-
公开(公告)号：CN111968669A
公开(公告)日：2020-11-20
申请号：CN202010738065.1
申请日：2020-07-28
Applicant: 安徽大学
IPC: G10L21/028 , G10L21/0308 , G10L25/30 , G06N3/08
Abstract: 本发明公开了一种多元混合声信号分离方法及装置，所述多元混合声信号分离方法至少包括：通过短时傅里叶变换，获得混合声信号和真实源信号的幅度谱和相位谱；通过生成器对所述混合声信号幅度谱进行训练，获得所述估计分离信号幅度谱；通过判别器对所述估计分离信号幅度谱与所述真实源信号幅度谱进行训练，并判断所述估计分离信号幅度谱是否为真实输出，若是，通过所述估计分离信号幅度谱与所述混合声信号相位谱，获得分离声信号，同时获得生成器优化函数对所述生成器进行优化直至到达最大迭代次数。本发明公开的多元混合声信号分离方法及装置提高了所述分离声信号的可懂度，且算法的泛化能力好，具有很强的抗干扰性。
-
公开(公告)号：CN109474961A
公开(公告)日：2019-03-15
申请号：CN201811477721.6
申请日：2018-12-05
Applicant: 安徽大学
Abstract: 本发明公开一种移动边缘计算服务器的网络能效优化方法、系统，本发明选择若干数量的任务，根据任务的流行性，将若干数量的任务，缓存于有限缓存空间的宏基站和微基站的移动边缘计算服务器中；判断任务是否缓存于宏基站的移动边缘计算服务器或微基站的移动边缘计算服务器，若是，则分别计算下载传输，若否，比较所述任务的文件大小所带来的上传能耗与所述任务的计算资源所带来的本地计算能耗的大小。本发明利用缓存资源可以达到降低用户端能耗的目的，能够提高缓存击中率，进一步降低用户端能耗。本发明的宏基站和微基站都可以存储任务文件，也可以将某些不适合在微基站端缓存的任务迁移到宏基站端，降低用户端能耗。
-
公开(公告)号：CN108062230A
公开(公告)日：2018-05-22
申请号：CN201810008774.7
申请日：2018-01-04
Applicant: 安徽大学
Abstract: 本发明公开了一种因特网范围内的串口透传和程序更新系统，其特征是包括：n个通信装置、更新控制终端、MQTT服务器、n个目标设备，且第i个通信装置仅与第i个目标设备相连接；本发明可以在传输双方均通过分配私有IP的路由器或其他NAT设备的普遍网络架构连接到因特网时，实现因特网范围内点对点串口透传，而且可以在不需要目标设备进行任何操作、不对原有程序代码进行任何修改的情况下，通过因特网实现远程程序的无缝安全更新，从而在不增加额外开发工作量的情况下实现工控设备和家用电器在因特网范围内的数据传输和行为更新。
-
公开(公告)号：CN116680522A
公开(公告)日：2023-09-01
申请号：CN202310724724.X
申请日：2023-06-19
Applicant: 安徽大学
IPC: G06F18/10 , G06F18/214 , G06F18/241 , G06F17/16 , G06V40/20
Abstract: 本发明涉及一种基于CSI和三元组孪生网络的小样本学习跨域动作识别方法，包括：收集CSI数据；进行数据预处理；将预处理过的CSI数据从一维信号转化成三维的CSI矩阵；构建数据集；使用预训练模型作为三元组孪生网络的特征提取器，将元训练数据集的CSI矩阵以三元组的形式输入到三元组孪生网络中进行元训练，得到经过元训练后的三元组孪生网络特征提取器；进行微调；使用经过元训练后的三元组孪生网络特征提取器和经过微调后的Softmax分类器，对查询集的CSI矩阵进行分类，得到查询集的分类结果。本发明提升了跨域场景下基于CSI的动作识别系统精准度，降低了训练模型所需的样本数量，解决了在跨域场景下系统识别精准度下降而需要大量目标域样本重新训练的问题。
-
公开(公告)号：CN113992313B
公开(公告)日：2023-07-25
申请号：CN202111240528.2
申请日：2021-10-25
Applicant: 安徽大学
IPC: H04L5/00 , H04B7/0456 , H04L25/03 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的均衡网络辅助SCMA编解码方法，包括：构建用于生成发送信号的SCMA编码器，在上行链路系统中每个用户端设置一个全连接的深度神经网络，按照SCMA编码器的因子矩阵对用户与资源块之间进行连接；建立由均衡网络与多用户检测网络所构成的SCMA解码器，采用均衡网络均衡信道的输出，将均衡网络产生的输出送入多用户检测网络以解码所有用户的发送信息；对SCMA编码器和SCMA解码器进行端到端的联合训练。本发明在基于深度学习的SCMA编解码方案基础上增加了参数估计网络和信号补偿网络设计，实现手段仍采用了深度学习技术，能够提升SCMA系统在上行瑞利衰落信道的误码率性能。
-
Patent Agency Ranking
公开(公告)号：CN111124639B
公开(公告)日：2023-05-23
申请号：CN201911266565.3
申请日：2019-12-11
Applicant: 安徽大学
Abstract: 本发明公开一种边缘计算系统的操作方法、系统及电子设备，所述边缘计算系统的操作方法包括：对移动设备进行充电，记录所述移动设备的实际电量，以得出虚拟偏移电量，通过所述移动设备的电量水平，以计算所述移动设备的中央处理器的最佳周期频率，以及卸载最佳传输功率，根据所述移动设备的中央处理器的最佳周期频率，以及卸载最佳传输功率，以计算任务本地执行的执行成本以及任务卸载执行的执行成本，根据所述任务本地执行的执行成本、任务卸载执行的执行成本以及惩罚数据，以决定所述多个移动设备与所述多个服务器之间的匹配决策，以及多个移动设备的电量迭代。本发明的边缘计算系统的操作方法大大提高了任务计算卸载策略的性能。
-
公开(公告)号：CN113541749B
公开(公告)日：2022-06-24
申请号：CN202110816265.9
申请日：2021-07-19
Applicant: 安徽大学
IPC: H04B7/0413 , H04B7/06 , G06N3/12 , G06N10/00
Abstract: 本发明提供了一种发射信号的估计方法、系统、设备及存储介质，用于MIMO系统，估计方法包括：接收外界的接收信号；建立量子种群；从量子染色体的初始概率幅中提取最优概率幅；更新初始概率幅：根据初始概率幅得到变异概率幅、混合概率幅和旋转概率幅；根据混合概率幅和旋转概率幅更新初始概率幅，并提取最新的最优概率幅，迭代次数加一；判断迭代次数是否达到迭代阈值：若是，则根据最新的最优概率幅得到发射信号的估计信号；若否，则继续进行初始概率幅的更新。本发明采用最大似然检测函数算法来更新量子染色体的概率幅，使其趋近于发射信号并收敛；解决了信号估计复杂度高的问题，在保证性能的同时，减少了搜索次数，降低了信号估计复杂度。
-
公开(公告)号：CN113541749A
公开(公告)日：2021-10-22
申请号：CN202110816265.9
申请日：2021-07-19
Applicant: 安徽大学
IPC: H04B7/0413 , H04B7/06 , G06N3/12 , G06N10/00
Abstract: 本发明提供了一种发射信号的估计方法、系统、设备及存储介质，用于MIMO系统，估计方法包括：接收外界的接收信号；建立量子种群；从量子染色体的初始概率幅中提取最优概率幅；更新初始概率幅：根据初始概率幅得到变异概率幅、混合概率幅和旋转概率幅；根据混合概率幅和旋转概率幅更新初始概率幅，并提取最新的最优概率幅，迭代次数加一；判断迭代次数是否达到迭代阈值：若是，则根据最新的最优概率幅得到发射信号的估计信号；若否，则继续进行初始概率幅的更新。本发明采用最大似然检测函数算法来更新量子染色体的概率幅，使其趋近于发射信号并收敛；解决了信号估计复杂度高的问题，在保证性能的同时，减少了搜索次数，降低了信号估计复杂度。
-
公开(公告)号：CN111586191A
公开(公告)日：2020-08-25
申请号：CN202010446938.1
申请日：2020-05-25
Applicant: 安徽大学
IPC: H04L29/08
Abstract: 本发明公开一种数据协作缓存方法、系统及电子设备。所述数据协作缓存方法包括：将移动边缘计算服务器分组到不同的簇内，以得到分组后的移动边缘计算服务器，根据每个分组后的移动边缘计算服务器的用户数目和子区域内容流行度的不同，以确定移动边缘计算服务器的本地缓存空间的大小、同一区域内协作缓存空间的大小以及整个协作区间内缓存空间的存储容量的大小，根据用户提出的内容请求，以判断本地移动边缘计算服务器是否缓存了用户提出的内容请求。本发明最大化基站的利用效率，内容交付的时延较小。
-
公开(公告)号：CN111565061A
公开(公告)日：2020-08-21
申请号：CN202010466449.2
申请日：2020-05-28
Applicant: 安徽大学
IPC: H04B7/0452 , H04B7/0456 , H04B17/391 , H04L27/26
Abstract: 本发明涉及一种基于深度神经网络的MIMO-SCMA下行链路通信方法，与现有技术相比解决了SCMA与MIMO技术难以有效结合的缺陷。本发明包括以下步骤：MIMO-SCMA下行链路系统的设计；MIMO-SCMA基站端进行数据发送；下行链路接收端进行数据接收并进行解码。本发明将深度神经网络合理地应用于MIMO-SCMA下行链路信号传输与检测,提出了基于深度神经网络的MIMO-SCMA下行链路系统设计方法。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.02 seconds)
