-
公开(公告)号:CN120017112A
公开(公告)日:2025-05-16
申请号:CN202510159755.4
申请日:2025-02-13
Applicant: 重庆邮电大学
IPC: H04B7/06 , H04W12/122 , H04B17/391 , G06F18/20 , G06N3/092
Abstract: 本发明为一种基于强化学习的UAV辅助ISAC系统物理层安全传输方法,旨在应对多感知目标及非完美信道状态信息条件下的信息泄露风险。包括:构建UAV辅助的ISAC系统模型,并基于该模型进一步构建安全通信模型以及感知模型;建立了旨在最大化用户安全速率的目标函数;为解决所提出的优化问题,提出一种生成式扩散模型的双延迟深度确定性策略梯度算法进行求解。相比传统算法,本发明通过利用GDM增强了探索能力,有效地平衡了探索与利用关系,提升系统性能并增强鲁棒性。本发明以用户和安全速率为指标,在仿真结果中验证了方法的有效性,展现了优越的保密性能和对环境的适应能力。
-
公开(公告)号:CN118052830B
公开(公告)日:2024-12-10
申请号:CN202410015147.1
申请日:2024-01-04
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06T7/00 , G06T7/90 , G06T5/70 , G06T7/13 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明请求保护一种基于隐式提示的多病变视网膜分割方法,主要包含三色域特征增强、调制模块、隐式提示模块和提示结合模块。该方法通过转换色彩空间并选取其中分量进行组合并结合高斯模糊,实现数据增强。为减少病变对细小血管的影响,调制模块采用上下文语义差异较小的临近跳跃连接实现自底向上的调制,实现由粗到细的特征融合。为针对病变进行有效分割,隐式提示模块利用提示信息结合编码的中层特征进行自适应学习病变类型,提示结合模块在解码阶段结合提示信息与跳跃连接实现对各种病变的可靠分割。以上措施的实施显著提升了视网膜血管的分割精度,强化了网络在处理病变背景下形态差异较大的血管的能力,提高了末端毛细血管分割的准确性。
-
公开(公告)号:CN117689669B
公开(公告)日:2024-08-27
申请号:CN202311542338.5
申请日:2023-11-17
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于结构自适应上下文敏感的视网膜血管分割方法。首先对数据集进行灰度化、归一化、对比度受限自适应直方图均衡、伽马校正等预处理;然后,对训练集进行图片尺寸分割以完成数据增强;接着,搭建由收缩路径和扩张路径组成的全卷积神经网络架构;最后,采用提出的结构自适应层替代卷积层来替代普通卷积、跳接层引入提出的空洞残差路径以及解码器中添加自适应特征融合模块,并引入多尺度深度监督机制,得到结构自适应上下文敏感网络,并将测试数据输入到该网络中快速测试完成图像分割。本发明有效地提高了视网膜血管的分割精度,且结构合理,提高了网络在复杂背景下处理形态差异较大的血管的能力以及末端毛细血管分割的准确性。
-
公开(公告)号:CN118052830A
公开(公告)日:2024-05-17
申请号:CN202410015147.1
申请日:2024-01-04
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06T7/00 , G06T7/90 , G06T5/70 , G06T7/13 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明请求保护一种基于隐式提示的多病变视网膜分割方法,主要包含三色域特征增强、调制模块、隐式提示模块和提示结合模块。该方法通过转换色彩空间并选取其中分量进行组合并结合高斯模糊,实现数据增强。为减少病变对细小血管的影响,调制模块采用上下文语义差异较小的临近跳跃连接实现自底向上的调制,实现由粗到细的特征融合。为针对病变进行有效分割,隐式提示模块利用提示信息结合编码的中层特征进行自适应学习病变类型,提示结合模块在解码阶段结合提示信息与跳跃连接实现对各种病变的可靠分割。以上措施的实施显著提升了视网膜血管的分割精度,强化了网络在处理病变背景下形态差异较大的血管的能力,提高了末端毛细血管分割的准确性。
-
公开(公告)号:CN117709459A
公开(公告)日:2024-03-15
申请号:CN202311835977.0
申请日:2023-12-28
Applicant: 重庆邮电大学
IPC: G06N5/025 , G06N5/04 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06F16/36
Abstract: 本发明请求保护一种基于潜在关系融合和图卷积网络的文档关系抽取方法。首先,通过预训练模型对文档中的词进行上下文信息编码。针对所有包含目标实体指代的句子,利用依存关系提取实体指代对之间包含有潜在关系信息的最短依赖路径。引入注意力机制,将最短依赖路径中的潜在信息与实体指代融合。随后,将融合后的所有实体指代作为实体指代节点,将相关句子作为句子节点,构建实体指代图。最后,利用图卷积神经网络学习不同实体指代之间的交互信息以及跨文档的实体指代感知表示。对于每个实体对的表示,采用Sigmoid激活函数进行关系分类。这一方法能够从文档中提取实体对之间的关系,在构建知识图谱等任务中有着潜在的应用前景。
-
公开(公告)号:CN117689669A
公开(公告)日:2024-03-12
申请号:CN202311542338.5
申请日:2023-11-17
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于结构自适应上下文敏感的视网膜血管分割方法。首先对数据集进行灰度化、归一化、对比度受限自适应直方图均衡、伽马校正等预处理;然后,对训练集进行图片尺寸分割以完成数据增强;接着,搭建由收缩路径和扩张路径组成的全卷积神经网络架构;最后,采用提出的结构自适应层替代卷积层来替代普通卷积、跳接层引入提出的空洞残差路径以及解码器中添加自适应特征融合模块,并引入多尺度深度监督机制,得到结构自适应上下文敏感网络,并将测试数据输入到该网络中快速测试完成图像分割。本发明有效地提高了视网膜血管的分割精度,且结构合理,提高了网络在复杂背景下处理形态差异较大的血管的能力以及末端毛细血管分割的准确性。
-
公开(公告)号:CN115276756B
公开(公告)日:2023-09-26
申请号:CN202210706998.1
申请日:2022-06-21
Applicant: 重庆邮电大学
IPC: H04B7/185
Abstract: 本发明请求保护一种保障服务质量的低轨卫星星座优化设计方法,属于无线通信技术领域。该方法综合考虑了卫星星座的可靠性、有效性和完成性,给出了卫星星座服务质量的定义。引入误码率、信噪比和抗毁性表示卫星星座的可靠性;引入覆盖率表示卫星星座的有效性;通过用户匹配度表示卫星星座中用户的完成性。在此基础上,设置服务质量阈值和计算服务质量值,将目标区域系统容量总和与星座构建代价之比设为目标函数,利用遗传算法的全局搜索能力迭代优化目标函数值得到初始星座解,利用禁忌搜索算法的局部搜索能力二次寻优初始解输出最优星座参数。本发明面向区域用户,根据用户需求及服务质量保障,优化设计高效且经济的低轨卫星星座。
-
公开(公告)号:CN113726401B
公开(公告)日:2023-03-28
申请号:CN202110574790.4
申请日:2021-05-26
Applicant: 重庆邮电大学
IPC: H04B7/185
Abstract: 本发明请求保护一种基于卫星生存性和链路抗毁性的卫星星座可靠性评估方法,属于无线通信技术领域。该方法将卫星星座可靠性划分为卫星生存性和链路抗毁性。通过抗干扰性、抗入侵性和耐用性表征卫星生存性,根据抗干扰因子量化抗干扰性,根据截获入侵信号距离评定抗入侵性,根据卫星电池寿命损耗率定义耐用性;通过连通性、健壮性表征链路抗毁性,根据自然连通度量化连通性,根据设定链路预算阈值计算健壮性。通过计算抗干扰因子、截获距离、电池损耗率,在卫星功耗限制下采用贪婪算法评估卫星生存性;通过计算自然连通度、链路预算,在链路损耗限制下采用遗传算法评估链路抗毁性;在此基础上,采用禁忌搜索算法实现卫星星座可靠性的定量评估。
-
公开(公告)号:CN115276759A
公开(公告)日:2022-11-01
申请号:CN202210707052.7
申请日:2022-06-21
Applicant: 重庆邮电大学
IPC: H04B7/185
Abstract: 本发明请求保护一种基于加权时空图的双层卫星网络连接计划设计方法,属于无线通信技术领域。该方法面向由低轨和静止卫星构成的双层卫星网络,针对网络拓扑时变、节点资源受限的问题,综合考虑成本、能效和不可靠性,构建加权时空图对动态时变拓扑进行静态离散化处理;根据传输数据所消耗的能源量化连接成本,根据连接容量和数据流量定义连接能效,根据物理层技术评估连接不可靠性,得到时空图中每个时间和空间连接的权重;在满足网络连通性和可靠性约束的模型下,分别以最小成本、最大能效、最小成本效率比为目标,引入剪枝和贪婪算法设计三种基于加权时空图的连接计划。本发明通过连接计划优化网络冗余连接的同时提升了网络资源利用率。
-
公开(公告)号:CN114418026A
公开(公告)日:2022-04-29
申请号:CN202210093700.4
申请日:2022-01-26
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种脑电信号识别模型训练方法、识别方法、装置及设备,该方法中的时序卷积神经网络和一维深度卷积神经网络共用一个输入层和输出层,首先通过时序卷积神经网络的隐藏层得到脑电信号时序特征,并通过一维深度卷积神经网络的隐藏层得到脑电信号空间特征;然后通过时序卷积神经网络和一维深度卷积神经网络共用的全连接层对脑电信号时序特征和脑电信号空间特征进行特征拼接,以从多个维度全面提取脑电信号的特征;最后通过共用的输出层输出输出分类结果,并采用反向传播算法对时序卷积神经网络和一维深度卷积神经网络进行参数调整,得到分类精度较高的脑电信号识别模型,提高分类效果。
-
-
-
-
-
-
-
-
-