-
公开(公告)号：CN108574653A
公开(公告)日：2018-09-25
申请号：CN201810351404.3
申请日：2018-04-19
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明公开了基于双Sigmoid迟滞噪声混沌神经网络的信号盲检测方法，其特征在于，包括如下步骤：步骤SS1：构造接收数据矩阵XN；步骤SS2：对所述接收数据矩阵XN进行奇异值分解；步骤SS3：设置权矩阵W；步骤SS4：选择双Sigmoid迟滞混沌神经网络的激活函数，进行双Sigmoid迟滞混沌神经网络迭代运算，然后把每次迭代的结果代入双Sigmoid迟滞噪声混沌神经网络的能量函数E(t)中，当所述能量函数E(t)达到最小值，则所述双Sigmoid迟滞噪声混沌神经网络达到平衡，迭代结束。本发明首次利用双Sigmoid混沌神经网络和迟滞噪声构成了一个双Sigmoid迟滞噪声混沌神经网络，增强了网络的优化性能，提高了网络优化解的质量，本发明的抗噪性能和收敛速度优于传统的Hopfield信号盲检测算法。
-
公开(公告)号：CN108521633A
公开(公告)日：2018-09-11
申请号：CN201810163646.X
申请日：2018-02-27
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明提出了基于K均值的矿井环境无线传感网分簇路由方法。所述方法在长距离带状区域环境下，通过获取传感器节点地理位置信息，采用K均值聚类算法形成多个均匀分簇，再选举离质心最近的节点为初始簇首；然后采用基于阈值的动态簇首轮换方法，最后在融合数据传输阶段根据簇首与基站、簇首与簇首之间距离动态选择单跳与多跳的混合传输方式传输数据；分簇一旦建立，不再以轮为单位重新分簇，每轮仅进行基于剩余能量和地理位置的簇首动态更换。本发明方法和传统的分层路由协议LEACH相比，能够更加有效均衡网络负载，延长整个网络的生命周期，在同等条件下，优于传统的低功耗自适应集簇分层型协议方法。
-
公开(公告)号：CN108460080A
公开(公告)日：2018-08-28
申请号：CN201810019705.6
申请日：2018-01-09
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: G06F17/30
CPC classification number: G06F16/35
Abstract: 本发明提供基于特征二维信息增益加权的朴素贝叶斯文本分类方法。所述方法获取文档的特征词，根据不同的特征词出现的类别数和文档数，得到相应的特征类别概率和特征文档概率，进而得到特征的二维信息增益；由于信息增益具有反应特征对分类效果提升大小的作用，信息增益越大说明该特征越能表达该类的信息，把特征的二维信息相结合，提高了朴素贝叶斯文本分类器的性能；并且与TFIDF加权朴素贝叶斯文本分类算法、TFIDF*IGC文本分类算法相比，基于特征二维信息增益加权的朴素贝叶斯文本分类方法具有更好的鲁棒性，使其对所有类别的分类效果都能保持很好；在同等条件下，本发明的分类性能要优于传统改进的朴素贝叶斯文本分类方法。
-
公开(公告)号：CN109618311B
公开(公告)日：2021-12-14
申请号：CN201910042795.5
申请日：2019-01-17
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: H04W4/70 , H04B17/391 , H04L1/00 , H04L25/02 , H04L27/34
Abstract: 本发明公开基于M2M通信频谱共享与共存的盲检测算法，包括如下步骤：步骤SS1：构造传统用户过完备模型和M2M通信稀疏模型；步骤SS2：凸优化求解M2M传输信号；步骤SS3：构造传统用户接收数据矩阵；步骤SS4：对所述步骤SS3中的接收数据矩阵奇异值分解；步骤SS5：设置权矩阵；步骤SS6：选择Hopfield神经网络的激活函数，进行Hopfield神经网络迭代运算。本发明首次利用Hopfield神经网络的盲检测恢复M2M通信中传统用户的恢复，根据传统用户过完备模型和M2M设备稀疏模型，利用凸优化得出M2M设备传输信号，对状态方程进行迭代：每次迭代时，进入Hopfield神经网络，通过仿真验证了在同等条件下，本发明的误码率优于假设信道已知情况下恢复传统用户信号的方法。
-
公开(公告)号：CN109547139A
公开(公告)日：2019-03-29
申请号：CN201811632355.7
申请日：2018-12-29
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: H04B17/391 , H04B7/0413
Abstract: 本发明考虑用户到BR和BR到目的地BD存在LOS路径的情况，构建了基于Rician信道的Massive MIMO中继系统的上行链路模型，并对基于Rician信道的Massive MIMO中继系统的上行链路模型推导出其可实现速率的近似闭合表达式，并基于该推导的表达式导出了另外三种情况下实现速率的近似表达式。本发明推导出的基于Rician信道的Massive MIMO中继系统上行链路可实现速率的闭合表达式与传统的瑞利衰减信道下推导出上行链路可实现速率的闭合表达式相比具有明显的优势，这是因为在用户到BR和BR到目的地BD的信道都考虑了LOS路径的存在，使所得速率更接近实际通信过程中的速率。
-
Patent Agency Ranking
公开(公告)号：CN108337713A
公开(公告)日：2018-07-27
申请号：CN201810094457.1
申请日：2018-01-31
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
CPC classification number: Y02D70/00 , Y02D70/38 , Y02D70/39 , H04W40/10 , H04W40/20 , H04W40/22 , H04W40/246 , H04W40/248 , H04W84/18
Abstract: 本发明公开了一种基于改进K均值的矿井无线传感网非均匀分簇路由方法，其特征是，包括如下步骤：计算最优聚类簇首数目；计算K均值算法的初始质心；将每个传感器节点根据欧氏距离分配给距离最近的质心；计算每个簇新的质心位置；误差函数取得最小值；各簇内节点按照到对应簇内质心的距离编号；选择距离各簇内质心最近的节点为初始簇首；计算网络运行过程中每一轮簇首节点发送数据信息到基站消耗的能量；计算簇首能量阈值；判断当前簇首在下一轮是否继续担任簇首。优点：不再以轮为单位重新分簇，每轮仅进行基于剩余能量和地理位置的簇首动态更换；延长整个网络的生命周期。
-
公开(公告)号：CN113298861B
公开(公告)日：2022-09-16
申请号：CN202110556630.7
申请日：2021-05-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于ASPP‑CycleGAN的深度估计系统及其算法，构建ASPP‑CycleGAN模型，ASPP‑CycleGAN模型中包括两个生成对抗网络；两个生成对抗网络均包括生成器和判别器；生成器引用空洞卷积的空间金字塔，判别器采用多层全域卷积结构。在生成器的编码器和解码器之间添加基于空洞卷积的空间金字塔结构，用来提取多尺度信息；且在提取多尺度信息的同时避免了过多下采样层，有效减少了模型参数计算量并很好的保留了特征的细节信息。
-
公开(公告)号：CN114360004A
公开(公告)日：2022-04-15
申请号：CN202111526698.7
申请日：2021-12-14
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面部表情识别方法，所述方法包括：获取待识别图像；对所述待识别图像进行预处理，获得预处理图像；将所述预处理图像输入预先训练的识别模型，输出识别结果；所述预先训练的识别模型包括第一提取单元、第二提取单元和识别单元，所述第一提取单元用于提取所述预处理图像的图像特征，所述第二提取单元用于提取所述第一提取单元提取的图像特征，所述识别单元用于识别所述第二提取单元提取的图像特征，所述第二提取单元包括深度卷积模块和卷积注意模块。本发明在识别模型中引入卷积注意模块，从通道和空间维度，提取图像特征，提高了识别的精准度。
-
公开(公告)号：CN113472709A
公开(公告)日：2021-10-01
申请号：CN202110584908.1
申请日：2021-05-27
Applicant: 南京邮电大学通达学院
Abstract: 本发明公开一种sine混沌神经网络信号盲检测方法。所述方法在MC_CHNN模型中引入sine混沌神经网络，利用混沌吸引子实现全局搜索，采用多模聚类激活函数改进传统激活函数，从而实现sine混沌神经网络信号盲检测。本发明方法用于通信系统检测中，可以实现一种收敛速度更快、抗噪声能力更强、所需要的数据量长度更短、准确而又可靠的检测方法。
-
公开(公告)号：CN106953820A
公开(公告)日：2017-07-14
申请号：CN201710224545.4
申请日：2017-04-07
Applicant: 南京邮电大学
CPC classification number: H04L25/03165 , H04L1/0038 , H04L25/03923 , H04L2025/03464
Abstract: 本发明提供了基于双Sigmoid复数连续神经网络的信号盲检测方法，所述方法设计了新的激活函数以减弱在0点周围对网络输入值的敏感度；利用新激活函数，在不影响收敛时间的前提下，误码率下降，改善了抗噪声能力；为了提高系统收敛速度，在复数连续Hopfield型神经网络的基础上引入双Sigmoid结构，构建本发明双Sigmoid复数连续Hopfield型神经网，在相同的信噪比条件下，以状态向量和平衡点之间的距离范数为指标，本发明双Sigmoid复数连续Hopfield型神经网络算法比传统双Sigmoid神经网络收敛速率更快，优化了HNN神经网络性能。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.037 seconds)
