-
公开(公告)号：CN102075288A
公开(公告)日：2011-05-25
申请号：CN201010595774.5
申请日：2010-12-20
Applicant: 复旦大学
Abstract: 本发明属于无线通信技术领域，具体为一种基于网络编码的非正交自由空间光协作中继通信方法。本发明中，系统的中继节点具有基带信号处理模块，可对中继数据进行网络编码；此外，目标节点利用双重迭代接收机结构以及基于网络编码的迭代检测算法进行多源节点的信息检测。本发明方法可以为目标节点接收机提供空间分集增益。可实现比传统的多源系统更高的传输可靠性；同时，可以减少中继设备开销和提高系统容量。
-
公开(公告)号：CN101567761A
公开(公告)日：2009-10-28
申请号：CN200910052487.7
申请日：2009-06-04
Applicant: 复旦大学
Abstract: 本发明属于无线通信技术领域，具体为一种双时隙基于网络编码协作中继的交织迭代多用户通信方法。本发明采用无线中继系统模型，通信节点分为目标用户节点、干扰用户节点、中继节点和基站节点。中继节点具有基带处理模块，并对中继数据进行网络编码；此外，基站接收机利用双时隙网络编码交织迭代干扰消除改进算法进行多用户的信号检测。本发明方法可以为接收端基站提供空间分集增益，以及减少路径损耗，可实现比传统的多用户系统更高的传输可靠性；同时，可以减少中继传输的时间，提高系统容量。
-
公开(公告)号：CN117560092A
公开(公告)日：2024-02-13
申请号：CN202311284418.5
申请日：2023-10-03
Applicant: 复旦大学
IPC: H04B10/70 , H04B10/50 , H04B10/516 , H04B10/61 , H04J14/00
Abstract: 本发明属于量子通信技术领域，具体为一种基于量子相干态的交织迭代非正交多址通信系统。本发明系统包括发射端、大气信道模型、接收端；发射端包括信道编码器、交织器、调制器、随机开关器、发射激光器；通过开关器对经过调制到相干态上的信号在交织多址的基础上进行开关分多址，实现多用户信号的稀疏；接收端包括Kennedy量子接收机、多用户检测模块，通过量子接收机对接收到的相干态信号进行位移，然后进行光子计数；多用户检测模块中引入迭代软干扰消除算法模块，有效抵制湍流干扰和多址接入干扰，降低系统的误码率。本发明系统可获得比码分多址系统更大的编码增益，提升频带资源的利用率；同时能够实现多用户信号的稀疏化，提高通信系统质量。
-
公开(公告)号：CN116405930A
公开(公告)日：2023-07-07
申请号：CN202310259528.X
申请日：2023-03-16
Applicant: 复旦大学
IPC: H04W12/033 , H04W52/26
Abstract: 本发明属于通信技术领域，具体为一种基于元强化学习的非正交多址系统物理层安全通信方法。本发明包括：构建最大化系统物理层安全和速率为目标的功率分配优化目标函数，其中考虑存在多个窃听者窃听信息的情况；采用元强化学习网络对系统物理层进行安全加密，实现非正交多址系统物理层安全通信；本发明克服了现有基于深度强化学习的功率分配方法的缺陷，解决现有技术不能应用于变化的信道环境因而难以实际应用问题，提升了非正交多址系统物理层的安全性。
-
公开(公告)号：CN113537305B
公开(公告)日：2022-08-19
申请号：CN202110727063.7
申请日：2021-06-29
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/74 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于计算机视觉图像识别技术领域，具体为一种基于匹配网络少样本学习的图像分类方法。本发明步骤包括：将图像数据集划分为类别互斥的训练集和测试集；基于episode方式将训练集和测试集分别划分出支持集和查询集；将支持集和查询集样本通过卷积神经网络CNN进行特征提取；将支持集和查询集的样本特征通过基于注意力机制的长短期记忆网络进行完全条件嵌入；由得到的支持集，查询集完全条件嵌入的结果，计算查询集和支持集的改进余弦相似度，并计算预测值；计算混合损失函数，用AdamW梯度学习算法优化匹配网络模型；将在训练集上训练后的模型，应用于测试集，得到分类结果。本发明方法图像分类精度高、运算速度快。
-
Patent Agency Ranking
公开(公告)号：CN114513256A
公开(公告)日：2022-05-17
申请号：CN202210115080.X
申请日：2022-02-02
Applicant: 复旦大学
IPC: H04B10/2575 , H04B10/70
Abstract: 本发明属于无线通信技术领域，具体为一种基于ACO‑FBMC调制的光子计数通信方法。本发明包括：对传输的比特信息进行串并转换和QAM映射的预处理，转换成复数信号；通过滤波器组进行FBMC调制处理，实现信号的实虚分离、子载波滤滤波；然后进行ACO非对称限幅(保证信号非负性)、IFFT转换时域信号、分离信号叠加，并串转换并调制到光源上进行信号传输；将接收到的光信号以单光子计数探测并输出光子数；通过模数转换、串并变换、FFT转换信号、QAM检测与并串转换，提取出输出的二进制比特信息。本发明提高了接收端的灵敏度，满足通信系统高速长距离的需求；有效地抑制频带泄漏，并且保证信号的非负性。
-
公开(公告)号：CN113537306A
公开(公告)日：2021-10-22
申请号：CN202110727066.0
申请日：2021-06-29
Applicant: 复旦大学
Abstract: 本发明属于计算机视觉图像识别技术领域，具体为一种基于渐进式成长元学习的图像分类方法。本发明方法包括：设计渐进式成长元学习图像分类模型，用于提取图像特征和图像分类；图像分类模型的核心功能模块是卷积神经网络；在输入端对图像进行预处理，使样本满足模型输入条件，包括构建元任务；将得到的样本训练构建的图像分类模型，并进行特征提取，然后进行分类识别；仿真结果表明，渐进式成长元学习模型能克服样本数据不足，具有强大的泛化能力，能快速适应并识别新的图像类别。
-
公开(公告)号：CN113537305A
公开(公告)日：2021-10-22
申请号：CN202110727063.7
申请日：2021-06-29
Applicant: 复旦大学
Abstract: 本发明属于计算机视觉图像识别技术领域，具体为一种基于匹配网络少样本学习的图像分类方法。本发明步骤包括：将图像数据集划分为类别互斥的训练集和测试集；基于episode方式将训练集和测试集分别划分出支持集和查询集；将支持集和查询集样本通过卷积神经网络CNN进行特征提取；将支持集和查询集的样本特征通过基于注意力机制的长短期记忆网络进行完全条件嵌入；由得到的支持集，查询集完全条件嵌入的结果，计算查询集和支持集的改进余弦相似度，并计算预测值；计算混合损失函数，用AdamW梯度学习算法优化匹配网络模型；将在训练集上训练后的模型，应用于测试集，得到分类结果。本发明方法图像分类精度高、运算速度快。
-
公开(公告)号：CN106487723B
公开(公告)日：2020-02-21
申请号：CN201510550912.0
申请日：2015-08-31
Applicant: 联芯科技有限公司 , 大唐半导体设计有限公司 , 复旦大学
Abstract: 本发明提供一种适用于单天线干扰消除技术的信道估计方法，包括将信号通过预均衡得到信号序列估计值；将所述序列估计值还原成一个burst序列的形式，同时通过信号能量确定方向判定；以及按照得到的burst序列的参考值和所述方向判定，对包含训练序列的半边序列执行自适应序列估计。本发明的方法包含预处理、序列还原和方向判定、自适应信道估计三部分。本发明还提供一种适用于单天线干扰消除技术的信道估计装置，能够适应于去耦线性滤波非线性均衡法的单天线干扰消除技术，提高对异步干扰消除性能。
-
公开(公告)号：CN106452605B
公开(公告)日：2019-05-31
申请号：CN201611091471.3
申请日：2016-12-01
Applicant: 复旦大学
Abstract: 本发明属于量子通信技术领域，具体为一种基于迭代原理的量子通信的方法与装置。本发明采用基于迭代原理的量子通信接收机，首先由波束分束器对信号进行分区，即分为若干互不重叠的子分区；然后由位移操作单元利用平移算符将分区后的信号与本振场进行相干叠加；再由光子计数器PNRD对信号进行光子检测；最后由ESE和DEC解码器对信号进行解码，获得接收信号；其中，利用迭代检测方法，更新接收信号的先验信息，对信号实现软解调。本发明具有优良的译码性能，可应用于量子通信系统中。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.027 seconds)
