-
公开(公告)号：CN115270600A
公开(公告)日：2022-11-01
申请号：CN202210718210.9
申请日：2022-06-23
Applicant: 南京大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F111/10
Abstract: 本发明公开了一种联合深度学习与CST仿真的编码超表面逆向设计方法，包括以下步骤，基于条件变分自编码器，使用编码超表面矩阵及其对应的相位响应曲线进行联合训练，并结合CTS软件自动仿真，构建了编码超表面矩阵的逆向设计模型。本发明克服了编码超表面矩阵的离散性及其随机性所导致的模型学习能力不足问题，可得到直接使用的编码超表面矩阵，相比于传统的迭代优化算法，效率上有了进一步的提升，有效降低了编码超表面逆向设计的时间成本。此外本方法基于CVAE模型的特性实现了相位响应曲线与编码超表面矩阵之间一对多的特性，解决了非迭代深度学习方法解的唯一性问题。
-
公开(公告)号：CN114282429A
公开(公告)日：2022-04-05
申请号：CN202111432720.1
申请日：2021-11-29
Applicant: 南京大学
Abstract: 本发明公开了一种基于物理约束的超表面原子结构的电磁响应预测方法，包括上层、中层和下层，所述上层为编码图案区域，其宽度为l2＝8mm，在编码图案区域可划分为16×16矩阵，所述矩阵上贴有金属铜贴片，其中金属铜贴片的电导率为5.8e+007S/m，宽度l3＝0.5mm，厚度t2＝0.017mm，所述中层为介质基板，其材质具体为F4B，下层为全金属铜覆盖本发明的有益效果：提升了电磁超表面设计正向预测的精确度和模型的泛化性能，解决了现有技术正向预测实时性和精度不足问题。
-
公开(公告)号：CN113341405A
公开(公告)日：2021-09-03
申请号：CN202010100265.4
申请日：2020-02-18
Applicant: 南京大学
Abstract: 本发明公开了一种消除近距离处车轮微多普勒影响的雷达跟踪方法。该方法先对运动车辆的雷达回波信号进行傅里叶变换和恒虚警率CFAR检测，得到车身和车轮的速度和距离；接着进行微多普勒处理，即对目标点聚类得到车辆的距离，对连续多帧的回波信号进行时频分析得到时频谱E(f,t)；再将E(f,t)沿频率轴积累后的频谱E(f)输入平方律检波器得E2(f)，对E2(f)用自适应阈值法进行峰值检测，滤除车轮的目标点，确定车身运动引起的多普勒频率，得到车辆的速度；最后对目标车辆进行跟踪。本发明的方法能够消除在近距离处的雷达跟踪时由车轮微多普勒效应产生的虚假检测，避免了资源浪费，提高了跟踪效率。
-
公开(公告)号：CN107977683B
公开(公告)日：2021-05-18
申请号：CN201711382006.X
申请日：2017-12-20
Applicant: 南京大学
Abstract: 本发明公开了基于卷积特征提取和机器学习的联合SAR目标识别方法，读取SAR原始图像数据集，并做预处理；使用卷积变换提取SAR图像特征，卷积层使用卷积核在输入层上通过滑动窗口计算卷积再通过激活函数作为输出，得到多个特征图，每个特征图也是由多个图卷积组合而成，亚采样层对上层的得到的特征图亚采样，减小特征图的大小，最后生成1行128列的特征值；将特征值分别使用softmax回归、支持向量机、K邻近训练分类模型；预测的未知类别图像所属类别，最终的预测结果是依靠三种分类器预测结果综合处理得到。本发明联合三种机器学习方法，识别准确率高，方法鲁棒性强。
-
公开(公告)号：CN108809879A
公开(公告)日：2018-11-13
申请号：CN201810334704.0
申请日：2018-04-13
Applicant: 南京大学
CPC classification number: H04L27/2602 , G01S13/931 , H04L27/2614
Abstract: 本发明公开了一种基于CE‑OFDM的雷达通信一体化信号设计方法。本发明是在传统的基于OFDM的雷达通信一体化设计方案上提出一种基于CE‑OFDM的雷达通信一体化信号设计方案，在保证有效通信传输速率的前提下，有效解决了OFDM系统峰均比过高的问题。在发射端，比特数据信息经QAM调制和IFFT变换后，通过附加相位调制成为CE‑OFDM信号；在接收端，将信号进行基于反正切的相位解调后即可恢复出发送的OFDM信号。在进行雷达信号处理时，采用基于调制符号序列的新型雷达信号处理方法，解决了该信号自相关性较差的问题，实现了对目标距离的高分辨估计。
-
Patent Agency Ranking
公开(公告)号：CN107977683A
公开(公告)日：2018-05-01
申请号：CN201711382006.X
申请日：2017-12-20
Applicant: 南京大学
Abstract: 本发明公开了基于卷积特征提取和机器学习的联合SAR目标识别方法，读取SAR原始图像数据集，并做预处理；使用卷积变换提取SAR图像特征，卷积层使用卷积核在输入层上通过滑动窗口计算卷积再通过激活函数作为输出，得到多个特征图，每个特征图也是由多个图卷积组合而成，亚采样层对上层的得到的特征图亚采样，减小特征图的大小，最后生成1行128列的特征值；将特征值分别使用softmax回归、支持向量机、K邻近训练分类模型；预测的未知类别图像所属类别，最终的预测结果是依靠三种分类器预测结果综合处理得到。本发明联合三种机器学习方法，识别准确率高，方法鲁棒性强。
-
公开(公告)号：CN106304240A
公开(公告)日：2017-01-04
申请号：CN201610696274.8
申请日：2016-08-19
Applicant: 南京大学
CPC classification number: Y02D70/39 , H04W40/22 , H04W52/0203 , H04W72/04 , H04W84/18
Abstract: 本发明公开了一种采用机会性能量采集的多中继系统的协作传输方法，包括如下步骤：源节点S根据所有中继节点发送的导频信息估计所有S-R链路的信道信息，根据目的节点D发送的导频信息估计S-D链路的信道信息；每个中继节点根据目的节点D发送的导频信息估计每条R-D链路的信道信息；源节点S和所有中继节点启动计时器，计时器先减为0的节点被设为发送节点；发送节点发送一个广播信号，接收到广播信号的节点停止计时；若源节点S为发送节点，源节点S计算指示变量；若第l个中继节点为发送节点，该中继节点利用采集的能量对接收的信息进行解码前传。本发明使系统在满足源节点S的功率约束和中继R的因果约束的条件下，获得最大的平均吞吐量。
-
公开(公告)号：CN103051980B
公开(公告)日：2015-11-25
申请号：CN201210219092.3
申请日：2012-06-29
Applicant: 南京大学
IPC: H04N21/2383 , H04N21/262 , H04N21/647 , H04N19/30
Abstract: 本专利提出一种将可分级视频编码和OFDM系统的资源分配相结合的跨层优化方案。可分级视频编码能满足异构网络中用户对视频流的不同的服务质量要求(QoS)，OFDM技术可根据用户的QoS和信道条件灵活地为用户分配子载波、功率和比特。考虑到可分级视频流的特点，本专利将OFDM的不同子载波分配给不同优先级的视频包，并通过最优的载波、功率和比特分配，使系统获得最佳的功率效率。
-
公开(公告)号：CN103117982B
公开(公告)日：2015-06-10
申请号：CN201310079574.8
申请日：2013-03-13
Applicant: 南京大学
IPC: H04L27/26
Abstract: 本发明公开了一种基于子载波分组的OFDM系统的数据传输方法，包括如下步骤：基站向接收端发送一组只含有导频信号的信息，接收端利用这些信息对导频子载波的信道增益进行估计和量化；接收端将估计和量化后的信道增益反馈给基站，基站基于最小化均方误差的插值准则，利用反馈所得信道增益对未知的信道增益进行插值；基站利用信道增益信息进行子载波组和传输功率的分配，用户的数据流被分配到不同子载波组上传输。本发明能够减少基站端的计算复杂度和用户反馈量。
-
公开(公告)号：CN104463329A
公开(公告)日：2015-03-25
申请号：CN201410706769.5
申请日：2014-11-27
Applicant: 南京大学
IPC: G06N5/02
Abstract: 本发明公开了贝叶斯群验方法，首先对状态组合的发生概率Pm进行初始化，假设群体中个体总数为N，则共有2N种状态组合；第一次测试，随机选择若干个体参与测试，并获得最终输出；在每次测试有了结果后，对所有2N种状态组合中每种状态组合概率更新；确定参与下一次测试的个体；利用选取的测试向量完成测试，并获得测试最终输出，当最大状态组合的概率大于0.5时完成整个测试，否则跳至步骤3进行循环。本发明的有益效果是减少了需要的测试次数；以及在测试结果中存在噪声的情况下，仍能正确找出所有故障个体。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.023 seconds)
