-
公开(公告)号：CN112769461B
公开(公告)日：2022-04-22
申请号：CN202011443013.8
申请日：2020-12-11
Applicant: 华南理工大学
IPC: 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。
-
公开(公告)号：CN116433504A
公开(公告)日：2023-07-14
申请号：CN202310189148.3
申请日：2023-03-02
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于自校准网络的不确定性最小化去雨方法，包括：选择数据集中的训练集，得到m对图像作为训练样本；构建自校准网络，所述自校准网络包括输入层、多个结构相同的自校准模块以及相应的输出层；构建不确定性损失函数实现去雨不确定性最小化，联合雨残差损失函数及恢复损失函数优化自校准网络；将训练样本输入优化后的自校准网络，得到最优去雨模型；选择数据集中的测试集，将测试样本输入到最优去雨模型中得到最终的去雨图像。本方法解决现有多尺度去雨网络容易丢失图像空间信息的问题。
-
Patent Agency Ranking
公开(公告)号：CN115272097B
公开(公告)日：2025-05-06
申请号：CN202210665296.3
申请日：2022-06-14
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于神经结构搜索和雨密度引导的单幅图像去雨方法，包括以下步骤：S1.确定雨密度推理网络和单幅图像去雨网络的结构搜索空间，构建雨密度推理网络和单幅图像去雨网络；S2.将有雨图像输入雨密度推理网络，雨密度推理网络自动搜索网络结构；S3.冻结雨密度推理网络的结构参数，将有雨图像输入雨密度推理网络，训练雨密度推理网络的网络权重；S4.将有雨图像输入雨密度推理网络，雨密度推理网络输出雨密度图，将有雨图像和雨密度图输入单幅图像去雨网络，单幅图像去雨网络自动搜索网络结构；S5.冻结单幅图像去雨网络的结构参数，将有雨图像和雨密度图输入单幅图像去雨网络，训练单幅图像去雨网络的网络权重，冻结其网络权重，获得去雨模型。
-
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。
-
公开(公告)号：CN116309129A
公开(公告)日：2023-06-23
申请号：CN202310127850.7
申请日：2023-02-17
Applicant: 华南理工大学
IPC: G06T5/00 , G06N3/084 , G06N3/0442
Abstract: 本发明公开了一种基于循环内外密集连接和注意力增强的单幅图像去雨方法，包括：构建用于单幅图像去雨的循环内外密集连接和注意力增强网络，该网络包括多次共享参数的循环子网络，确定损失函数，损失函数包括结构相似度和感知损失；输入训练数据，训练网络参数得到循环去雨模型。本发明在循环内建立密集连接，拓展网络信息传递的通道，使包含更多背景细节信息的浅层特征通过信息传递被网络深层和后续循环的卷积层充分利用，让网络循环渐进式去雨过程中能够保留更多的背景细节。
-
公开(公告)号：CN115358939A
公开(公告)日：2022-11-18
申请号：CN202210882193.2
申请日：2022-07-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于雨条纹指导的单幅图像的渐进式去雨方法，包括以下步骤：S1：构建具有多个阶段的渐进式去雨网络，每一阶段均包括渐进式雨条纹检测模块和渐进式雨条纹去除模块；S2：获取有雨图像，将有雨图像输入渐进式去雨网络进行训练，渐进式雨条纹检测模块输出雨条纹掩膜，渐进式雨条纹去除模块输出去雨图像；S3：设定渐进式去雨网络的组合损失函数，根据组合损失函数对渐进式去雨网络进行优化，获得渐进式去雨网络模型；S4：将待去雨的有雨图像输入训练好的渐进式去雨网络模型，渐进式去雨网络模型输出去除雨条纹后的无雨图像。本发明可以有效地恢复被雨条纹遮挡的图像，解决雨条纹去除不干净的情况，实现了每阶段逐步去除雨条纹的效果。
-
公开(公告)号：CN115272097A
公开(公告)日：2022-11-01
申请号：CN202210665296.3
申请日：2022-06-14
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于神经结构搜索和雨密度引导的单幅图像去雨方法，包括以下步骤：S1.确定雨密度推理网络和单幅图像去雨网络的结构搜索空间，构建雨密度推理网络和单幅图像去雨网络；S2.将有雨图像输入雨密度推理网络，雨密度推理网络自动搜索网络结构；S3.冻结雨密度推理网络的结构参数，将有雨图像输入雨密度推理网络，训练雨密度推理网络的网络权重；S4.将有雨图像输入雨密度推理网络，雨密度推理网络输出雨密度图，将有雨图像和雨密度图输入单幅图像去雨网络，单幅图像去雨网络自动搜索网络结构；S5.冻结单幅图像去雨网络的结构参数，将有雨图像和雨密度图输入单幅图像去雨网络，训练单幅图像去雨网络的网络权重，冻结其网络权重，获得去雨模型。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
