-
公开(公告)号：CN115426075A
公开(公告)日：2022-12-02
申请号：CN202210786822.1
申请日：2022-07-04
Applicant: 北京邮电大学
IPC: H04L1/00 , G06V10/82 , G06V10/774 , G06N3/08 , G06N3/04
Abstract: 本申请提供一种语义通信的编码传输方法及相关设备，所述方法包括：所述发送端获取信源信息；所述发送端采用预先训练好的分析变换模型、超先验分析变换模型、超先验生成变换网络模型和信源信道联合编码网络模型模型将信源信息转换为编码信号和边信息，并将编码信号和边信息发送到接收端；接收端通过预先训练好的信源信道联合解码网络模型和生成变换网络模型根据边信息对编码信号进行解码重建，得到重建信源信息。
-
公开(公告)号：CN111565051A
公开(公告)日：2020-08-21
申请号：CN202010279781.8
申请日：2020-04-10
Applicant: 北京邮电大学
IPC: H03M13/11
Abstract: 本发明公开了一种用于LDPC码的自学习归一化偏置最小和译码方法，该用于LDPC码的自学习归一化偏置最小和译码方法包括：建立LDPC码译码训练样本集；建立深度学习模型；利用LDPC码译码训练样本集，并采用随机梯度下降的训练方法对所述深度学习模型进行训练，得到训练好的参数；将所述训练好的参数代入到归一化偏置最小和译码算法中进行译码。本发明用于LDPC码的自学习归一化偏置最小和译码方法既具有较低的计算复杂度，又具有良好的译码性能，十分适合实际通信系统中的应用，具有很好的推广应用前景。
-
公开(公告)号：CN117692290A
公开(公告)日：2024-03-12
申请号：CN202211073046.7
申请日：2022-09-02
Applicant: 中国移动通信有限公司研究院 , 北京邮电大学 , 中国移动通信集团有限公司
Abstract: 本发明提供一种信号的接收处理方法、装置及设备，涉及通信技术领域。该方法由通信设备执行，包括：接收第二通信设备在L个子载波上传输的第一信号；其中，第一信号为正交频分复用序号调制信号，L为大于1的整数；获取所述第一信号的特征信息，所述特征信息指示所述第一信号在每个子载波上的特征；根据所述特征信息进行分析，确定所述L个子载波中的激活子载波以及所述激活子载波上的星座解调信息；根据所述激活子载波和所述星座解调信息，对所述第一信号进行解调。本发明的方案，解决了现有OFDM‑IM信号检测检测性能较低和检测复杂度较高的问题。
-
公开(公告)号：CN114640423A
公开(公告)日：2022-06-17
申请号：CN202210039335.9
申请日：2022-01-13
Applicant: 北京邮电大学
IPC: H04L1/00 , H04N19/126 , H04N19/30 , G06N3/08 , G06N3/04
Abstract: 本申请提供一种分布式语义信源信道联合编码传输方法及相关设备。所述方法包括：获取独立同分布的两个图像信源；将所述独立同分布的两个图像信源输入预先训练的分布式编码模型；在所述分布式编码模型，分别将所述两个图像信源进行编码，得到两个归一化特征向量；根据所述两个归一化特征向量，得到两个校准图；根据上述两个校准图，得到两个重建图像。本申请实施例将两个独立同分布的图像信源输入预先训练的分布式编码模型，最终得到了重建图像。
-
Patent Agency Ranking
公开(公告)号：CN114640423B
公开(公告)日：2023-07-25
申请号：CN202210039335.9
申请日：2022-01-13
Applicant: 北京邮电大学
IPC: H04L1/00 , H04N19/126 , H04N19/30 , G06N3/08 , G06N3/0464
Abstract: 本申请提供一种分布式语义信源信道联合编码传输方法及相关设备。所述方法包括：获取独立同分布的两个图像信源；将所述独立同分布的两个图像信源输入预先训练的分布式编码模型；在所述分布式编码模型，分别将所述两个图像信源进行编码，得到两个归一化特征向量；根据所述两个归一化特征向量，得到两个校准图；根据上述两个校准图，得到两个重建图像。本申请实施例将两个独立同分布的图像信源输入预先训练的分布式编码模型，最终得到了重建图像。
-
公开(公告)号：CN111565051B
公开(公告)日：2022-11-25
申请号：CN202010279781.8
申请日：2020-04-10
Applicant: 北京邮电大学
IPC: H03M13/11
Abstract: 本发明公开了一种用于LDPC码的自学习归一化偏置最小和译码方法，该用于LDPC码的自学习归一化偏置最小和译码方法包括：建立LDPC码译码训练样本集；建立深度学习模型；利用LDPC码译码训练样本集，并采用随机梯度下降的训练方法对所述深度学习模型进行训练，得到训练好的参数；将所述训练好的参数代入到归一化偏置最小和译码算法中进行译码。本发明用于LDPC码的自学习归一化偏置最小和译码方法既具有较低的计算复杂度，又具有良好的译码性能，十分适合实际通信系统中的应用，具有很好的推广应用前景。
-
公开(公告)号：CN112737599A
公开(公告)日：2021-04-30
申请号：CN202110014150.8
申请日：2021-01-06
Applicant: 北京邮电大学
IPC: H03M13/11
Abstract: 本说明书一个或多个实施例提供一种原模图LDPC码的自学习快速收敛译码方法及装置，包括基于原模图LDPC码生成训练样本，对原模图LDPC码的校验节点进行分组，得到至少一组校验节点，根据至少一组校验节点，构建自学习神经网络译码模型，输入训练样本对自学习神经网络译码模型进行训练，得到用于对原模图LDPC码进行译码的译码模型，利用译码模型对原模图LDPC码进行译码。本实施例的译码方法，基于分组后的校验节点构建译码模型，利用译码模型进行原模图LDPC码的译码，结合并行计算与串行计算，能够保证译码速度，同时加快译码收敛速度，提高译码性能。
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
