-
公开(公告)号：CN105787970B
公开(公告)日：2018-12-04
申请号：CN201610116710.X
申请日：2016-03-01
Applicant: 北京理工大学
IPC: G06T9/00
Abstract: 本发明是一种基于稀疏度拟合的图像自适应压缩采样方法，属于图像压缩处理领域。该方法首先通过循环迭代来确定各个稀疏度下满足峰值信噪比要求的最低采样率，然后利用最小二乘法进行数据拟合，得到一个稀疏度‑采样率选取的最佳目标函数函数S＝ratios(K)来精确自适应选择采样率并通过基于增广拉格朗日和交替方向的最小全变分法在接收端对图像进行重构。本发明方法尤其适用于纹理复杂度区分明显的图像，峰值信噪比增值能达到3.5dB以上，相比已有的固定采样率传统算法，有效节省了存储资源和传输带宽。
-
公开(公告)号：CN117518072A
公开(公告)日：2024-02-06
申请号：CN202311478172.5
申请日：2023-11-08
Applicant: 北京理工大学
Abstract: 本发明提出一种基于FPGA的高分辨DOA估计实现方法，属于阵列信号处理技术领域。包括协方差矩阵计算模块，计算各信号源初次估计值模块，迭代更新计算各信号源的估计值模块；本发明可根据实际情况配置阵元数、信号源数、快拍数、迭代次数等参数，提高了计算精度，扩大了估计范围，基于FPGA特性进行并行设计，节省了运算时间，采用存储管理模块对内存的使用进行管理，重复利用存储空间，最大程度地保证了计算准确性情况下节约了资源。
-
Patent Agency Ranking
公开(公告)号：CN116418384A
公开(公告)日：2023-07-11
申请号：CN202310540595.9
申请日：2023-05-15
Applicant: 北京理工大学
IPC: H04B7/06
Abstract: 本发明涉及一种联合波束赋形方法，属于无线通信技术领域。特别涉及一种基于DRL的联合优化RIS相移矩阵和基站发射预编码以最大化MU‑MISO通信系统最大和速率的非凸优化多变量的方法。针对基于传统非凸优化多变量方法通过放缩非凸约束，再迭代优化两个变量，容易陷入局部最优解得问题。本发明利用强化学习的探索‑奖励机制，通过设定适合该优化问题的收益函数奖励系统不断探索联合变量最优解。针对同时优化两个变量的DRL网络的动作维度较大导致收敛缓慢的问题。本发明通过拆分两个优化变量交替求解，通过计算得到的系统和速率联合优化网络参数加速网络收敛，同时避免陷入局部最优。
-
公开(公告)号：CN115062565B
公开(公告)日：2024-01-05
申请号：CN202210713984.2
申请日：2022-06-22
Applicant: 北京理工大学
IPC: G06F30/32
Abstract: 本发明公开了一种低时延椭圆曲线点乘电路设计方法，包括：设计Karatsuba‑Ofman模乘法器；两个乘数输入乘法器，进行Karatsuba拆解，形成三个子乘法器；三个子乘法器的结果进行Karatsuba拼接，形成乘法结果；在Karatsuba‑Ofman模乘法器基础上，设计低时延点乘架构；点乘计算的迭代部分通过反复调用改进的Karatsuba‑Ofman模乘法器实现，点乘计算的模逆部分通过模平方器、模四次方器、一些寄存器与改进的Karatsuba‑Ofman模乘法器共同实现；基于低时延ECC点乘架构，设计相应的最优调度策略。本发明电路在小型有限域上和大型有限域
-
公开(公告)号：CN116528166A
公开(公告)日：2023-08-01
申请号：CN202310521802.6
申请日：2023-05-10
Applicant: 北京理工大学
IPC: H04W4/029 , H04W64/00 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及一种用户定位方法，属于无线通信技术领域，特别涉及利用人工神经网络对用户位置定位及预测的方法。针对基于模板匹配分类的传统神经网络定位算法定位精度低的问题，本发明利用神经网络的非线性映射性将用户与STAR‑RIS间的直线距离、俯角、仰角以及所属侧(透射侧或反射侧)作为标签进行拟合。针对现存的STAR‑RIS辅助用户定位方法没有进行用户的移动轨迹预测的问题，本发明通过采集的前序时隙的信道状态矩阵预测出用户后续的移动轨迹。具体地，本发明使用卷积神经网络提取信道矩阵中的用户空间信息，并对用户位置进行粗估计。随后利用全连接网络构成的编解码器网络，完成用户位置的精估计，并对后续用户位置进行预测。
-
公开(公告)号：CN115062565A
公开(公告)日：2022-09-16
申请号：CN202210713984.2
申请日：2022-06-22
Applicant: 北京理工大学
IPC: G06F30/32
Abstract: 本发明公开了一种低时延椭圆曲线点乘电路设计方法，包括：设计Karatsuba‑Ofman模乘法器；两个乘数输入乘法器，进行Karatsuba拆解，形成三个子乘法器；三个子乘法器的结果进行Karatsuba拼接，形成乘法结果；在Karatsuba‑Ofman模乘法器基础上，设计低时延点乘架构；点乘计算的迭代部分通过反复调用改进的Karatsuba‑Ofman模乘法器实现，点乘计算的模逆部分通过模平方器、模四次方器、一些寄存器与改进的Karatsuba‑Ofman模乘法器共同实现；基于低时延ECC点乘架构，设计相应的最优调度策略。本发明电路在小型有限域上和大型有限域上均拥有高时钟频率。
-
公开(公告)号：CN105787970A
公开(公告)日：2016-07-20
申请号：CN201610116710.X
申请日：2016-03-01
Applicant: 北京理工大学
IPC: G06T9/00
CPC classification number: G06T9/007
Abstract: 本发明是一种基于稀疏度拟合的图像自适应压缩采样方法，属于图像压缩处理领域。该方法首先通过循环迭代来确定各个稀疏度下满足峰值信噪比要求的最低采样率，然后利用最小二乘法进行数据拟合，得到一个稀疏度?采样率选取的最佳目标函数函数S＝ratios(K)来精确自适应选择采样率并通过基于增广拉格朗日和交替方向的最小全变分法在接收端对图像进行重构。本发明方法尤其适用于纹理复杂度区分明显的图像，峰值信噪比增值能达到3.5dB以上，相比已有的固定采样率传统算法，有效节省了存储资源和传输带宽。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
