-
公开(公告)号：CN112819236B
公开(公告)日：2022-03-29
申请号：CN202110176994.2
申请日：2021-02-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于神经网络的低轨卫星物联网活跃终端预测方法，包括活跃终端识别、组合神经网络模型构建、活跃终端预测三个部分。活跃终端识别是从混合信号中提取最大功率信号对应的活跃终端，对其进行信道估计获取相应的信道系数及活跃终端信号，从混合信号中减去该活跃终端信号，通过不断迭代直到识别出所有活跃终端信号；组合神经网络模型由卷积神经网络和双向长短期记忆神经网络组合构成；活跃终端预测是利用训练好的神经网络预测模型和终端状态的历史数据，对未来的活跃终端进行预测。本案方法可以对低轨卫星物联网活跃终端进行预测，结合物联网终端信号检测，可以实现对每个活跃终端的具体状态的预测。
-
公开(公告)号：CN113014340A
公开(公告)日：2021-06-22
申请号：CN202110197503.2
申请日：2021-02-22
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于神经网络的卫星频谱资源动态分配方法，包括宽带信号数据预处理、预测模型建立和频谱共享三个部分；宽带信号数据预处理是对授权用户信号进行概率密度估计，对各授权用户信号设置相应的阈值门限，根据门限对历史数据进行输入输出数据集的量化和划分；预测模型建立是基于深度神经网络分别建立预测模型和融合模型，对各授权用户信号进行多信道预测，将每个信道的预测结果输入融合模型融合输出该用户的频谱未来占用状态；频谱共享是根据预测的用户未来占用状态，输出分配策略。本方法可以对频段上的多授权用户信号进行数据预处理并对其未来频谱占用状态进行精准预测，实现频谱资源的动态分配，从而达到频谱资源高效利用的目标。
-
公开(公告)号：CN108809354B
公开(公告)日：2020-05-26
申请号：CN201810563389.9
申请日：2018-06-04
Applicant: 南京邮电大学
IPC: H04B1/7075
Abstract: 本发明公开了一种高动态多普勒捕获的长时间累积方法，包括将接收到的MLopt个码元信号划分到连续的M个短时间累积周期内，并进行非相干累积；根据M个累积结果进行最大似然搜索，得到M个多普勒捕获结果；对M个多普勒捕获结果进行最小二乘拟合，得到多普勒加速度的估计值；根据多普勒加速度的估计值，计算相邻码元信号的频率漂移；补偿码元信号的频率漂移；将补偿后的码元信号合并到一个长时间累积周期，并进行非相干累积；根据长时间累积周期的累积结果进行最大似然搜索，得到最终的多普勒捕获结果。本发明抑制了长时间累积导致的能量扩散问题，有效地提高多普勒捕获性能，更适合低信噪比、高动态环境下的多普勒捕获，为后续载波同步和解调奠定基础。
-
公开(公告)号：CN113409821B
公开(公告)日：2023-04-18
申请号：CN202110584445.9
申请日：2021-05-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种语音信号未知情绪状态识别方法，对带有未知情绪状态信息的语段信号样本进行副语言特征提取，并结合情绪状态标签的语义嵌入，通过合成分类器的方法进行分类判决。在训练阶段首先对已知情绪类别训练语段样本提取副语言特征，同时根据已知情绪类别名称处理得到已知情绪类别原型权重，进而结合已知情绪类别训练语段样本标签，求解得到最优虚拟分类器；在测试阶段使用最优虚拟分类器，结合未知情绪类别测试语段样本的副语言特征，以及未知情绪类别原型权重，对测试样本进行未知情绪类别判决。本发明在语音信号情感识别方面基于语义嵌入提出了识别未知情绪语音信号的方法，能够针对语音信号有效地分辨出未知情绪。
-
公开(公告)号：CN112968740B
公开(公告)日：2022-07-29
申请号：CN202110136183.X
申请日：2021-02-01
Applicant: 南京邮电大学
IPC: H04B17/382 , H04B7/185 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于机器学习的卫星频谱感知方法，包括数据预处理、模型离线训练、在线检测三个部分。该方法通过对不同信道的历史接收数据进行处理，构建相应的训练集训练神经网络模型，并结合网格搜索、交叉验证和早停修正来优化模型，能够有效提取数据的隐藏规律。此外，将CNN神经网络的强大分类能力与LSTM神经网络处理序列问题的优势相结合，选取合适的融合方式，设计合理的联合检测值计算方法，并将虚警概率纳入考量求出适当的检测门限。最后，将实时的检测样本输入到训练好的神经网络模型中实现频谱占用状态的实时判断，提高了频谱感知准确度、从而提高了频谱资源利用率。
-
Patent Agency Ranking
公开(公告)号：CN112819236A
公开(公告)日：2021-05-18
申请号：CN202110176994.2
申请日：2021-02-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于神经网络的低轨卫星物联网活跃终端预测方法，包括活跃终端识别、组合神经网络模型构建、活跃终端预测三个部分。活跃终端识别是从混合信号中提取最大功率信号对应的活跃终端，对其进行信道估计获取相应的信道系数及活跃终端信号，从混合信号中减去该活跃终端信号，通过不断迭代直到识别出所有活跃终端信号；组合神经网络模型由卷积神经网络和双向长短期记忆神经网络组合构成；活跃终端预测是利用训练好的神经网络预测模型和终端状态的历史数据，对未来的活跃终端进行预测。本案方法可以对低轨卫星物联网活跃终端进行预测，结合物联网终端信号检测，可以实现对每个活跃终端的具体状态的预测。
-
公开(公告)号：CN112819082A
公开(公告)日：2021-05-18
申请号：CN202110175322.X
申请日：2021-02-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的卫星频谱感知数据重构方法，结合了异常数据修复算法与深度卷积神经网络，包括数据预处理、数据重建、实时重建性能评估三个部分；数据预处理是将高分辨率频谱数据依次进行异常数据修复、降采样和数据匹配操作，低分辨率数据依次进行异常数据修复和数据匹配操作；数据重建步骤是利用历史高分辨率数据进行模型训练，将实时传输的低分辨率频谱输入到已经训练好的模型中，完成超分辨率重建；实时重建性能评估步骤是利用传输的少量高分辨率频谱数据评估数据重建的性能，以确定是否要重新进行模型训练。本方法可将低分辨率频谱数据重建为高分辨率频谱数据，从而有效降低星地传输数据量，减缓星地间数据传输压力。
-
公开(公告)号：CN112466284A
公开(公告)日：2021-03-09
申请号：CN202011342629.6
申请日：2020-11-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种口罩语音鉴别方法，该方法首先针对语段训练样本，得到所有语段训练样本对应的低层训练样本集合，提取出每个低层训练样本的低层描述子特征并进行特征归整化。然后，这些低层训练样本被输入到专门设计的深度神经网络，训练得到最优低层深度神经网络模型；对于测试语段样本，首先分解得到语段对应的低层测试样本，输入训练得到的网络，输出这些低层测试样本对应的低层判决，再对判决结果进行聚合，得到对该语段测试样本的类别判决。与现有方法相比，本发明的方法在口罩语音鉴别方面，能够有效地提升系统的决策性能。
-
公开(公告)号：CN112819082B
公开(公告)日：2022-06-17
申请号：CN202110175322.X
申请日：2021-02-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的卫星频谱感知数据重构方法，结合了异常数据修复算法与深度卷积神经网络，包括数据预处理、数据重建、实时重建性能评估三个部分；数据预处理是将高分辨率频谱数据依次进行异常数据修复、降采样和数据匹配操作，低分辨率数据依次进行异常数据修复和数据匹配操作；数据重建步骤是利用历史高分辨率数据进行模型训练，将实时传输的低分辨率频谱输入到已经训练好的模型中，完成超分辨率重建；实时重建性能评估步骤是利用传输的少量高分辨率频谱数据评估数据重建的性能，以确定是否要重新进行模型训练。本方法可将低分辨率频谱数据重建为高分辨率频谱数据，从而有效降低星地传输数据量，减缓星地间数据传输压力。
-
公开(公告)号：CN109041128B
公开(公告)日：2021-12-10
申请号：CN201811202574.1
申请日：2018-10-16
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向多源多中继协作网络的资源分配方法，包括源节点为参与协作的中继节点设置收益分配系数，参与协作的中继节点平均分配收益；中继节点基于演化博弈选择源节点，源节点基于斯坦伯格博弈来调整收益分配系数，直到源节点和中继节点同时达到均衡解。本发明中继节点之间采用演化博弈，源节点与中继节点之间采用斯坦伯格博弈，通过双层博弈来分配多源多中继协作网络资源，有效地提高网络资源利用效率。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.016 seconds)
