-
公开(公告)号：CN105657434B
公开(公告)日：2019-03-01
申请号：CN201610036778.7
申请日：2016-01-20
Applicant: 同济大学
IPC: H04N19/625 , H04N19/154 , H04N19/164
Abstract: 本发明涉及一种基于数模混合的大数据辅助视频传输方法，包括步骤：1）基于信噪比最大化的无线视频传输系统，具体可分为：建立伪模拟视频传输框架，基于贝叶斯推理得到接收端重建视频信号的最小均方误差估计，最佳先验知识获取；2）基于数模混合的大数据辅助视频传输系统的信号发送端信号发送；3）基于数模混合的大数据辅助视频传输系统的信号接收端视频重建。我们假设发送端与接收端存在相同的云端数据，提取大数据中与传输信号最相关的信息用于辅助视频重建，通过最大化接收端信噪比提取最佳先验知识，在发送端制定相应标准决定是否传输原始视频信号，以节省传输带宽。与现有技术相比，本发明充分利用云端海量数据中与传输信号相关的信息，在提高的同时增强传输视频的视觉质量。
-
公开(公告)号：CN105282073B
公开(公告)日：2019-05-14
申请号：CN201510609213.9
申请日：2015-09-23
Applicant: 同济大学
IPC: H04L27/00 , H04W84/18 , H04B17/391
Abstract: 本发明涉及一种基于认知无线电的车联网通信方法，包括步骤：1)建立狄利克雷模型，用于描述每一时刻来自不同车辆的感知数据之间的相关性；2)根据狄利克雷模型建立隐马尔科夫模型，用于描述观测值和隐蔽信道状态之间的关系；3)根据隐马尔科夫模型，根据下一信道状态更倾向于与前一信道相同的状态，确定信道状态转移概率；4)根据获得的信道转移概率，得到下一路段信道的可用性。与现有技术相比，本发明在CR‑VANET中采用机器学习算法，将充分利用历史频谱感知数据库，利用狄利克雷过程和非参数的隐马尔可夫模型，进而利用频谱数据和隐藏的信道状态之间的关系，提高通信效率。
-
公开(公告)号：CN103746752B
公开(公告)日：2016-05-18
申请号：CN201310693043.8
申请日：2013-12-18
Applicant: 同济大学
IPC: H04B17/382
Abstract: 本发明涉及一种基于分层狄利克雷过程的分布式协作频谱感知方法。具体为：利用感知数据的统计特性，首先对次要用户的感知数据进行自动分组，然后在每个分组内进行数据融合，从而挖掘出网络中的异构频谱；此外，针对该频谱感知方法的实施，提出了一种简洁高效的分布式信息交换方案，即簇内信息交换和簇间信息交换，并给出了所需交换的最简洁信息。
-
Patent Agency Ranking
公开(公告)号：CN105678678A
公开(公告)日：2016-06-15
申请号：CN201610037552.9
申请日：2016-01-20
Applicant: 同济大学
IPC: G06T1/00
CPC classification number: G06T1/00
Abstract: 本发明涉及一种基于贝叶斯推理的群体相关视频加密方法，建立视频图像加密数学模型和理论框架；基于分层贝叶斯进行解密密钥分析，得到解密信号的最小均方误差估计；先验信息秘钥提取，包括：相关信息密钥提取；幅值信息密钥提取；假设本地加密方拥有大量参考图像，提取本地参考图像中与原始视频图像数据最相关的信息作为密钥之一对图像进行解密。对原始视频图像信息进行DCT变换，得到系数矩阵，通过对系数矩阵进行矩阵变换得到加密图像。由于图像数据在本地存储时存在量化噪声，假设量化噪声近似服从高斯分布，整个推导过程以信号量噪比的最大化为优化目标，保证图像经解密恢复后视觉质量不受影响。本发明采用贝叶斯推理并通过最大化信号量噪比来获得最佳先验知识，抗噪声性能大大提高。
-
公开(公告)号：CN105282073A
公开(公告)日：2016-01-27
申请号：CN201510609213.9
申请日：2015-09-23
Applicant: 同济大学
IPC: H04L27/00 , H04W84/18 , H04B17/391
CPC classification number: H04L27/0006 , H04B2201/692 , H04W84/18
Abstract: 本发明涉及一种基于认知无线电的车联网通信方法，包括步骤：1)建立狄利克雷模型，用于描述每一时刻来自不同车辆的感知数据之间的相关性；2)根据狄利克雷模型建立隐马尔科夫模型，用于描述观测值和隐蔽信道状态之间的关系；3)根据隐马尔科夫模型，根据下一信道状态更倾向于与前一信道相同的状态，确定信道状态转移概率；4)根据获得的信道转移概率，得到下一路段信道的可用性。与现有技术相比，本发明在CR-VANET中采用机器学习算法，将充分利用历史频谱感知数据库，利用狄利克雷过程和非参数的隐马尔可夫模型，进而利用频谱数据和隐藏的信道状态之间的关系，提高通信效率。
-
公开(公告)号：CN105678678B
公开(公告)日：2019-01-11
申请号：CN201610037552.9
申请日：2016-01-20
Applicant: 同济大学
IPC: G06T1/00
Abstract: 本发明涉及一种基于贝叶斯推理的群体相关视频加密方法，建立视频图像加密数学模型和理论框架；基于分层贝叶斯进行解密密钥分析，得到解密信号的最小均方误差估计；先验信息秘钥提取，包括：相关信息密钥提取；幅值信息密钥提取；假设本地加密方拥有大量参考图像，提取本地参考图像中与原始视频图像数据最相关的信息作为密钥之一对图像进行解密。对原始视频图像信息进行DCT变换，得到系数矩阵，通过对系数矩阵进行矩阵变换得到加密图像。由于图像数据在本地存储时存在量化噪声，假设量化噪声近似服从高斯分布，整个推导过程以信号量噪比的最大化为优化目标，保证图像经解密恢复后视觉质量不受影响。本发明采用贝叶斯推理并通过最大化信号量噪比来获得最佳先验知识，抗噪声性能大大提高。
-
公开(公告)号：CN108257098A
公开(公告)日：2018-07-06
申请号：CN201810011578.5
申请日：2018-01-05
Applicant: 同济大学
Abstract: 本发明涉及一种基于最大后验概率译码和三维块匹配滤波的视频去噪方法，所述视频是经过先验知识增强的移动视频广播传输系统接收得到，所述去噪方法包括以下步骤：S1、接收的视频信号通过空间向量阈转换得到噪声与视频信号的最小均方误差估计的数学关系，再采用最大后验概率译码方法得到视频信号估计值，从而得到除去部分高斯噪声的视频信号；S2、步骤S1得到的视频信号经过三维块匹配滤波进一步消除高斯噪声，得到最终去噪视频。与现有技术相比，本发明不仅能获得较高的峰值信噪比，而且在主观上也能获得较好的视觉体验，能够较好的保留视频图像的细节部分，起到平滑滤波的作用。
-
公开(公告)号：CN105657434A
公开(公告)日：2016-06-08
申请号：CN201610036778.7
申请日：2016-01-20
Applicant: 同济大学
IPC: H04N19/625 , H04N19/154 , H04N19/164
CPC classification number: H04N19/625 , H04N19/154 , H04N19/164
Abstract: 本发明涉及一种基于数模混合的大数据辅助视频传输方法，包括步骤：1）基于信噪比最大化的无线视频传输系统，具体可分为：建立伪模拟视频传输框架，基于贝叶斯推理得到接收端重建视频信号的最小均方误差估计，最佳先验知识获取；2）基于数模混合的大数据辅助视频传输系统的信号发送端信号发送；3）基于数模混合的大数据辅助视频传输系统的信号接收端视频重建。我们假设发送端与接收端存在相同的云端数据，提取大数据中与传输信号最相关的信息用于辅助视频重建，通过最大化接收端信噪比提取最佳先验知识，在发送端制定相应标准决定是否传输原始视频信号，以节省传输带宽。与现有技术相比，本发明充分利用云端海量数据中与传输信号相关的信息，在提高的同时增强传输视频的视觉质量。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
