-
公开(公告)号：CN118838573A
公开(公告)日：2024-10-25
申请号：CN202410929275.7
申请日：2024-07-11
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于CORDIC的反双曲正弦求解装置及求解方法。其方法是将反双曲正弦计算转换成可通过圆周坐标系下的CORDIC算法计算的根号平方和以及广义双曲坐标系下的CORDIC算法计算的对数。反双曲正弦装置为：根号下平方和计算模块，通过工作在向量模式的圆周CORDIC计算单元计算，进而通过乘法和加法操作得到#imgabs0#对数预处理模块将#imgabs1#分解成指数部分k和尾数部分r；对数计算模块，通过工作在向量模式的广义双曲CORDIC计算单元求以2为基数的反双曲正切值，进而通过加法和乘法操作得到反双曲正弦值的计算结果。本发明仅采用加法、移位和少量乘法器等简单的逻辑资源，具有关键路径短，硬件开销小等优点。
-
公开(公告)号：CN118821877A
公开(公告)日：2024-10-22
申请号：CN202410929280.8
申请日：2024-07-11
Applicant: 重庆邮电大学
IPC: G06N3/063 , G06N3/0464 , G06N3/0495 , G06N3/08 , G06N3/082 , G06F11/36 , G06F15/78 , G06F8/60 , G06F9/50 , G06F9/48 , G06V10/82
Abstract: 本发明公开一种基于FPGA的VGG‑16卷积加速器设计及部署方法，包括以下步骤：部署方面：量化卷积神经网络模型，在牺牲部分精度的情况下将整个网络的量化为8bit数据类型，缩小到原来网络的1/4大小；根据VGG‑16模型各个卷积层输入特征图大小共同特点，固定卷积加速器的输入大小并通过重复调用卷积加速器，直到当前卷积神经网络计算完成；卷积加速器设计方面：在卷积加速器上增加对卷积加速器上的输入特征图分块并行计算，在卷积过程中实现流水并行方式。本发明为VGG‑16卷积加速器设计的分块策略，提高了卷积加速器单位时间内的计算吞吐量。
-
公开(公告)号：CN118678340A
公开(公告)日：2024-09-20
申请号：CN202410929277.6
申请日：2024-07-11
Applicant: 重庆邮电大学
Abstract: 随着无线传感器网络的快速发展，人们对高精度定位技术的需求日益强烈，传感器网络的异步时钟和安全问题使得定位更具挑战性。本发明关注无线传感器网络的隐私保护异步定位问题，提供了一种具有隐私保护的定位系统及方法。具体来说，构建了包括目标节点和锚节点的无线传感器网络。然后，提供了一种异步定位方法，通过两轮节点广播记录的时间戳来估计目标节点与各个锚节点之间的相对时钟偏差并对异步时钟造成的误差进行补偿，使用补偿后的无偏飞行时间估计目标传感器节点的位置。值得一提的是，所提出的定位算法实现了目标节点位置的隐私保护，但它们没有采用任何同态加密技术，也就意味着不会消耗过多计算资源。更重要的是，它们可以消除异步时钟的影响，即时钟偏差和偏移。本发明提出的定位方法可以避免位置信息的泄漏，同时与其他隐私保护的工作相比，定位精度可以不被影响。
-
公开(公告)号：CN117870724A
公开(公告)日：2024-04-12
申请号：CN202410041421.2
申请日：2024-01-11
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于多源异步传感器的在线外部参数标定方法，在不需要额外辅助设备的情况下，利用局部传感器与全局传感器定位结果的相关性，估计各传感器之间的时间偏移与外部参数。首先，在获取各传感器云数据的基础上，构建以时间偏移与外部参数为目标的优化模型。其次，根据待优化参数的可解耦性，分别对各参数进行最优估计。最后，在获取时间偏移与外部参数的基础上，实现了各传感器的时间同步与空间坐标对齐。本发明不同于使用GPS时间作为统一时间源与基于以太网的时间同步方式，在缺乏传感器间同步信息的情况下，无需额外设备和校准步骤，可在线实现各传感器的部参数自标定。本发明通过解耦变换求解外部参数，相比于同时求解所有参数的方法，降低了参数估计的复杂度，能够进行快速的参数估计，保证了多源传感器融合定位结果的时效性。
-
公开(公告)号：CN115275603B
公开(公告)日：2023-11-17
申请号：CN202211018296.0
申请日：2022-08-24
Applicant: 重庆邮电大学 , 电子科技大学重庆微电子产业技术研究院
Abstract: 本发明属于微带天线技术领域，具体涉及一种基于馈电枝节的微带滤波天线；包括上层介质基板和下层介质基板，上层介质基板和下层介质基板之间设置有金属地平面，金属地平面上表面设置有耦合缝隙；上层介质基板上表面设置有高频辐射平面、中频辐射平面和低频辐射平面；下层介质基板下表面设置有馈电端口、匹配枝节、短路枝节、短路金属铜柱和开路枝节；本发明充分利用微带天线的电磁分布，利用相邻辐射平面之间的电耦合，引入一个辐射零点在通带上边缘，同时充分利用天线的馈电枝节，引入一个辐射零点在通带下边缘，最终实现滤波天线的融合设计。
-
Patent Agency Ranking
公开(公告)号：CN116990716A
公开(公告)日：2023-11-03
申请号：CN202310869444.8
申请日：2023-07-14
Applicant: 重庆邮电大学
IPC: G01R31/52 , G01R31/367 , G01R31/389 , G01R31/396
Abstract: 本发明公开了一种基于阻抗谱和Elman神经网络的锂离子电池内短路检测方法，所述方法包括：采集锂离子电池的阻抗谱数据，基于阻抗谱提取八个内短路特征；计算内短路特征的Pearson相关系数，保留四个相关性较强的特征；利用典型相关性分析对内短路特征进行特征融合，得到一维的综合变量，基于综合变量构建内短路特征数据集；通过粒子群优化算法对Elman神经网络进行优化；基于内短路特征数据集，对Elman神经网络进行训练；对待测电池测量其阻抗谱并进行特征提取和融合，输入Elman神经网络进行检测。与现有技术相比，本发明能够实现锂离子电池内短路早期阶段的检测，提高了内短路检测的灵敏性。
-
公开(公告)号：CN116845558A
公开(公告)日：2023-10-03
申请号：CN202311032580.8
申请日：2023-08-16
Applicant: 重庆邮电大学 , 电子科技大学重庆微电子产业技术研究院
Abstract: 本发明属于MIMO天线技术领域，具体涉及一种紧凑型具有三陷波结构的四单元UWB MIMO天线；该方法包括：四个单元辐射贴片、介质基板和金属接地板；所述四个单元辐射贴片印刷在介质基板上表面，四个单元辐射贴片结构相同并以介质基板中心点为圆心按照顺时针90度旋转设置；所述金属接地板位于介质基板下方，金属接地板上刻蚀有四个相同的单元缺陷地结构；四个单元缺陷地结构关于金属接地板中心点呈中心对称；本发明实现了三频段滤波特性、超宽带、小型化和高度隔离的统一；经过加工实测，其隔离度和回波损耗优于基本要求和现有技术中的指标，具有良好的应用前景。
-
公开(公告)号：CN114843755B
公开(公告)日：2023-09-08
申请号：CN202210548648.7
申请日：2022-05-20
Applicant: 电子科技大学重庆微电子产业技术研究院 , 重庆邮电大学
Abstract: 本发明属于天线技术领域，特别涉及一种基片集成波导缝隙阵列滤波天线，包括介质基板、顶层金属平面、底层金属平面和互补开口环，介质基板上部刻蚀有上排金属通孔，下部刻蚀有下排金属通孔，右部刻蚀有右排金属通孔，顶层金属平面设有四条矩形缝隙，底层金属平面设有第一互补开口环和第二互补开口环，本发明不需要单独的滤波器，极大简化天线设计，缩减占用空间资源，也极大的降低天线加工成本；且没有滤波器引入额外的插入损耗可极大提升天线的增益。
-
公开(公告)号：CN116561642A
公开(公告)日：2023-08-08
申请号：CN202310611476.8
申请日：2023-05-26
Applicant: 重庆邮电大学
Abstract: 本发明公开了多种环境下同一辐射源信号指纹特征提取及识别方法，属于无辐射源识别领域。该方法主要思路为：首先在环境一接收辐射源信号进行保存并提取信号特征，通过机器学习来建立射频指纹库用于后续的辐射源识别。然后，在环境二下接收辐射源信号，将辐射源信号输入自适应滤波器作为输入信号，将环境一下接收的辐射源信号输入自适应滤波器作为期望信号，通过自适应算法迭代获取校准系数。最后，利用自适应滤波器根据校准系数对环境二下获取的辐射源信号进行处理，对处理后的信号特征提取并结合射频指纹库对环境二下的辐射源分类识别。
-
公开(公告)号：CN116415151A
公开(公告)日：2023-07-11
申请号：CN202310414564.9
申请日：2023-04-18
Applicant: 重庆邮电大学
IPC: G06F18/214 , G06F18/213 , G06F18/2413
Abstract: 本发明公开了一种滤波器射频指纹形成机理的分析方法，该方法系统的分析了射频指纹的产生机理。射频指纹是由于滤波器器在生产过程中存在误差，滤波器之间存在各种差异，导致每个滤波器的输出也存在差异而形成的。因此通过将尺寸误差和输出的频率响应曲线建立联系从而分析滤波器射频指纹的形成机理。具体思路如下：首先，获取含有不同尺寸误差的滤波器的射出频率响应曲线，然后将滤波器的频率响应曲线值与滤波器的尺寸误差进行插值拟合，从而获取插值函数；然后，通过插值函数预测得到各个尺寸误差滤波器的频率响应曲线值，并将频率响应曲线数据进行训练；最后，用训练得到的分类器对实际的滤波器进行分类，验证通过插值函数获得指纹特征和实际该尺寸滤波器的指纹特征是否能够匹配。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.029 seconds)
