-
公开(公告)号：CN114900400B
公开(公告)日：2023-06-16
申请号：CN202210567049.X
申请日：2022-05-24
Applicant: 华南理工大学
IPC: H04L25/02
Abstract: 本发明公开了一种基于智能反射面辅助物联网的联合稀疏信道估计方法，该方法的步骤包括：构建RIS辅助的毫米波MIMO系统，采集接收信号，构建毫米波MIMO系统的信道模型，包括LOS信道和反射信道，采用CS稀疏恢复算法进行高维稀疏信道估计；构建RIS辅助信道估计框架实现RIS辅助的毫米波MIMO系统的信道估计，同时估计LOS信道和反射信道；通过引入加权l1范数最小化实现LOS信道估计，引入l1，τ范数最小化实现反射信道问题，通过调整参数τ估计反射信道；建立混合信道模型表征毫米波信道；结合梯度下降和交替最小化方法求得稳定解。本发明解决视距信道与反射信道之间不一致问题，实现有效提升信道状态信息的反馈精度。
-
公开(公告)号：CN114172547B
公开(公告)日：2023-03-21
申请号：CN202111542896.2
申请日：2021-12-16
Applicant: 华南理工大学
IPC: H04B7/0413 , H04B7/0456
Abstract: 本发明公开了一种基于智能反射面的无线携能通信混合预编码设计方法，该方法步骤包括：构建RIS辅助的多用户SWIPT系统，采集接收信号，进行信道建模；分析频谱效率与最低采集能量需求，基于和速率最大化问题建立混合预编码器与组合器联合优化的数学模型；将非凸原始问题解耦为模拟子问题和数字子问题，分解模拟预编码矩阵为多个向量，基于阵列响应向量的贪婪选择算法设计模拟预编码器和组合器；在数字处理阶段利用一阶泰勒展开法对目标函数进行线性逼近，并基于迭代算法寻找次优数字预编码器，基于MMSE方案设计数字合成器。本发明有效提高了SWIPT系统的和速率性能。
-
公开(公告)号：CN114172547A
公开(公告)日：2022-03-11
申请号：CN202111542896.2
申请日：2021-12-16
Applicant: 华南理工大学
IPC: H04B7/0413 , H04B7/0456
Abstract: 本发明公开了一种基于智能反射面的无线携能通信混合预编码设计方法，该方法步骤包括：构建RIS辅助的多用户SWIPT系统，采集接收信号，进行信道建模；分析频谱效率与最低采集能量需求，基于和速率最大化问题建立混合预编码器与组合器联合优化的数学模型；将非凸原始问题解耦为模拟子问题和数字子问题，分解模拟预编码矩阵为多个向量，基于阵列响应向量的贪婪选择算法设计模拟预编码器和组合器；在数字处理阶段利用一阶泰勒展开法对目标函数进行线性逼近，并基于迭代算法寻找次优数字预编码器，基于MMSE方案设计数字合成器。本发明有效提高了SWIPT系统的和速率性能。
-
公开(公告)号：CN113783810A
公开(公告)日：2021-12-10
申请号：CN202111072347.3
申请日：2021-09-14
Applicant: 华南理工大学
IPC: H04L25/02
Abstract: 本发明公开了一种智能反射面辅助室内通信的信道估计方法、装置及介质，属于无线通信技术领域。对于资源受限的室内场景，在散射体数目增加的情况下，相比于传统基于数学的统计方法，基于深度学习的方法不依赖于假设的统计模型，能更准确地进行信道估计。利用准确的信道状态信息，IRS辅助的Massive MIMO系统能够通过调整IRS的相移来控制无源波束形成，提高接收信号功率，抑制干扰，实现高波束形成增益。相比于已有的基于深度学习的信道估计方法，该方案考虑到了IRS辅助系统场景，更具有实际意义，从而为IRS辅助的Massive MIMO系统在实际中的部署提供了指导。
-
公开(公告)号：CN112769461A
公开(公告)日：2021-05-07
申请号：CN202011443013.8
申请日：2020-12-11
Applicant: 华南理工大学
IPC: H04B7/0413 , H04B17/391 , H04L25/02
Abstract: 本发明公开了一种基于毫米波智能反射面通信的大规模天线信道估计方法，该方法步骤如下：采集基站采用的波束形成矢量；采集用户在不同时刻接收到的信号；利用Kronecker积，将信道模型转换为稀疏恢复问题；对信道模型进行变异操作和交叉操作；利用基于LB的局部搜索算法进行CS重建；进行选择操作并得出最终的决策。本发明的效果是利用IRS技术，增强毫米波MIMO通信系统的覆盖范围，采用压缩感知并利用混合多目标进化算法解决压缩感知的重建问题从而提高基于智能反射面技术的毫米波MIMO通信系统的信道估计精度。
-
Patent Agency Ranking
公开(公告)号：CN112381046B
公开(公告)日：2023-02-14
申请号：CN202011376722.9
申请日：2020-11-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种多任务姿态不变的人脸识别方法、系统、装置及存储介质，其中方法包括以下步骤：获取待识别的人脸图像；将所述人脸图像输入训练好的人脸识别模型进行人脸识别，输出人脸识别结果；其中，所述人脸识别模型包括三个神经网络，所述三个神经网络用于分割人脸区域并进行三种人脸姿势识别，所述三种人脸姿势包括左脸姿势、正脸姿势以及右脸姿势。本发明通过使用三个神经网络针对不同的人脸姿势，进行人脸识别，能够有效地消除姿势变化带来性能下降的问题，可广泛应用于计算机视觉领域。
-
公开(公告)号：CN114268350A
公开(公告)日：2022-04-01
申请号：CN202111326908.8
申请日：2021-11-10
Applicant: 华南理工大学 , 珠海城市职业技术学院
IPC: H04B7/06 , H04B7/0413 , H04B17/391
Abstract: 本发明公开了一种智能反射面辅助通信中非理想信道下的鲁棒波束赋形设计方法，该方法研究了具有不完全CSI的RIS辅助多用户毫米波系统的鲁棒波束形成设计，其中提出了加权和速率最大化问题，以联合优化BS的发射波束形成、RIS的布置和RIS的反射波束形成。所考虑的WSM最大化问题包括信道估计误差、带宽以及RIS布置变量，是一个复杂的非凸优化问题。本发明将原问题解耦为一系列子问题，其中位置、带宽、信道误差、发送波束形成和无源波束形成进行了迭代优化，基于惩罚和梯度投影的交替优化算法，以缓解不完美CSI的影响造成的性能损失。本发明具有频谱效率高、复杂度低、抗干扰能力强等优势，可以有效地提高现有无线通信的性能。
-
公开(公告)号：CN112381046A
公开(公告)日：2021-02-19
申请号：CN202011376722.9
申请日：2020-11-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种多任务姿态不变的人脸识别方法、系统、装置及存储介质，其中方法包括以下步骤：获取待识别的人脸图像；将所述人脸图像输入训练好的人脸识别模型进行人脸识别，输出人脸识别结果；其中，所述人脸识别模型包括三个神经网络，所述三个神经网络用于分割人脸区域并进行三种人脸姿势识别，所述三种人脸姿势包括左脸姿势、正脸姿势以及右脸姿势。本发明通过使用三个神经网络针对不同的人脸姿势，进行人脸识别，能够有效地消除姿势变化带来性能下降的问题，可广泛应用于计算机视觉领域。
-
公开(公告)号：CN117979314A
公开(公告)日：2024-05-03
申请号：CN202311640902.7
申请日：2023-12-04
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于TD3强化学习与智能反射面的移动边缘计算安全速率最大化方法，该方法包括下述步骤：预设RIS的反射元素个数、BS端的天线个数、多个用户的计算任务与时延要求；构建RIS辅助的多用户MEC系统，获取各个节点之间的信道状态，构建基于NOMA的信道模型；结合MEC服务器上的解码功率计算多用户MEC系统的总能耗，将多用户MEC系统优化目标设定为保密率与系统总能耗的比值；基于多用户TD3深度强化学习算法计算最优解；基于深度强化学习网络的学习结果，控制多用户MEC系统实现安全速率最大化计算。本发明有效地解决了MEC系统中保障用户信息安全的技术难题，从而实现了更高的安全性能。
-
公开(公告)号：CN113807408B
公开(公告)日：2023-08-22
申请号：CN202110988214.4
申请日：2021-08-26
Applicant: 华南理工大学
IPC: G06F18/2411 , G06F18/214 , G06F18/28 , G06F18/21 , G10L15/06
Abstract: 本发明公开了一种基于数据驱动的有监督字典学习音频分类方法、系统及介质。该方法包括：确定样本集类别数；利用输入的样本及其对应的类标签训练特定类字典；利用已训练的字典得出输入样本的稀疏编码，并将稀疏编码作为特征，训练SVM分类器；利用已训练的字典和已训练的SVM分类器对输入样本进行分类，输出预测标签。本发明通过每个类学习一个字典来实现最小化类内均匀性，最大化类的可分性，提高稀疏性以控制信号在字典上分解的复杂性，同时最小化基于类的重构错误，并提高字典的成对正交性。本发明能够广泛应用于多个场景中，如计算听觉场景识别和音乐和弦识别；其在数据集上的测试也相对稳定，泛化能力表现优秀。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.02 seconds)
