-
公开(公告)号：CN113206809B
公开(公告)日：2022-11-15
申请号：CN202110479456.0
申请日：2021-04-30
Applicant: 南京邮电大学
Abstract: 本发明公开了无线通信技术领域内的一种联合深度学习与基扩展模型的信道预测方法,包括以下步骤：步骤1，根据历史时刻的信道信息获取信道的相关矩阵；步骤2，对相关矩阵进行特征值分解，获得最优基函数；步骤3，利用基扩展模型对信道进行建模；步骤4，基于历史接收的导频信号与最优基函数，获取基系数估计值；步骤5，根据基系数估计值构建训练样本集；步骤6，利用训练样本集训练BP神经网络；步骤7，获得具有最优权重和阈值的信道预测模型；步骤8，基于信道预测模型进行线上预测；步骤9，将基系数预测值转换成频域信道矩阵。本发明具有较低的计算复杂度，且具有较高的预测精度，适用于未来高速移动环境下时变信道信息的高效获取。
-
公开(公告)号：CN115037578A
公开(公告)日：2022-09-09
申请号：CN202210485320.5
申请日：2022-05-06
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于元学习的OFDM系统中时变信道估计方法、装置、及存储介质，其包括：采集天线上接收到的信号的实时数据；将所采集的信号的实时数据载入预先构建且利用元学习训练好的神经网络模型中，获取时变信道估计结果；神经网络模型训练的过程包括以下步骤：在预先选定数量的具有不同多普勒频移的信道环境中，分别获取频偏补偿后的频域信号，并确定每个频域信号对应的目标信道估计结果；在支撑集上训练神经网络模型并更新基础学习器的网络参数，在查询集上测试神经网络模型并更新元学习器网络参数；对网络参数进行迭代计算，最终更新得到神经网络模型的初始化参数矩阵。本发明能够快速地适应新的信道环境，计算的复杂度较低、估计精度高。
-
公开(公告)号：CN111291511B
公开(公告)日：2022-08-30
申请号：CN202010071310.8
申请日：2020-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法，充分考虑了高速移动场景下时变信道的特点，通过历史信息获取最优基函数，基于该基函数对信道进行建模，以降低信道估计的复杂度；其次采用软卡尔曼滤波和数据检测联合的方法来估计基系数，并且在每次迭代中将基于似然比信息判决的检测数据的误差作为噪声进行处理，减少数据检测误差传播影响，提高信道估计精度。本发明提供的一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法，为了更好地减少数据检测误差传播的影响，在每次迭代中将数据检测误差作为噪声进行处理。具有高估计精度和低计算复杂度的优点，适用于高速移动环境中时变信道信息的高效获取。
-
公开(公告)号：CN109101488B
公开(公告)日：2022-08-23
申请号：CN201810767896.4
申请日：2018-07-12
Applicant: 南京邮电大学
IPC: G06F40/30
Abstract: 本发明公开了一种基于知网的词语语义相似度计算方法，包括以下步骤：步骤一：计算两个义原可达路径上所有义原节点的边权重；步骤二：计算义原距离；步骤三：计算义原相似度；步骤四：计算义项相似度；步骤五：计算词语语义相似度。本发明的优点是：通过在边权重函数中引入两义原可达路径上所有义原节点的密度，并利用权重因子来调整义原深度和义原密度对义原距离的影响，有效提高词语语义相似度计算的精确度，并且实用性高，从而提高了数据质量，为数据挖掘提供“干净”的数据。
-
公开(公告)号：CN113179140A
公开(公告)日：2021-07-27
申请号：CN202110420127.9
申请日：2021-04-19
Applicant: 南京邮电大学
IPC: H04B17/309 , H04B17/391
Abstract: 本发明公开一种基于遮挡物衰减因子的高频段信道建模方法及装置。针对非视距场景下高频段传输时遮挡物对无线信道路径损耗的影响，本发明首先利用电磁场传播的基本理论去分析遮挡物对无线电波在传播过程中造成的影响；然后确定需要建模的目的参数：遮挡物衰减因子和路径损耗指数；根据典型的对数距离模型初始化遮挡物衰减因子模型的基本结构，通过分析目的变量在实际场景中由遮挡物位置不同对接收端造成的附加影响进行数学建模，使用最小均方误差拟合目的参数，得出本模型，使之能够更准确的表征现实通信场景中由于遮挡物的出现对终端信号的影响，相比传统模型，加入遮挡物的影响因子，更加贴近真实测量结果。
-
Patent Agency Ranking
公开(公告)号：CN108093455B
公开(公告)日：2021-01-19
申请号：CN201711152579.3
申请日：2017-11-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于时空相关性的高能效无线传感网数据传输方法，主要解决无线传感网中数据收集的高能耗问题。具体为联合双重预测和混合压缩感知技术来提高能效，在簇内传输的过程中，利用双重预测技术减少数据的时间冗余，在簇间传输的过程中，利用混合压缩感知降低数据的时间冗余信息，进一步降低能耗。同时设计了一种自适应的预测阈值选取方法在降低能耗的同时保证数据的精确度，提高了实用性。
-
公开(公告)号：CN106603197B
公开(公告)日：2019-11-19
申请号：CN201611046618.7
申请日：2016-11-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于压缩网络编码的高能效无线传感网数据传输方法，主要解决无线传感网中数据收集的高能耗问题。具体为联合压缩感知和网络编码技术来提高能效，在数据传输的过程中，利用二跳邻居信息选取最佳的下一跳候选节点，避免冗余传输，进一步降低能耗。同时设计了一种新的数据包格式以便于传输方法的实施。本发明能减少数据收集时的传输次数，提高系统的能效，适用于大规模密集分布的无线传感网。
-
公开(公告)号：CN109117464A
公开(公告)日：2019-01-01
申请号：CN201810926125.5
申请日：2018-08-14
Applicant: 南京邮电大学
IPC: G06F17/22
Abstract: 本发明揭示了一种基于编辑距离的数据相似度检测方法，该方法包括以下步骤：步骤S1：输入字符串str1，str2；步骤S2：采用动态规划方法获得LD（str1，str2），LCS（str1，str2），LCCS（str1，str2）；所述步骤S2包括以下步骤：S21：计算字符串间的编辑距离Ld；S22：计算字符串间的最长公共子序列Lcs；S23：计算字符串间的最长公共子串Lccs；步骤S3：联合Ld，Lcs，Lccs获得字符串相似度sim。该方法可用于大数据数据预处理等领域，利用本发明获得的字符串相似性检测结果更加准确，具有更好的精度和通用性。
-
公开(公告)号：CN109101488A
公开(公告)日：2018-12-28
申请号：CN201810767896.4
申请日：2018-07-12
Applicant: 南京邮电大学
IPC: G06F17/27
Abstract: 本发明公开了一种基于知网的词语语义相似度计算方法，包括以下步骤：步骤一：计算两个义原可达路径上所有义原节点的边权重；步骤二：计算义原距离；步骤三：计算义原相似度；步骤四：计算义项相似度；步骤五：计算词语语义相似度。本发明的优点是：通过在边权重函数中引入两义原可达路径上所有义原节点的密度，并利用权重因子来调整义原深度和义原密度对义原距离的影响，有效提高词语语义相似度计算的精确度，并且实用性高，从而提高了数据质量，为数据挖掘提供“干净”的数据。
-
公开(公告)号：CN108429786A
公开(公告)日：2018-08-21
申请号：CN201810071883.3
申请日：2018-01-25
Applicant: 南京邮电大学
IPC: H04L29/08
Abstract: 本发明公开了一种基于物联网的传感器自动接入控制系统，包括：云平台，用于建立驱动文件库，并将每一个驱动文件对应的url同步发送至网关；及搭载了FTP服务器；且存储网关上传的传感数据；硬件平台，用于检测传感器是否被驱动，将获取的传感数据上传或生成驱动文件获取请求并上传，及接收并存储驱动文件；网关，包括驱动url库，用于存储每一个驱动文件对应的url；策略信息库，用于解析判断上传数据是驱动文件获取请求或传感数据，根据请求中的身份信息匹配获得对应的url，且接收驱动文件及下发至硬件平台；或将传感数据提取及封包后上传。本发明实现传感器即插即用，降低传感器接入平台难度，提高开发效率。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.028 seconds)
