-
公开(公告)号：CN112257739B
公开(公告)日：2023-12-22
申请号：CN202010890870.6
申请日：2020-08-29
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
IPC: G06F18/2431 , G06F18/2136 , G06F18/28
Abstract: 本发明公开了一种基于扰动压缩感知的稀疏表示分类方法，包括：获得稀疏表示模型，获得每个类别测试样本对应的扰动字典，求解优化问题获得稀疏向量，获得各个类别测试样本对应的残差，获得具有最小残差的类别。现有稀疏表示方法大都假设训练样本能够线性表示测试样本，然而实际系统中该假设往往不成立。针对这一问题，本发明将稀疏表示分类建模为扰动压缩感知模型，并通过求解扰动重建问题获得更优的字典矩阵和稀疏系数向量，从而提升分类准确率。
-
-
公开(公告)号：CN113822162B
公开(公告)日：2023-10-13
申请号：CN202110977786.2
申请日：2021-08-24
Applicant: 北京邮电大学
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/08 , H04L27/00
Abstract: 本发明提供一种基于伪星座图的卷积神经网络调制识别方法，将时域样本和灰度化星座图的像素值进行合成形成伪星座图，将伪星座图输入后续卷积神经网络，使用预设的卷积核对卷积神经网络进行优化形成卷积神经网络模型，使用卷积神经网络模型对待识别信号进行调制识别。本发明提供的技术方案在同样使用卷积神经网络模型的情况下，解决了传统星座图方法对MFSK信号识别能力弱的问题，从而提高了调制识别的整体准确率。本发明提供的技术方案在信噪比不低于10dB条件下，对多种PSK、FSK和QAM调制方式的平均识别准确率高于0.99，远远高于基于传统星座图的卷积神经网络的识别结果。在输入大小相同的条件下，本发明提供的技术方案具有更低的复杂度。
-
公开(公告)号：CN114358096B
公开(公告)日：2022-06-07
申请号：CN202210274909.0
申请日：2022-03-21
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于逐级门限判决的深度学习摩尔斯码识别方法，获取摩尔斯码音频信号，对摩尔斯码音频信号进行预处理，得到预处理后音频信号；对预处理后音频信号进行判断，根据判断结果将其分类为第一类音频信号和第二类音频信号；在递归神经网络基础上增加用于分析判断的递归门，构建用于生成摩尔斯码数据标签的神经网络；根据神经网络的输入条件，对第一类音频信号和第二类音频信号进行编码处理，得到编码处理后的数据；将编码处理后的数据输入神经网络中处理，输出得到摩尔斯码数据标签；将摩尔斯码数据标签进行逆处理，识别出摩尔斯码；本发明的识别方法，保证了摩尔斯码的识别效率和准确率。
-
公开(公告)号：CN112235061B
公开(公告)日：2021-10-22
申请号：CN202010937270.0
申请日：2020-09-08
Applicant: 北京邮电大学
IPC: H04B17/382
Abstract: 本说明书一个或多个实施例提供一种基于相位差鲁棒统计特征的频谱感知方法及相关设备；所述方法包括：对接收到的接收信号进行采样处理；其中，采样处理得到若干采样点；分别计算相邻两个采样点的相位差，得到接收信号对应的相位差概率分布；对第一相位差概率分布进行特征提取，得到接收信号对应的相位差鲁棒统计特征；将相位差鲁棒统计特征输入预先训练的频谱感知模型，根据频谱感知模型的输出确定主用户信号是否存在。本申请通过提取相位差鲁棒统计特征，并利用监督学习训练机器学习模型，学习特征，从而识别接收信号相位差概率分布的类别，在低信噪比衰落信道条件下，实现更加准确、更加鲁棒的频谱感知。
-
Patent Agency Ranking
公开(公告)号：CN112383385A
公开(公告)日：2021-02-19
申请号：CN202011066449.X
申请日：2020-09-30
Applicant: 北京邮电大学
IPC: H04L5/00 , H04B7/0456
Abstract: 本申请实施例提供一种码本处理方法及装置。该方法包括：获取原模图对应的第一矩阵，其中，原模图中包括K个用户节点和N个资源节点，K为大于等于1的整数，N为大于等于1的整数。确定第一参数M，根据M，对第一矩阵中的元素进行置换处理，得到置换处理后的第二矩阵，其中，M用于指示置换处理的倍数，置换处理用于对用户节点和资源节点进行扩展。根据置换处理后的第二矩阵，得到目标码本，其中，目标码本包括扩展后的用户节点在扩展后的资源节点上传输的码字。本实施例中的置换处理是直接根据零矩阵和处理后的单位矩阵对第一矩阵中的元素进行置换，能够有效对抗块衰落，从而能够简单高效的实现对较大的SCMA码本的构造。
-
公开(公告)号：CN111865323A
公开(公告)日：2020-10-30
申请号：CN201910346467.4
申请日：2019-04-26
Applicant: 北京邮电大学
IPC: H03M7/30
Abstract: 本发明实施例提供一种基于联合判决块正交匹配追踪的压缩信号重建方法及装置，该方法包括：获取观测矩阵、观测向量、先验信息向量、稀疏信号的稀疏度和稀疏信号平均幅值；基于伽马分布，根据观测向量、先验信息向量、稀疏信号的稀疏度和稀疏信号平均幅值，得到先验因子；根据先验因子和观测矩阵获取支撑集位置，基于支撑集位置获取观测矩阵的重建原子集合；基于最小二乘法，根据重建原子集合和观测向量，重构稀疏信号。本发明实施例提供的方法及装置解决现有重构方法先验信息的获取不够准确导致稀疏信号的重构性能不够好的问题。
-
公开(公告)号：CN104135347B
公开(公告)日：2017-05-17
申请号：CN201410414875.6
申请日：2014-08-21
Applicant: 北京邮电大学
IPC: H04L1/00
Abstract: 一种认知无线网络中基于联合格成型技术的脏纸编码和译码方法，适用于主网络只有一个主用户，认知无线网络有多个从用户的场景。具体方法是：为保证主用户接收端信噪比不变，每个从用户发送端利用其多个发射天线发送各自信号时，同时转发主用户的发送信号：从用户发送端对传输给每个从用户接收端的信号分组，分别进行信道编码和联合格成型编码，再将编码比特序列映射成符号序列后，进行迫零脏纸编码，以消除其他用户的干扰；然后叠加主用户发送信号后，使用其发送端多个发射天线经由信道传输给多个从用户接收端，提高从用户接收性能。每个从用户接收端分别使用传统信道卷积译码方法译码、即恢复信号。本发明操作步骤简单、计算复杂度低，实用性强。
-
公开(公告)号：CN105471529A
公开(公告)日：2016-04-06
申请号：CN201511021220.3
申请日：2015-12-30
Applicant: 北京邮电大学
IPC: H04B17/382
Abstract: 本发明提供一种频谱信号感知方法及装置，所述方法包括：根据第k-1次迭代得到的重建频谱信号中的第i个元素与所述的支撑集中各元素的最小距离，确定频谱信号向量第i个元素对应的加权项v(pi)；根据确定第k次迭代中频谱信号向量的非零元素的位置imk；ai表示已知测量矩阵的第i列，rk-1表示残差，将所述已知测量矩阵的第imk列加入第k-1次迭代中得到的测量矩阵重建原子集合中，形成第k次迭代更新后的测量矩阵重建原子集合；根据的最小值确定第k次迭代的重建频谱信号其中，Y表示待重建频谱信号的测量值，表示所述第k次迭代更新后的测量矩阵重建原子集合。本发明提供的频谱信号感知方法及装置，便于应用，并且能够提高信号重构的性能。
-
公开(公告)号：CN104184554A
公开(公告)日：2014-12-03
申请号：CN201410444286.2
申请日：2014-09-03
Applicant: 北京邮电大学
Abstract: 一种用于中继网络的欠采样量化转发方法，各传感节点分别对相同的稀疏信号以压缩感知方式采样、量化、编码和调制，随后经由各自直传链路和/或中继节点的转发链路发送给融合中心FC。每个中继节点协助各自传感节点向FC转发经过量化转发处理后的信息。FC接收到各传感节点和各中继节点的信号后，根据信源端压缩采样和信宿端信号重建策略，利用协作网络的信号固有稀疏特性和接收信号之间的相关性，执行判断、迭代译码和稀疏信号的恢复操作，实现低复杂度的稀疏信号还原，能够获得精确数据，满足用户需求。本发明大大降低网络传输的数据量，节省存储空间，且操作步骤简单易行，容易实现，适合用于实际通信系统中，具有很好的推广应用前景。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.029 seconds)
