公开(公告)号：CN111786656A

公开(公告)日：2020-10-16

申请号：CN202010474923.6

申请日：2020-05-29

Applicant: 南京邮电大学

Inventor： 王保云 ,  楚帆 ,  李沛

IPC: H03H17/02

Abstract: 本发明公开了一种基于滤波器的带限图信号采样方法，首先，建立图信号采样的数学模型；然后，确定能通过采样信号重建原信号的条件：当图信号是带限信号且采样集S的维度不小于信号带宽时，从采样信号中重建原信号；其次，所有相同带宽的带限图信号组成的空间称为佩利-维纳空间PWω(G)，对PWω(G)空间内的图信号，用基于滤波器的方法降低计算复杂度，确定采样集；最后，确定从采样信号中重建原信号的方法：重建是采样的逆过程，根据步骤(3)得到基于滤波器的低复杂度的重建方法。本发明在保证了重建误差相当或更优的同时，降低了计算复杂度。

公开(公告)号：CN114584150A

公开(公告)日：2022-06-03

申请号：CN202210211863.8

申请日：2022-03-04

Applicant: 南京邮电大学

Inventor： 李沛 ,  王保云

IPC: H03M7/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明是一种利用深度神经网络实现的传感器网络信号补全方法，包括如下步骤：步骤1：将观测节点的信号输入并行标量量化器中，得到量化后的观测节点信号的离散输出，建立问题；步骤2：设计图信号的插值模块；步骤3：设计图信号量化规则模块，图信号量化规则模块采用软‑硬量化器量化；步骤4：将步骤2得到的插值模块和步骤3得到的图信号量化规则模块进行联合训练。本发明使用并行标量量化器，并对每个量化器进行分别设计，使用神经网络对量化比特分配与插值算子进行联合设计，提高了补全性能。

公开(公告)号：CN111786656B

公开(公告)日：2022-11-08

申请号：CN202010474923.6

申请日：2020-05-29

Applicant: 南京邮电大学

Inventor： 王保云 ,  楚帆 ,  李沛

IPC: H03H17/02

Abstract: 本发明公开了一种基于滤波器的带限图信号采样方法，首先，建立图信号采样的数学模型；然后，确定能通过采样信号重建原信号的条件：当图信号是带限信号且采样集S的维度不小于信号带宽时，从采样信号中重建原信号；其次，所有相同带宽的带限图信号组成的空间称为佩利‑维纳空间PWω(G)，对PWω(G)空间内的图信号，用基于滤波器的方法降低计算复杂度，确定采样集；最后，确定从采样信号中重建原信号的方法：重建是采样的逆过程，根据步骤(3)得到基于滤波器的低复杂度的重建方法。本发明在保证了重建误差相当或更优的同时，降低了计算复杂度。

公开(公告)号：CN114584150B

公开(公告)日：2024-06-21

申请号：CN202210211863.8

申请日：2022-03-04

Applicant: 南京邮电大学

Inventor： 李沛 ,  王保云

IPC: H03M7/30 ,  G06N3/0495 ,  G06N3/084

Abstract: 本发明是一种利用深度神经网络实现的传感器网络信号补全方法，包括如下步骤：步骤1：将观测节点的信号输入并行标量量化器中，得到量化后的观测节点信号的离散输出，建立问题；步骤2：设计图信号的插值模块；步骤3：设计图信号量化规则模块，图信号量化规则模块采用软‑硬量化器量化；步骤4：将步骤2得到的插值模块和步骤3得到的图信号量化规则模块进行联合训练。本发明使用并行标量量化器，并对每个量化器进行分别设计，使用神经网络对量化比特分配与插值算子进行联合设计，提高了补全性能。