-
公开(公告)号：CN111541457A
公开(公告)日：2020-08-14
申请号：CN202010394215.1
申请日：2020-05-11
Applicant: 东南大学
Abstract: 本发明提供了一种低时延低复杂度极化码串行抵消列表译码方法，设置排序阈值α，对于长度为N的级联码，通过对前个估计比特采用传统的路径排序方法，后 个估计比特采用提出的PM值排序和存活路径筛选方法，利用传统极化码SCL译码方法中路径分裂时产生路径的PM值的偏序关系，不再对2L个实数进行准确的排序，而是直接进行两两比较，同时，每次存活的L条路径中，PM值最小的两条路径始终会保留。本发明提高了极化码在SCL译码方法下的时间性能，减少了所需的实数比较器数量；改进了PM值的排序和存活路径筛选方法，能够减少SCL译码方法中PM值排序所花时间，在保证误码块率几乎无损失的情况下，改善了极化码传统SCL译码方法的时间性能。
-
公开(公告)号：CN111551968A
公开(公告)日：2020-08-18
申请号：CN202010352984.5
申请日：2020-04-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习运动预测的无人机对准系统及对准方法，由地面定向天线平台和无人机平台组成对准系统，主要包括位置采集模块、运动预测模块、俯仰角及方位角计算模块和转动对准模块。本发明所述方法基于深度学习和粒子滤波器，提出通过已有历史数据对神经网络进行训练，并利用该模型进行无人机位置预测，从而实时计算天线平台所需的姿态角，解决了由于通信时间延迟、定向天线平台转动需要时间等因素，造成的定向天线无法精确对准无人机的问题，能够以较低的算法复杂度实现定向天线对无人机的实时精确对准。
-
公开(公告)号：CN111551968B
公开(公告)日：2023-01-31
申请号：CN202010352984.5
申请日：2020-04-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习运动预测的无人机对准系统及对准方法，由地面定向天线平台和无人机平台组成对准系统，主要包括位置采集模块、运动预测模块、俯仰角及方位角计算模块和转动对准模块。本发明所述方法基于深度学习和粒子滤波器，提出通过已有历史数据对神经网络进行训练，并利用该模型进行无人机位置预测，从而实时计算天线平台所需的姿态角，解决了由于通信时间延迟、定向天线平台转动需要时间等因素，造成的定向天线无法精确对准无人机的问题，能够以较低的算法复杂度实现定向天线对无人机的实时精确对准。
-
公开(公告)号：CN111541457B
公开(公告)日：2022-11-18
申请号：CN202010394215.1
申请日：2020-05-11
Applicant: 东南大学
Abstract: 本发明提供了一种低时延低复杂度极化码串行抵消列表译码方法，设置排序阈值α，对于长度为N的级联码，通过对前个估计比特采用传统的路径排序方法，后个估计比特采用提出的PM值排序和存活路径筛选方法，利用传统极化码SCL译码方法中路径分裂时产生路径的PM值的偏序关系，不再对2L个实数进行准确的排序，而是直接进行两两比较，同时，每次存活的L条路径中，PM值最小的两条路径始终会保留。本发明提高了极化码在SCL译码方法下的时间性能，减少了所需的实数比较器数量；改进了PM值的排序和存活路径筛选方法，能够减少SCL译码方法中PM值排序所花时间，在保证误码块率几乎无损失的情况下，改善了极化码传统SCL译码方法的时间性能。
-
-
-
Search Results
4
records
(took 0.016 seconds)
