-
公开(公告)号：CN106100789B
公开(公告)日：2019-02-12
申请号：CN201610414115.4
申请日：2016-06-13
Applicant: 南京邮电大学
Abstract: 本发明提出了基于分簇的多层MIMO无线传感器网络盲检测方法。所述方法包括两层MIMO，第一层为Sink节点负责的至少两个区域的智能传感器节点构成的MIMO，通过基于二阶统计量的盲检测实现了分层WSN中多区域MIMO信道中的信号恢复；第二层为Sink节点间的多跳构成的MIMO，结合基于混沌初始化的正反馈Hopfield神经网络CPFHNN盲检测算法，并引入信号空间删除法和连续信号干扰法来分离多发送天线的数据，进行Sink节点间的MIMO信道的信号检测，本发明方法提高了簇内传输系统的通信效率和可靠性，有效的减少了无线传感器网络的能耗。
-
公开(公告)号：CN106130689A
公开(公告)日：2016-11-16
申请号：CN201610416454.6
申请日：2016-06-13
Applicant: 南京邮电大学
CPC classification number: H04L1/0038 , H04L25/03165 , H04L27/001
Abstract: 本发明提出一种非线性自反馈混沌神经网络信号盲检测方法，使用非线性函数作为混沌神经网络的自反馈项，并将双Sigmoid函数运用到盲检测方法中，每次迭代时，首先进入混沌神经网络，然后再进入第二个激活函数。由于混沌神经网络具有可以避免陷于局部最优的优点，所以本发明继承了混沌神经网络这一特点，提高了盲检测性能；并且，与线性自反馈项的混沌神经网络相比，非线性自反馈混沌神经网络具有更为复杂的动力学行为，使网络的内部状态具有更为高效的混沌搜索能力和搜索效率。本发明方法，在同等条件下，抗噪性能优于传统的Hopfield信号盲检测方法。
-
-
公开(公告)号：CN103312422A
公开(公告)日：2013-09-18
申请号：CN201310146470.4
申请日：2013-04-24
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于人工鱼群算法的信号盲检测方法，所述方法采用自下而上的设计方法，构造了人工鱼的基本模型以及其各行为的模型，用此模型解决盲信号检测的二次规划性能函数，根据基本鱼群优化算法的流程推导实现步骤，研究和分析了人工鱼群算法中各个参数以及系统环境条件等对算法结果的影响，仿真结果表明本发明人工鱼群算法是一种在信号盲检测应用中十分行之有效的方法。
-
公开(公告)号：CN119945849A
公开(公告)日：2025-05-06
申请号：CN202510080660.3
申请日：2025-01-17
Applicant: 南京邮电大学
Abstract: 本发明属于无线通信中的信道估计领域，提出了一种基于改进的像素注意力网络(PAN)的信道估计算法，旨在解决传统信道估计方法在5G系统信号中接收子载波间串扰和子符号间干扰等问题。该方法结合SC‑PA块以及U‑PA块，并将PAN的特征提取模块卷积层后加入批量归一化(BN)和线性整流函数(ReLU)，通过增强特征表达能力，提升了信道估计的精度。具体流程为：先针对OFDM符号的块状符号结构，在时频网格中插入二维分布的离散导频符号。然后利用导频符号位置处信道的初步估计值构成低分辨率信道时频增益图像，通过改进的PAN网络进一步处理。该方法有效提升了信道估计的精度，特别是在5G系统中，能够更好地应对子载波间串扰和子符号间干扰问题。
-
Patent Agency Ranking
公开(公告)号：CN118740221A
公开(公告)日：2024-10-01
申请号：CN202410635359.X
申请日：2024-05-22
Applicant: 南京邮电大学
IPC: H04B7/06 , H04B7/08 , H04B7/0408 , H04W16/28
Abstract: 本发明公开了一种MISO系统波束成形方法，属于通信系统技术领域，包括：获取目标基站发射信号；通过训练好混合波束成形器根据目标基站发射信号，获取具有最优频谱效率的用户接收信号；所述混合波束成形器的训练包括：在恒模约束和最大发射功率约束的条件下，通过预设混合波束成形网络模型获取使频谱效率最大化的模拟波束成形向量；根据获取到的使频谱效率最大化的模拟波束成形向量，得到训练好的混合波束成形器。本发明并利用得到的模拟波束成形向量训练混合波束成形器，避免了依赖于完美的信道状态信息进行信息提取，通过训练好的混合波束成形器获取具有最优频谱效率的用户接收信号，以低复杂度获取最优的频谱效率，对信道信息进行了有效提取。
-
公开(公告)号：CN115759090A
公开(公告)日：2023-03-07
申请号：CN202211245600.5
申请日：2022-10-12
Applicant: 南京邮电大学
IPC: G06F40/295 , G06F40/30 , G06F40/237 , G06F40/268 , G06F16/35 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种结合软词典和汉字字形特征的中文命名实体识别方法，包括：对输入的汉字序列分别进行软词典嵌入SoftLexicon embedding和部首级嵌入radical‑level embedding得到软词典嵌入表示、部首级嵌入表示，将软词典嵌入表示和部首级嵌入表示进行拼接得到字符表示；在所得的字符表示上加入门卷积单元以实现文本特征信息的进一步提取，采用两种不同窗口大小的CNN网络提取文本上下文特征；将门卷积单元输出结果放入序列建模层，对字符之间的依赖关系进行建模，得到序列建模后的结果；将序列建模后的结果经过全连接层后，被送入到一个标准条件随机场中执行字符序列的标签预测，得到中文命名实体识别结果。
-
公开(公告)号：CN115526148A
公开(公告)日：2022-12-27
申请号：CN202211222708.2
申请日：2022-10-08
Applicant: 南京邮电大学
IPC: G06F40/126 , G06K9/62
Abstract: 本发明提供一种基于预训练模型的阅读理解去偏方法，包括：以预训练模型BERT嵌入层为基础构建文本表示层，设定模型输入为文章‑问题构成的句子对，将输入句子映射为句子向量；对位置编码进行两次随机正则化操作，得到两个随机子模型并计算KL散度，评估其输出分布差异性，更新句子向量输入BERT编码器；将BERT编码器最后一个隐层输出通过全连接层与分类器，以交叉熵损失与KL散度之和计算样本的预测损失，在模型训练过程中根据样本的预测损失优化预训练参数，去除阅读理解位置偏差。本发明利用dropout技术正则化位置编码的基础上，通过在训练中拉低两次dropout产生的随机子模型分布的KL散度来约束随机性，提高模型对位置偏差鲁棒性的同时恢复答案预测准确度。
-
公开(公告)号：CN112861800A
公开(公告)日：2021-05-28
申请号：CN202110279121.4
申请日：2021-03-16
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于改进的Faster R‑CNN模型的快递识别方法，旨在解决现有技术中缺少基于快递公司的快递分拣技术，而且破损或污染快递单难以准确识别的技术问题。其包括：利用基于k‑means++算法改进的RPN网络和基于候选框长宽比的双阈值‑非极大值抑制算法改进传统的Faster R‑CNN模型，然后利用训练好的改进的Faster R‑CNN模型处理待识别快递图像，获得快递标志识别结果。本发明能够根据快递公司进行快递识别和分拣，快递识别速度快，准确率高，且不容易漏检。
-
公开(公告)号：CN110164147A
公开(公告)日：2019-08-23
申请号：CN201910441394.7
申请日：2019-05-24
Applicant: 南京邮电大学
Abstract: 本发明涉及无线传感网领域，尤其涉及一种基于改进遗传算法的智能交通信号灯调控方法，其特征在于：其步骤为用MATLAB模拟十字路口环境，将车辆视为节点，随机生成N个节点，以普通节点被簇首节点覆盖的覆盖率更高为目标，设置适应度函数；利用改进的遗传算法，在十字路口环境下选择最优簇首；依照普通节点选择其通信范围内最近的簇首节点并加入的原则进行分簇，普通节点将其信息传递给相应簇首；簇首整合车辆信息并发送给交通信号灯，交通信号灯根据车辆信息进行调控。本发明将遗传算法进行改进达到更好的分簇效果，并且将分簇的思想引入交通信号灯系统中，使交通信号灯能够随道路交通情况被实时调控。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.03 seconds)
