公开(公告)号：CN107889124A

公开(公告)日：2018-04-06

申请号：CN201711262024.4

申请日：2017-12-04

Applicant: 南京邮电大学

Inventor： 程崇虎 ,  胡洁 ,  夏巍 ,  陆怡琪 ,  杨洁 ,  熊健 ,  桂冠

IPC: H04W24/00 ,  H04L27/26

CPC classification number: H04W24/00 ,  H04L27/2601

Abstract: 本发明公开了一种基于非正交多址接入的洪涝监测数据传输方法，在水位监测系统中同一河道有多个水位监测点，每个监测点到基站的距离不同，基站对监测点的信道条件进行估计后再配对分组，将多址接入信道的频域划分成多个正交子信道，每个子信道上至少两个监测点共享，它们之间采用非正交传输。基站按照一定的功率分配算法给每个子信道上的监测点分配功率，各监测点接收机通过串行干扰消除技术完成消息解码。本发明实施提供的方案既不影响水位系统监测质量，同时创造性地解决洪涝时频谱资源不足的问题。

公开(公告)号：CN107577985A

公开(公告)日：2018-01-12

申请号：CN201710584911.7

申请日：2017-07-18

Applicant: 南京邮电大学

Inventor： 解晓波 ,  熊健 ,  李海波 ,  桂冠 ,  杨洁 ,  华文韬 ,  朱颖

IPC: G06K9/00 ,  G06F17/30 ,  G06K9/62

Abstract: 本发明公开了一种基于循环生成对抗网络的人脸头像卡通化的实现方法，包括步骤：从网络上爬取若干真实人物图片和卡通人物图片；基于人脸检测算法识别图片中的人脸，获得真实人脸头像和卡通人脸头像后作为训练样本；构建由生成器和鉴别器组成的循环生成对抗网络，并设计损失函数；将真实人脸头像和卡通人脸头像分别作为输入，训练循环生成对抗网络来最小化损失函数；将待处理的真实人脸头像输入训练完成后的循环生成对抗网络的生成器，获得对应的卡通人脸头像。本发明使得循环生成对抗网络的第一生成器性能达到最佳，可以将输入的真实人脸头像卡通化，做到人脸卡通化的实时性和有效性。

公开(公告)号：CN107547902A

公开(公告)日：2018-01-05

申请号：CN201710589689.X

申请日：2017-07-19

Applicant: 南京邮电大学

Inventor： 熊健 ,  桂冠 ,  杨洁 ,  华文韬 ,  朱颖 ,  解晓波

IPC: H04N19/176 ,  H04N19/147 ,  H04N7/18 ,  H04N7/15

Abstract: 本发明公开了一种面向监控视频编码的自适应率失真优化方法，包括步骤：对初始若干帧编码中，将SKIP模式的编码块作为背景块及将其他为前景块，并分别将其VSAD特征作为各类的训练样本；对当前编码块划分若干子编码块，计算子编码块绝对差值和的方差以判断当前编码块的分类特征；进行分类检测，将当前编码块分为背景块和前景块；建立前景块自适应率失真优化的模型，对背景块数据清除及对模型进行估计以确定模型中的参数；估计编码比特数据并选取，代入模型以确定参数的估计值；利用确定的参数的估计值对当前前景块进行率失真优化编码。本发明极大地提升了监控视频的编码效率，消除了背景块编码信息的干扰影响，可以保证前景块自适应率失真模型的准确性。

公开(公告)号：CN119740119A

公开(公告)日：2025-04-01

申请号：CN202411800320.5

申请日：2024-12-09

Applicant: 南京邮电大学

Inventor： 费振洋 ,  肖涛 ,  王锦珠 ,  王禹 ,  桂冠

IPC: G06F18/2415 ,  G06F18/25 ,  G06F18/2431 ,  G06F18/213 ,  G06F18/2131 ,  G06N3/0464 ,  G06N3/084 ,  G06F18/214 ,  G06F18/21 ,  H04W12/79 ,  G06F123/02

Abstract: 本发明公开了一种基于时频双分支混合增强的跨调制鲁棒射频指纹识别方法。该方法通过构建时域和频域双分支特征提取模型，有效地提取射频信号的特征，以实现跨调制环境下射频设备的高鲁棒性和高准确度识别。首先，构建用于源域射频设备识别的时域和频域特征提取模型，通过多源域数据集并引入数据增强技术进行训练，学习到通用的领域不变特征。随后，将源域深度特征提取模型直接应用于目标域，无需提前知晓目标域样本。最终实现跨调制场景下的射频指纹识别，解决了因数据分布差异而无法准确识别设备类别的问题。

公开(公告)号：CN118656616A

公开(公告)日：2024-09-17

申请号：CN202410576869.4

申请日：2024-05-10

Applicant: 南京邮电大学

Inventor： 唐甜甜 ,  陈韬 ,  桂冠

IPC: G06F18/211 ,  G06F18/214 ,  G06N5/01 ,  G06N20/20 ,  G01W1/10

Abstract: 本发明公开了一种基于互信息与随机森林的中长期水文预报因子选择方法，包括以下步骤：基于互信息理论，采用最大相关度最小冗余度算法计算预报因子间的信息差和信息熵并用于初选若干项预报因子，得到初选预报因子集，然后通过基于随机森林的递归特征消除法从初选预报因子集中筛选出规定数量的预报因子，作为最终的预报因子筛选结果。本发明预报因子筛选过程合理、预报因子的有效性强以及预报因子集精简，在预报因子的选择过程中，既剔除了冗余因子，又保证了预报因子能有效的反映预报对象复杂的变化机理。

公开(公告)号：CN118171073A

公开(公告)日：2024-06-11

申请号：CN202410354385.5

申请日：2024-03-27

Applicant: 南京邮电大学

Inventor： 王禹 ,  陶梦圆 ,  付雪 ,  桂冠

IPC: G06F18/21 ,  G06F18/214 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于样本选择与半监督学习的鲁棒调制信号识别方法。该方法的目标是实现对带有噪声标签的调制信号进行鲁棒训练与精准识别。具体包括：获取待测调制信号；将所述待测调制信号输入预先训练的权重为W2的网络模型，识别出调制信号的类型；其中，所述权重为W2的网络模型通过正确标签样本与错误标签样本分别视为有标签样本与无标签样本进行半监督训练，并在训练时分别施加标签平滑正则化约束与熵最小化约束得到的。本发明解决了信号噪声标签带来的识别性能和鲁棒性下降的问题，而且适用于不同调制类别的信号。因此，在鲁棒调制信号识别领域具有较高的应用价值。

公开(公告)号：CN115935154B

公开(公告)日：2023-11-24

申请号：CN202310232775.0

申请日：2023-03-13

Applicant: 南京邮电大学

Inventor： 桂冠 ,  陶梦圆 ,  王诚 ,  杨泽洋 ,  刘超 ,  付雪 ,  王禹

IPC: G06F18/211 ,  G06F18/2136 ,  G06F18/2431 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于稀疏表示与近端算法的射频信号特征遴选与识别方法，其以遴选出稀疏特征进行信号识别为目标，首先获取物联网WiFi设备信号，输入搭建的复数卷积神经网络，实现原始特征的提取；接着为特征层添加稀疏参数，并在损失函数中加入正则化项对稀疏参数进行约束；然后采用随机梯度下降算法与近端梯度下降算法对稀疏参数进行反向传播过程；最后得到稀疏特征，并实现信号识别任务。本发明解决了网络提取的原始特征冗余而造成的信号识别任务准确率下降与资源浪费的问题，适用于多种不同的射频信号，在射频信号识别领域具有较高的应用价值。

公开(公告)号：CN117093913A

公开(公告)日：2023-11-21

申请号：CN202311072107.2

申请日：2023-08-24

Applicant: 南京邮电大学

Inventor： 桂冠 ,  彭旸 ,  王禹

IPC: G06F18/241 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/084 ,  G06N3/09 ,  G06F18/22

Abstract: 本发明公开了一种辐射源识别方法、装置、设备及介质。其方法包括：获取待识别辐射源的辐射信号；通过对比组生成器对所述辐射源信号进行预处理，获得具有锚点的对比组数据；将具有锚点的对比组数据输入预先构建并训练好的基于卷积长短期记忆网络CLDNN的有监督对比表征学习模型中，获得表征辐射源的特征编码；将所述特征编码输入分类器中，通过特征距离度量的方式对辐射源特征进行分类，得到辐射源识别分类结果。本发明有效解决了有限样本下模型难以拟合、性能不稳定、梯度下降不明显等问题，能够充分挖掘和利用样本间的深层特征，使其在极少样本的情况下就能实现辐射源数据的准确识别，具有高效、稳定且精准的特点。

公开(公告)号：CN116010804B

公开(公告)日：2023-07-04

申请号：CN202310050128.8

申请日：2023-02-01

Applicant: 南京邮电大学

Inventor： 桂冠 ,  付雪 ,  刘超 ,  杨泽洋 ,  王诚 ,  王禹

IPC: G06F18/213 ,  G06F18/214 ,  G06N3/096

Abstract: 本发明公开了一种基于深度学习与知识迁移的物联网设备小样本识别方法，以物联网设备识别为目标，首先搭建用于源域物联网设备识别的深度特征提取模型与特征识别模型，然后将源域深度特征提取模型作为目标域的初始化深度特征提取模型，并搭建用于目标域物联网设备识别的初始化特征识别模型，最后利用小样本目标域物联网设备电磁信号样本微调目标域的初始化深度特征提取模型与特征识别模型，以最大平均误差函数评估源域与目标域深层特征的分布差异，有效地实现知识由源域向目标域迁移，得到适用于目标域物联网设备识别的深度特征提取模型与特征识别模型，最终实现小样本场景下的物联网设备识别，解决了因样本量不足而无法准确识别设备类别的问题。

公开(公告)号：CN110069644B

公开(公告)日：2023-06-06

申请号：CN201910334229.1

申请日：2019-04-24

Applicant: 南京邮电大学

Inventor： 熊健 ,  任强 ,  熊力瑶 ,  范宇轩 ,  桂冠

IPC: G06F16/53 ,  G06F16/51 ,  G06N3/0464

Abstract: 本发明公开一种基于深度学习的压缩域大规模图像检索方法，包括：利用压缩CNN网络对图像数据库进行压缩，得到空间占用小于原图像的压缩编码；利用哈希CNN网络对压缩图像进行哈希编码；在哈希码数据库中对查询图片进行图像检索。本发明有效地利用深度学习在图像压缩和图像检索中的良好性能，提出了基于深度学习的压缩域大规模图像检索方法，解决了在海量高维媒体数据中高效率快速检索到自己所需要图像的问题。