本发明实施了一种基于多模光纤的宽带射频谱感知方法及系统。该方法中，利用多模光纤对光脉冲信号进行随机滤波，得到滤波后的光脉冲信号；利用第一色散补偿光纤，对滤波后的光脉冲信号中的各个光脉冲进行展宽，得到展宽后的光脉冲信号；将展宽后的光脉冲信号作为载波，对待感知的射频信号进行调制，得到调制信号；利用第二色散补偿光纤，对调制信号中各个光脉冲进行展宽，得到展宽后的调制信号；对展宽后的调制信号依次进行光电转换和数模采样，得到采样信号；根据采样信号，重构射频信号的频谱。本发明实施例提供的基于多模光纤的宽带射频谱感知方法，可以降低具有宽带射频谱感知功能的系统的复杂度。
-
公开(公告)号：CN117135179A
公开(公告)日：2023-11-28
申请号：CN202310846934.6
申请日：2023-07-11
Applicant: 北京邮电大学
IPC: H04L67/12 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , H04L67/1074 , H04L69/04 , H04L47/38
Abstract: 本发明提供一种面向点云传输的语义编解码器训练方法、传输方法及系统，通过在发送端对点云数据进行体素化和云分块处理后，基于预训练的语义编码器并行处理提取点云数据的语义特征，实现对点云数据的压缩，并导入光链路传输至接收端，通过预训练的语义解码器进行点云数据的重建，最后通过拼接和转化恢复出原始的点云数据，以完成传输。本发明能够通过语义光通信系统，高效传输点云数据，减小传输和存储需要超大带宽和存储容量，使点云重建质量更高，性能更加稳定。
-
公开(公告)号：CN111462000B
公开(公告)日：2023-11-28
申请号：CN202010188588.3
申请日：2020-03-17
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于预训练自编码器的图像恢复方法及装置，方法包括：获取散斑图像；将散斑图像输入图像恢复网络模型，得到恢复图像；其中，图像恢复网络模型包括训练完成的第一编码器子网络和第一解码器子网络；第一解码器子网络的初始参数是根据预先训练完成的自编码器网络模型中的参数确定的，自编码器网络模型是根据第一训练集训练得到的；图像恢复网络模型是根据第二训练集训练得到的，第二训练集包括第二样本原始图像以及样本散斑图像。通过预训练自编码器网络模型，并采用训练完成的自编码器网络模型中的参数对图像恢复网络模型中的第一解码器子网络进行参数初始化，能够充分利用训练数据集信息，加快了训练时网络的收敛速度。
-
公开(公告)号：CN116625505A
公开(公告)日：2023-08-22
申请号：CN202310458145.5
申请日：2023-04-26
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于RCASSI系统的光谱分辨率可调的高光谱成像方法及装置，包括：获取待生成的高光谱图像的光谱通道数量，确定光束在棱镜的远离掩膜的第一侧面的入射角和光束在棱镜的第一侧面的折射角；基于光谱通道数量以及预设像素尺寸确定光束相对于掩膜中心的偏移量，基于偏移量、入射角、折射角以及光束从所述棱镜的靠近于掩膜的第二侧面上输出的相对于初始光轴的偏移角确定棱镜与掩膜之间的距离；基于棱镜与掩膜之间的距离确定第一透镜与第二透镜的焦距，基于焦距确定第一透镜与第二透镜之间的间距；基于间距通过位于第一透镜与第二透镜下方的移动平台对第一透镜和第二透镜进行位置调整。该方法在高光谱成像过程中可实现光谱分辨率的调节。
-
公开(公告)号：CN116579959A
公开(公告)日：2023-08-11
申请号：CN202310396077.4
申请日：2023-04-13
Applicant: 北京邮电大学
IPC: G06T5/50 , G06T5/00 , G06V10/58 , G06V10/52 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明提供一种用于高光谱图像的融合成像方法及装置，包括：获取全色图像，提取全色图像的高频细节；获取相机采集的测量值和掩膜，生成重建高光谱图像数据，将全色图像的高频细节、重建高光谱图像数据及全色图像进行级联得到级联后的三维数组，并输入至卷积神经网络模型得到三维数组的特征表示；将三维数组的特征表示输入至多尺度多深度网络模型得到多尺度多深度特征表示；将重建高光谱图像数据输入至通道注意力模块得到全局特征对应的权重系数，将权重系数与多尺度多深度特征表示相乘得到高光谱图像的最终特征，将最终特征与重建高光谱图像数据进行叠加得到融合后的高光谱图像。该方法消除了高光谱图像中的伪影，提高了高光谱图像的空间分辨率。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.061 seconds)
