-
公开(公告)号：CN111814953B
公开(公告)日：2024-02-13
申请号：CN202010548786.6
申请日：2020-06-16
Applicant: 上海瀚讯信息技术股份有限公司
Abstract: 本发明涉及一种基于通道剪枝的深度卷积神经网络模型的定位方法，包括：构造基于深度卷积神经网络模型的位置定位基线识别模型；获取待定位区域中移动设备的无线电信号数据；将获取到的无线电信号数据进行预处理，得到无线电信号数据集；利用所述无线电信号数据集对位置定位基线识别模型进行训练和验证，得到预训练深度卷积神经网络模型；对所述预训练深度卷积神经网络模型进行通道剪枝，得到压缩的深度卷积神经网络模型；评估所述压缩的深度卷积神经网络模型的性能，并通过精确率、召回率和准确率来评估所述的压缩的深度卷积神经网络模型在预设类别下的定位性能。本发明通过剪枝技(56)对比文件彭康坚.基于目标检测的神经网络压缩与优化算法研究《.中国优秀硕士学位论文全文数据库 信息科技辑》.2020,(第（2020）01期),I138-1252.徐国现.基于参数修剪和共享的深度神经网络模型压缩方法研究《.中国优秀硕士学位论文全文数据库 信息科技辑》.2020,(第（2020）06期),I140-92第3.1.2-3.1-3节.Ashish Khetan等.PruneNet: ChannelPruning via Global Importance《.arXiv:2005.11282v1》.2020,第1-12页.
-
公开(公告)号：CN113990341A
公开(公告)日：2022-01-28
申请号：CN202111392458.2
申请日：2021-11-19
Applicant: 上海瀚讯信息技术股份有限公司
IPC: G10L21/0208 , G10L21/0216 , G10L21/0332 , G10L25/30
Abstract: 本发明涉及一种融合滤波与学习的在线语音增强方法，包括：步骤S1，实时获取原始带噪语音信号，对所述原始带噪语音信号进行卡尔曼滤波，得到滤波后的实时语音信号；步骤S2，根据所述原始带噪语音信号、所述滤波后的实时语音信号以及一离线语料库，进行DNN训练，得到训练权重；步骤S3，根据所述原始带噪语音信号和所述训练权重，进行DNN增强，得到增强后的语音信号；步骤S4，对所述滤波后的语音信号和所述增强后的语音信号进行性能比较，获取输出语音信号。本发明还涉及一种融合滤波与学习的在线语音增强装置。本发明能够在有限开销的情况下提升语音增强的性能。
-
公开(公告)号：CN110912844A
公开(公告)日：2020-03-24
申请号：CN201911193690.6
申请日：2019-11-28
Applicant: 上海瀚讯信息技术股份有限公司
IPC: H04L25/02 , H04L27/26 , H04B17/391
Abstract: 本发明涉及一种基于大数据分析的信道估计优化方法，包括：步骤S1，选择信道模型，搭建仿真平台；步骤S2，曲线拟合出最大多普勒频移值的函数关系式f(s)；步骤S3，计算实时最大多普勒频移值 步骤S4，信道估计。本发明能够实时跟踪信道的变化，提高信道估计的准确性，降低OFDM通信系统的误码率。
-
公开(公告)号：CN114567921B
公开(公告)日：2024-02-23
申请号：CN202210156709.5
申请日：2022-02-21
Applicant: 上海瀚讯信息技术股份有限公司
Abstract: 本发明涉及一种优化发射功率的全双工协作回传方法，包括：构建全双工协作通信系统；全双工协作通信系统包括若干信源节点和一个目的节点，且采用OFDM调制，将每个信源节点的总带宽划分为若干互相重叠的子载波；采用全双工空时码矩阵递推设计方法，构造所有信源节点的空时码码字矩阵；获取所述空时码码字矩阵中各数据符号的接收信噪比；确定分配给各数据符号的发射功率；将各信源节点自身待发送的数据在不同子载波上映射为不同的数据符号；各信源节点在不同子载波上以不同的数据符号按照空时编码进行协作通信。本发明实现无线传感器网络的传输距离最大化，能够有效降低网络的功耗，延长网络的生命周期，确保网络中节点间的能量损耗基本同步。
-
公开(公告)号：CN112367273B
公开(公告)日：2023-10-31
申请号：CN202011186016.8
申请日：2020-10-30
Applicant: 上海瀚讯信息技术股份有限公司
IPC: H04L47/2441 , H04L47/2483 , H04L9/40 , H04L41/16 , G06F18/2415 , G06N3/0464 , G06N3/096 , G06N3/084
Abstract: 本发明提供一种基于知识蒸馏的深度神经网络模型的流量分类方法，包括：构造一个深度神经网络作为用于流量分类的教师网络模型；获取并预处理真实网络环境中的流量数据，得到网络流量数据库，作为训练集、验证集和测试集；使用网络流量数据库和硬标签来训练教师网络模型，训练结束后保存经过训练的教师网络模型；构建复杂度低于教师网络模型的学生网络模型；基于知识蒸馏方法辅助训练学生网络模型；采用学生网络模型对流量数据进行分类。本发明还提供了相应的流量分类装置。本发明的流量分类方法可以进一步减少流量分类模型的存储和计算成本、对促进入侵检测系统的边缘部署和网络智能化管理具有十分重要的意义。
-
Patent Agency Ranking
公开(公告)号：CN114615671A
公开(公告)日：2022-06-10
申请号：CN202210122264.9
申请日：2022-02-09
Applicant: 上海瀚讯信息技术股份有限公司
Abstract: 本发明涉及一种基于方形面阵的分布式OAM大容量上行传输方法，包括：在指定的数据采集区域内，将传感器节点部署为方形面阵结构，每个传感器节点均对应方形面阵中的一个阵元；从方形面阵中选取若干阵元，形成多圈具有不同半径的四点UCA，并对多圈四点UCA进行分组；被选取的阵元定时广播采集到的数据，同一组四点UCA中的每个阵元接收并存储该组中所有阵元采集到的数据，以使不同组的四点UCA存储不同的数据，同一组的四点UCA存储相同的数据；空中无人机基站飞行至指定的数据采集区域的正上方，并广播信令消息通知传感器节点传输数据，被选取的阵元将数据信号发送至空中无人机基站。
-
公开(公告)号：CN112533225A
公开(公告)日：2021-03-19
申请号：CN202011588424.6
申请日：2020-12-29
Applicant: 上海瀚讯信息技术股份有限公司
Abstract: 本发明提供一种基于涡旋波束的全双工无线网络，全双工无线网络由一个全双工中心控制节点和多个半双工终端节点所组成，全双工中心控制节点为空间基站，半双工终端节点为地面终端，空中基站配备有均匀环形天线阵列，均匀环形天线阵列设置为通过其发射的涡旋波束随距离传输的发散特性来辅助配对彼此隐藏的地面终端。本发明还提供了该基于涡旋波束的全双工无线网络的节点配对方法。本发明的基于涡旋波束的全双工无线网络，利用涡旋波束的倒锥形传输随距离发散的特性，通过涡旋波束所形成的圆环区域中的终端节点与位于该圆环中心的终端节点之间的距离间隔，辅助进行全双工无线通信隐藏节点对的配对，缩短隐藏节点对的匹配时间，提高传输效率。
-
公开(公告)号：CN112367273A
公开(公告)日：2021-02-12
申请号：CN202011186016.8
申请日：2020-10-30
Applicant: 上海瀚讯信息技术股份有限公司
IPC: H04L12/851 , H04L29/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于知识蒸馏的深度神经网络模型的流量分类方法，包括：构造一个深度神经网络作为用于流量分类的教师网络模型；获取并预处理真实网络环境中的流量数据，得到网络流量数据库，作为训练集、验证集和测试集；使用网络流量数据库和硬标签来训练教师网络模型，训练结束后保存经过训练的教师网络模型；构建复杂度低于教师网络模型的学生网络模型；基于知识蒸馏方法辅助训练学生网络模型；采用学生网络模型对流量数据进行分类。本发明还提供了相应的流量分类装置。本发明的流量分类方法可以进一步减少流量分类模型的存储和计算成本、对促进入侵检测系统的边缘部署和网络智能化管理具有十分重要的意义。
-
公开(公告)号：CN112327330A
公开(公告)日：2021-02-05
申请号：CN202011202593.1
申请日：2020-11-02
Applicant: 上海瀚讯信息技术股份有限公司
IPC: G01S19/01
Abstract: 本发明涉及一种导抗台设备，包括依次连接的接收天线阵列、射频前端、数字信号处理器和发射天线阵列；所述数字处理器包括与射频前端连接的信号接收机、与信号接收机连接的信号缓存器、与信号缓存器双向连接的信号增强处理模块，以及与信号缓存器连接的时频调整处理模块，信号缓存器与发射天线阵列连接；接收天线阵列用于接收导航卫星信号，时频调整处理模块用于对数据信号施加时延得到诱导信号，发射天线阵列用于向GNSS接收机发送诱导信号。本发明涉及一种卫星导航对抗系统，包括至少4台导抗台设备。本发明涉及一种卫星导航对抗方法，利用所述卫星导航对抗系统，通过压制和诱导的策略达到使GNSS接收机输出伪装位置信息的目的。
-
公开(公告)号：CN111814953A
公开(公告)日：2020-10-23
申请号：CN202010548786.6
申请日：2020-06-16
Applicant: 上海瀚讯信息技术股份有限公司
Abstract: 本发明涉及一种基于通道剪枝的深度卷积神经网络模型的定位方法，包括：构造基于深度卷积神经网络模型的位置定位基线识别模型；获取待定位区域中移动设备的无线电信号数据；将获取到的无线电信号数据进行预处理，得到无线电信号数据集；利用所述无线电信号数据集对位置定位基线识别模型进行训练和验证，得到预训练深度卷积神经网络模型；对所述预训练深度卷积神经网络模型进行通道剪枝，得到压缩的深度卷积神经网络模型；评估所述压缩的深度卷积神经网络模型的性能，并通过精确率、召回率和准确率来评估所述的压缩的深度卷积神经网络模型在预设类别下的定位性能。本发明通过剪枝技术来压缩模型，提高计算速度且定位性能高。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.034 seconds)
