-
公开(公告)号：CN115841229A
公开(公告)日：2023-03-24
申请号：CN202211542739.6
申请日：2022-12-02
Applicant: 北京邮电大学
IPC: G06Q10/0631 , G06Q50/30
Abstract: 本发明公开了一种网联车系统的智能调度方法，属于智慧交通领域；具体包括：首先，获取真实的道路网络信息，构建交通网络图；基于分区模型把交通网络图划分为多个不相交的区域；然后，获取实时的车辆密度信息，将其输入至神经网络中，输出每对相邻区域的预估行驶时间，进一步计算每个区域到达相邻区域及其自身的权重；获取各个区域服务范围内的实时供需信息，将其输入至匹配模型，输出车辆与乘客匹配的结果并执行；将各区域剩余的供需信息和权重信息输入强化学习调度模型中，输出车辆的调度策略并执行；本发明考虑了实时区域间行驶时间，以提高调度模型在真实环境中的应用性能，包括车辆服务水平及其收益。
-
公开(公告)号：CN114826949A
公开(公告)日：2022-07-29
申请号：CN202210499844.X
申请日：2022-05-04
Applicant: 北京邮电大学
IPC: H04L41/147 , H04L41/14 , H04L43/08
Abstract: 本发明公开了一种通信网络状况预测方法，属于信息技术领域；具体包括：实时获取通信网络各节点状况，并划分为短期数据，长期数据与典型数据；将短期通信状况数据输入到预先训练的自注意力神经网络中，得到通信网络节点间影响特征，并经全连接自编码器得到通信网络节点间影响特征向量；将典型数据输入到预先训练的卷积自编码器中，得到通信网络状况观测特征向量；将两个向量连接，并聚类获得每一类节点的类别特征向量。最后，结合长期历史数据以及各节点的类别特征向量输入到图递归神经网络中，得到未来时刻通信网络状况预测值；本发明有效避免不同类型数据对模型性能的干扰，提高模型预测准确性。
-
公开(公告)号：CN112332892B
公开(公告)日：2022-05-17
申请号：CN202011158996.0
申请日：2020-10-26
Applicant: 北京邮电大学
IPC: H04B7/0413 , H04B1/40 , H04B1/00
Abstract: 本发明实施例提供了一种收发机、接收及发送方法，将多通道的信号合成一路宽带信号后，送入一个中频复用模块。这样使用一个中频复用模块完成对多通道的信号进行处理，相较于使用多个中频模块，减少了部件，不仅节约了成本，而且达到减小芯片总面积的目的；另外，使用中频复用模块考虑总带宽，可以在同一带宽下同时处理多通道的信号，实现多通道复用，提高了设备的高效性。
-
公开(公告)号：CN108960141B
公开(公告)日：2021-04-23
申请号：CN201810721706.5
申请日：2018-07-04
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京邮电大学
Abstract: 本发明涉及一种基于增强型深度卷积神经网络的行人再识别方法，使用基础深度学习卷积神经网络模型提取行人图像的基础深度特征，同时使用传统手动特征提取方法提取行人图像的手动特征并降维；应用特征重建模块将基础深度特征和手动特征融合成增强型深度特征；通过特征比较预测两张图像中行人是否为同一个人，联合使用分类损失函数和验证损失函数对输入图像进行分类和异同验证，以最小化联合损失为目标来训练网络，使得网络生成更有判别力的行人图像特征。本发明充分利用了手动特征和深度特征之间的互补性，提出了联合使用分类损失和验证损失函数用于监督网络训练的策略，获得了良好的性能，有效地提高行人再识别准确率。
-
公开(公告)号：CN110210608B
公开(公告)日：2021-03-26
申请号：CN201910483957.9
申请日：2019-06-05
Applicant: 国家广播电视总局广播电视科学研究院 , 北京邮电大学
Abstract: 本发明涉及一种基于注意力机制和多层次特征融合的低照度图像增强方法，包括以下步骤：在输入端对低照度图像进行处理，输出四通道特征图；使用基于注意力机制的卷积层作为特征提取模块，用于提取基础特征作为低层特征；将低层特征与相应的高层特征和卷积层最深层次的特征融合，经过反卷积层后，获得最终特征图；输出映射将最终的特征图还原成RGB图片。本发明充分利用了深度卷积神经网络模型的多层次特征，将不同层次特征融合，并通过通道注意力机制，给予特征通道不同的权重，获得了更优的特征表示，提高了图像处理的准确率，获取了高质量图像，可广泛用于计算机低层次视觉任务技术领域。
-
Patent Agency Ranking
公开(公告)号：CN110225568B
公开(公告)日：2021-03-05
申请号：CN201910431268.3
申请日：2019-05-22
Applicant: 北京邮电大学
Abstract: 本发明实施例提供一种非正交多址下基于能耗最低的MTC网关选择方法及设备，所述方法包括：初始化未使用的子载波，获取请求上行数据传输业务的MTCD集合，以及MTCG集合；获取每个MTCD的业务请求信息和信道信息；获取每个MTCG的业务请求信息、信道信息；获取各MTCD和各MTCG之间的信道增益；根据MTCD的总能耗为每个MTCD选择接入的MTCG或者为每个MTCD直接和基站建立连接，并为每个MTCD分配传输功率以及传输时间。本发明对于机器类通信场景中MTCD数量较大，各个MTCD选择方式不同会带来较大的能耗差异的情况，可以有效降低MTCD的总能耗，节省各个MTCD的电能，延长MTCD电池的使用时间。
-
公开(公告)号：CN111506104A
公开(公告)日：2020-08-07
申请号：CN202010258490.0
申请日：2020-04-03
Applicant: 北京邮电大学
IPC: G05D1/10
Abstract: 本发明实施例提供了一种规划无人机位置的方法及装置，其中，方法包括：获取待服务区域内，无人机的当前位置坐标以及移动终端的当前位置坐标，基于所述无人机的当前位置坐标以及移动终端的当前位置坐标，通过训练好的神经网络模型，计算得到所述无人机各个移动方向的概率以及各个移动步长的概率，基于所述无人机的当前坐标位置、概率最高的移动方向以及概率最高的移动步长，确定所述无人机的下一时刻的位置坐标。无人机在下一时刻的位置坐标处与移动终端通信的平均传输速率最大，通信质量较高。因此，本发明实施例可以在不降低无人机与移动终端通信效率的情况下，提高无人机与移动终端的通信质量。
-
公开(公告)号：CN109635636A
公开(公告)日：2019-04-16
申请号：CN201811273875.3
申请日：2018-10-30
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京邮电大学
CPC classification number: G06K9/00362 , G06K9/629
Abstract: 本发明涉及一种基于属性特征和加权的分块特征相融合的行人再识别方法，包括以下步骤：构造属性特征提取子网络，该子网络融合了手动提取的特征和深度神经网络提取的特征；采用设置加权的交叉熵损失函数来训练属性特征提取子网络；构造基于分块的特征提取子网络，该网络可融合多个分块的深度特征；训练基于分块的特征提取子网络，设置局部损失函数的加权融合层，自主学习不同的权重，进而赋予各局部损失函数；对整体网络进行训练，提取融合了属性特征和基于分块的深度特征的行人特征表示。本发明设计合理，其有效结合了属性特征和深度特征，在损失函数计算方法上进行优化，获得了很好的行人再识别结果，使得系统整体匹配准确率大大提升。
-
公开(公告)号：CN106059649B
公开(公告)日：2019-01-18
申请号：CN201610647760.0
申请日：2016-08-09
Applicant: 北京邮电大学
Abstract: 本发明提供了一种全双工中继协作通信的位置优化方法，属于通信技术领域。本发明的中继为全双工模式采用解码转发策略，利用直连链路和残余自干扰，在中继转发时延大于1的情况下，计算系统的中断概率，并进行优化找到最优的中继位置。经实验证明，系统的中断概率随着残余自干扰的增加或直连链路强度的减弱会逐渐增加，并且最优的中继位置会随着残余自干扰的增加或直连链路强度的增强而向源节点移动。本发明方法可以有效利用直连链路传输的信息，相对已存在的将直连链路当作干扰的现有方法，显著提升了该系统模型下的频谱效率。
-
公开(公告)号：CN108777857A
公开(公告)日：2018-11-09
申请号：CN201810864883.9
申请日：2018-08-01
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种URLLC和mMTC共存场景下的接入控制方法及系统，所述方法包括：对于物联网系统带宽上的每一子载波，基于上行非正交多址NOMA机制，按照预设的功率分配算法同时接入若干个URLLC设备和若干个mMTC设备。本发明实施例提供的URLLC和mMTC共存场景下的接入控制方法，通过使用NOMA技术，并按照预设的功率分配规则，实现了多个URLLC设备和多个mMTC设备共享相同的子载波，从而使得物联网系统能够支持更高的连接密度，提高频谱效率。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.04 seconds)
