-
公开(公告)号：CN119398835A
公开(公告)日：2025-02-07
申请号：CN202411454916.4
申请日：2024-10-17
Applicant: 同济大学
IPC: G06Q30/0202 , G06Q10/30 , G06N3/08 , G06N3/0442
Abstract: 本发明涉及一种家电销售回收量闭环双网融合预测方法，包括以下步骤：S1：基于家电产品销售量和回收量之间的计量经济关系，构建闭环的销售回收融合预测网络；S2：基于家电产品的历史社会保有量，采用深度学习模型预测家电产品未来的社会保有量；S3：基于家电产品的历史销售量和历史回收量，采用斯坦福估计模型预测家电产品未来的回收量；S4：基于家电产品的历史社会保有量、预测的社会保有量和预测的回收量，采用卡内基梅隆模型预测家电产品未来的销售量。本发明提出的方法可以提高家电产品销售回收量的预测精度。
-
公开(公告)号：CN115021844A
公开(公告)日：2022-09-06
申请号：CN202210601718.0
申请日：2022-05-30
Applicant: 同济大学
IPC: H04B17/382 , H04W16/22
Abstract: 本发明涉及一种基于低秩矩阵恢复和时间相关性的连续宽带压缩感知方法，包括以下步骤：在t‑1时刻，通过并行压缩采样的方式对频域信号进行压缩采样，获取多个压缩观测量，在利用低秩矩阵恢复模型求解出t‑1时刻的频谱矩阵；对t‑1时刻的频谱矩阵进行矩阵奇异值分解，得到优化后的先验知识，将该优化后的先验知识与低秩矩阵恢复模型结合，得到t时刻的频谱矩阵；以封闭解的形式推导出t时刻的频谱矩阵的重构误差的累积分布函数，从而指导压缩观测量的选择；根据频谱矩阵求解出t时刻的频谱信号，进而对频谱信号进行判决得到二进制频谱状态。与现有技术相比，本发明能够有效地减小了采样成本和恢复算法的计算量。
-
公开(公告)号：CN113784139A
公开(公告)日：2021-12-10
申请号：CN202110931090.6
申请日：2021-08-13
Applicant: 同济大学
IPC: H04N19/182 , H04N19/176 , H04N19/625
Abstract: 本发明涉及一种基于二维混沌编码的伪模拟信道编码方法和装置，具体包括以下步骤：S1、发送端获取需要传输的视频像素数据，对视频像素数据进行3D‑DCT操作，得到3D‑DCT系数并进行标准化处理；S2、3D‑DCT系数中的低频数据部分采用二维混沌编码进行编码保护，高频数据部分按照原始的SoftCast进行传输，并对其中需要传输的数据进行功率分配和白化操作后发送至接收端；S3、接收端根据接收的数据进行LLSE译码，再对编码的低频数据部分使用二维混沌译码进行数据恢复，根据译码得到的3D‑DCT系数进行逆DCT操作，然后根据视频像素数据中每个像素块的顺序进行排列得到重建视频。与现有技术相比，本发明具有在低信噪比的情况下显著提高提高对带宽的利用能力等优点。
-
公开(公告)号：CN119212078A
公开(公告)日：2024-12-27
申请号：CN202411372213.7
申请日：2024-09-29
Applicant: 上海电气泰雷兹交通自动化系统有限公司 , 同济大学
IPC: H04W64/00
Abstract: 本发明公开了一种数据驱动的UWB基站标定误差消除方法，包括：步骤S1，推导存在标定误差的标签定位，即基于到达时间线性方程，推导存在定位误差的标签定位过程，根据求解标签定位表达式，分析基站标定误差校正方法；步骤S2，结合实验数据消除基站标定误差，即利用UWB定位平台及光栅、交换机设备，收集真实位置与求解标签位置数据，基于实验数据迭代求解坐标系旋转矩阵及偏差向量，实现标定误差的校正。在较低计算复杂度下实现了基站标定误差的校正。
-
公开(公告)号：CN113784139B
公开(公告)日：2023-08-29
申请号：CN202110931090.6
申请日：2021-08-13
Applicant: 同济大学
IPC: H04N19/182 , H04N19/176 , H04N19/625
Abstract: 本发明涉及一种基于二维混沌编码的伪模拟信道编码方法和装置，具体包括以下步骤：S1、发送端获取需要传输的视频像素数据，对视频像素数据进行3D‑DCT操作，得到3D‑DCT系数并进行标准化处理；S2、3D‑DCT系数中的低频数据部分采用二维混沌编码进行编码保护，高频数据部分按照原始的SoftCast进行传输，并对其中需要传输的数据进行功率分配和白化操作后发送至接收端；S3、接收端根据接收的数据进行LLSE译码，再对编码的低频数据部分使用二维混沌译码进行数据恢复，根据译码得到的3D‑DCT系数进行逆DCT操作，然后根据视频像素数据中每个像素块的顺序进行排列得到重建视频。与现有技术相比，本发明具有在低信噪比的情况下显著提高提高对带宽的利用能力等优点。
-
Patent Agency Ranking
公开(公告)号：CN117172811A
公开(公告)日：2023-12-05
申请号：CN202311244238.4
申请日：2023-09-25
Applicant: 同济大学
IPC: G06Q30/02 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于神经网络集成的废旧家电产品价值评估方法，基于全国重点城市拆解厂调研废旧空调回收数据，将其预处理后划分为训练集与测试集，以BP神经网络模型作为基学习器，利用bagging算法对基学习器进行集成，通过调整参数，构建最优的BP_bagging神经网络价值评估模型。该方法包括以下步骤：(1)对采集到的数据进行清洗、去重、填充缺失值等预处理，以保证数据的质量和可靠性，并提取二手家电价值相关的特征进行编码。(2)将数据集划分为训练集与测试集，构建BP神经网络模型，并基于训练数据集进行训练，通过调整参数以实现最优的模型性能。(3)利用bagging算法构建BP_bagging模型，基于训练数据集进行训练，并进行参数调整以实现最优的模型性能。
-
公开(公告)号：CN116840778A
公开(公告)日：2023-10-03
申请号：CN202310763032.6
申请日：2023-06-26
Applicant: 同济大学
Abstract: 一种面向列车的UWB定位遮挡校正方法，包括步骤：(1)推导系数矩阵对定位精度的影响，基于误差缩放因子最小化布置基站；(2)推导遮挡情况下的定位方程，迭代求解各路径遮挡产生的误差，针对各路径误差求解方程均无解的情况，求解误差四面体体积；(3)依据基站布置的缩放因子调整测距校正，结合两种方法的定位校正坐标，基于MRC计算标签坐标最优解。该方法步骤(1)在固定场景中最大程度的降低了最小二乘法带来的误差，并为步骤(3)校正提供数据支持；步骤(2)结合了误差估计及误差四面体体积计算，具有普适性，克服了误差方程无解的情况；步骤(3)利用最大比合并原则，基于合并后信噪比最大化进行定位校正，在较低计算复杂度下实现了较高的定位准确率。
-
公开(公告)号：CN114916087A
公开(公告)日：2022-08-16
申请号：CN202210443131.1
申请日：2022-04-24
Applicant: 同济大学
Abstract: 本发明属于VANET动态频谱接入领域，提出了一种VANET系统中基于印度自助餐过程的动态频谱接入方法，包括以下步骤：S1：基于印度自助餐过程，根据单位时间内VANET路段末端无线节点收集的ACK/NACK消息，获取下一时刻信道被选概率并生成信道可用性列表；S2：根据VANET系统上行链路的传输速率最大化和冲突概率最小化的需求，定义目标优化函数；S3：基于深度Q网络，构建多智能体模型，对S2中的优化问题进行建模；S4：采用分布式和在线学习的方式完成动态频谱接入策略的更新和执行。本发明提出的方法相较于其它方法，能获得更低的冲突概率和更高的传输速率。
-
公开(公告)号：CN113347323A
公开(公告)日：2021-09-03
申请号：CN202110600750.2
申请日：2021-05-31
Applicant: 同济大学
IPC: H04N5/21 , H04N19/117 , H04N19/625
Abstract: 本发明中提出了一种基于像素自相关性的KMV‑Cast伪模拟视频传输去噪方法，其特征在于，该方法包括：步骤1，对高度相似的像素块，利用云端相关信息进行图像重建；对低相似度的像素块，进行图像传输、接收、重建、处理；步骤2，对传输的像素块，进行自适应选择性添加维纳滤波；同时配合选择性滤波，基于信噪比最大化，对参数优化更新。通过上述过程，重建的图像块可以进行功率的合理化分配，使得重要的像素块传输所分配的功率更高，最大程度提高了图像质量；同时，重建的像素块可以基于重建图像信噪比最大化，自适应性选择添加维纳滤波，最大程度提高了像素块质量。
-
公开(公告)号：CN118764114A
公开(公告)日：2024-10-11
申请号：CN202410795814.2
申请日：2024-06-19
Applicant: 同济大学
IPC: H04B17/382 , H04B17/391 , H04W74/0816 , G06N3/0442 , G06N3/092
Abstract: 本发明中提出了一种基于LSTM和Q‑Learning融合的快速收敛动态频谱接入方法，该方法首先采用长短时记忆网络(LSTM)构建认知用户的在线学习模型，根据信道接入的实时ACK消息反馈，将其作为模型输入，得到所有可接入信道的预测占用概率，其次将在线学习模型学到的信道占用预测概率和Q‑Learning强化学习算法的状态动作Q值表相结合，得到新的Q值策略矩阵，认知用户根据该联合策略矩阵进行动态频谱接入，经多次接入迭代后，得到每一种频谱状态条件下的最优频谱接入策略，达到快速收敛到系统最优性能的目的。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.017 seconds)
