-
公开(公告)号：CN113872652B
公开(公告)日：2023-12-12
申请号：CN202110708638.0
申请日：2021-06-25
Applicant: 南京邮电大学
IPC: H04B7/06 , H04B7/0456 , H04B7/0413 , H04B7/0417 , H04L25/02 , G06N3/0464 , G06N3/0442 , G06N3/049 , G06N3/08
Abstract: 行恢复。本发明公开了一种基于3D MIMO时变系统的CSI反馈方法，包括基于时变环境构建包含有空间、频率和时间三个维度的大规模3D MIMO信道模型，基于3D MIMO信道模型估算下行链路CSI，建立编码器网络，对下行链路CSI进行压缩获得低维矢量，并通过上行链路通信向基站反馈，建立解码器网络，对基站接收的低维矢量进行下行链路CSI矩阵重建，完成预编码，本发明通过3D CNN和BiLSTM的结合，可将下行链路CSI压缩成一个低维矢量，其能够在较长的时间序列中提取到
-
公开(公告)号：CN116319196A
公开(公告)日：2023-06-23
申请号：CN202310591372.5
申请日：2023-05-24
Applicant: 南京邮电大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了THz‑MIMO系统中基于SRGAN信道估计方案，属于信道估计技术领域；发送端采用正交的导频设计，在第个子载波对应的频率处沿着空时域发送信号矩阵；接收端从接收信号中提取导频信息，最小二乘法对基于导频的信道矩阵进行初步估计；对超分辨生成对抗网络进行离线训练，获得最佳网络权重的生成器完成基于导频的信道预估计矩阵空时域补全；将相干带宽内连续的个子载波作为信道估计单元，每个信道估计单元中各子载波上依次减少导频。每个子载波上的信道结合当前的和上一子载波接收到的导频共同估计当前信道。信道状态信息合并得到完整的信道状态信息。本发明保证信道估计的准确性，同时利用信道频率相关性降低信道估计导频开销。
-
公开(公告)号：CN100531031C
公开(公告)日：2009-08-19
申请号：CN200610038619.7
申请日：2006-03-06
Applicant: 南京邮电大学
Abstract: 仿真实现艾科特量子密钥分配协议的方法涉及在经典计算机仿真实现基于纠缠特性的Ekert(艾科特)量子密钥分配协议过程，该仿真方法分为六部分，它们分别是：纠缠态制备，Alice测量和记录，Eve测量和记录，Bob测量和记录，相关项量S的计算，密钥处理；以便加深Ekert协议理解，也为验证各种类似的量子密钥分配协议提供一种仿真手段，降低相关实验所需的资源耗费，加快证实新型量子密钥分配协议的可行性。
-
公开(公告)号：CN1815952A
公开(公告)日：2006-08-09
申请号：CN200610038619.7
申请日：2006-03-06
Applicant: 南京邮电大学
Abstract: 仿真实现艾科特量子密钥分配协议的方法涉及在经典计算机仿真实现基于纠缠特性的Ekert(艾科特)量子密钥分配协议过程，该仿真方法分为六部分，它们分别是：纠缠态制备，Alice测量和记录，Eve测量和记录，Bob测量和记录，相关项量S的计算，密钥处理；以便加深Ekert协议理解，也为验证各种类似的量子密钥分配协议提供一种仿真手段，降低相关实验所需的资源耗费，加快证实新型量子密钥分配协议的可行性。
-
公开(公告)号：CN119561593A
公开(公告)日：2025-03-04
申请号：CN202411676068.1
申请日：2024-11-22
Applicant: 南京邮电大学 , 江苏有线数据网络有限责任公司
Abstract: 本发明公开了一种基于深度学习的全双工雷达通信系统联合发射波束形成方法，首先，对FD‑ISAC系统的发送与接收信号、雷达感知和通信速率的性能进行了数学建模。在所建构模型中，基站接收信号并通过传统信道估计方法获得估计的用户所在角度。其次，基于该角度计算上行历史信道状态信息和下行历史信道状态信息。而后设计交叉注意力‑门控循环单元网络(CAttn‑GRU Net)，其将上行历史信道状态信息和下行历史信道状态信息作为输入，进而来预测雷达信号协方差矩阵和通信信号波束赋形矩阵，从而分别用于辅助当前时刻构建感知信号与波束赋形设计。此外，在训练过程中，采用多目标优化损失函数。
-
Patent Agency Ranking
公开(公告)号：CN118473563A
公开(公告)日：2024-08-09
申请号：CN202410565137.5
申请日：2024-05-09
Applicant: 南京邮电大学
IPC: H04B17/391 , H04B7/0413 , H04L43/0823 , H04L43/50 , G06N3/04
Abstract: 本发明公开了一种上行去蜂窝大规模MIMO系统的信号检测方法，包括如下步骤：步骤一、建立上行去蜂窝大规模MIMO系统模型，根据上行去蜂窝大规模MIMO系统模型，获得系统接收信号y，信道矩阵H，噪声n，真实信号x，生成训练数据集和测试数据集；步骤二、构建RSI‑Net信号检测网络模型；步骤三、将步骤一中生成的训练集数据集输入到构建好的RSI‑Net信号检测网络模型中进行离线训练；步骤四、使用步骤三中训练好的RSI‑Net检测网络，进行上行去蜂窝大规模MIMO系统的信号检测测试，计算检测网络误符号率；步骤五、将步骤四中检测网络误符号率符合设定要求的RSI‑Net检测网络用于上行去蜂窝大规模MIMO系统的信号检测。与传统信号检测算法相比，本发明具有保持较低的计算开销和出色的检测性能。
-
公开(公告)号：CN118368643A
公开(公告)日：2024-07-19
申请号：CN202410790578.5
申请日：2024-06-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向车联网网络切片的效用最大化资源分配方法，针对车联网系统下的车辆业务资源分配问题，结合网络切片技术，考虑到不同车联网业务速率、时延以及车辆移动性对于网络效用的影响，以最大化网络效用为目标，构建了一种基于车联网系统的网络切片资源分配模型。提出了一种基于动态记忆库的双Sigmoid函数粒子群优化算法（MBDS‑PSO），增强了算法的全局和局部搜索能力，降低了算法求解结果的标准差，解决了传统粒子群算法以及一些改进算法对于前后期搜索能力过渡不平滑等问题，实现了在相同时间复杂度下缩短算法运算时间的同时能够在资源分配过程中为系统带来更高的网络效用。
-
公开(公告)号：CN116233897A
公开(公告)日：2023-06-06
申请号：CN202310515169.X
申请日：2023-05-09
Applicant: 南京邮电大学
IPC: H04W24/02 , H04W24/06 , H04B7/145 , H04B17/382
Abstract: 本发明公开了一种基于IRS的感知增强认知无线电网络资源分配的优化方法，属于无线通信技术领域；步骤：次基站获取基站到IRS以及IRS到用户的信道状态信息；定义感知阶段和传输阶段的IRS对角相移矩阵，根据信道状态信息，建立优化模型；利用优化模型对感知阶段IRS对角相移矩阵辅助次基站感知主网络频谱占用情况进行优化；进入传输阶段，利用优化模型优化不同感知结果下传输阶段次基站波束形成向量与IRS对角相移矩阵；次基站根据优化结果发射传输信息，实现在约束对主用户干扰的情形下对系统的频谱效率的改善。本发明通过IRS辅助次基站的传输过程，方便次基站更精细地制定不同的发射策略，改善信道环境，提高次用户的总和速率。
-
公开(公告)号：CN115632726B
公开(公告)日：2023-02-28
申请号：CN202211652733.4
申请日：2022-12-22
Applicant: 南京邮电大学 , 江苏有线数据网络有限责任公司
IPC: H04B17/336 , H04B17/391 , H04B1/69 , H04B7/0413
Abstract: 一种基于模型驱动的ISTA‑Net上行免调度大规模MIMO‑NOMA信号检测方法，针对免调度NOMA系统接收端对于用户活跃状态信息完全未知给信号检测带来的巨大挑战，通过动量加速方式对传统的ISTA算法进行改进，再将改进之后的ISTA算法使用模型驱动的思想进行深度网络化，形成ISTA‑Net信号检测方案。在此基础上，根据ISTA‑Net的信号检测结果，采用“第一次显著跳跃”活跃用户判断方案来进一步提高检测性能。最终通过实验证明，基于“第一次显著跳跃”活跃用户判断的ISTA‑Net检测方案在免调度大规模MIMO‑NOMA系统中具有可行性。
-
公开(公告)号：CN114743569A
公开(公告)日：2022-07-12
申请号：CN202210419568.1
申请日：2022-04-21
Applicant: 南京邮电大学
Abstract: 本发明涉及一种基于双层融合深度网络的语音情感识别方法，为了获得丰富的交叉模态的信息本发明利用了语音和文本两个模态的特征向量进行寻优融合，捕捉复杂的关联在音频和文本之间进行情感识别。首先将语音和文本信息通过预处理，得到音频和文本特征向量，通过FBP特征融合模块，将音频特征，文本特征做多模态交叉融合，将融合后的特征向量分别经过LSTM,GRU,DNN三个子模型组成的level‑1初级特征编码网络，然后level‑1三个子网络的输出做二次融合，编码高级特征，融合的方法是hadmard积，最后将融合后的特征输入到level‑2的BiLSTM编码网络，最后接分类输出层，预测情感类别。本次提出的融合算法在公开数据集IEMOCAP上实验结果显示达到了80.38％WA和78.62％UA，实现了目前语音情感识别领域较好的结果。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.025 seconds)
