-
Patent Agency Ranking
公开(公告)号：CN116522073A
公开(公告)日：2023-08-01
申请号：CN202310372752.X
申请日：2023-04-10
Applicant: 哈尔滨工业大学
IPC: G06F18/10 , G06F17/14 , G06F123/02
Abstract: 一种分数傅里叶变换域的自适应信号分解方法、存储介质及计算机，涉及信号处理领域。解决了频域能量非聚集信号分解问题。本发明所述的分解方法引入分数阶傅里叶变换下卷积的概念，将待分解信号分解成K(K>1)个分数域带宽有限的本征模态分量mk(t)，在变换角度α下的每个本征模态分量的中心分数阶频率为uk，其约束条件是模态分量和等于输入信号，本发明将分解过程变为求解约束变分问题的最优解问题，既有效的分解了频域为能量非聚集的信号，又提高了信号分解效率。本发明应用于非平稳信号的自适应分解领域。
-
公开(公告)号：CN116541660A
公开(公告)日：2023-08-04
申请号：CN202310508205.X
申请日：2023-05-08
Applicant: 哈尔滨工业大学
IPC: G06F18/10 , G06F18/2131
Abstract: 本发明提出一种基于数据驱动的分数阶小波变换去噪方法。所述方法在分数阶小波去噪的基础上，将所有的滤波器替换为可学习的卷积核，并定义了一种用于信号降噪的可学习阈值函数激活层，网络中的分数阶尺度滤波器和分数阶小波滤波器以及阈值函数中的正负偏差是通过神经网络反向传播算法得到的。该方法是一种完全基于数据驱动的信号去噪方法。与常规的分数阶小波去噪相比，数据驱动的分数阶小波去噪省去了繁琐的阈值函数设计过程，提高了去噪算法的使用效率。
-
公开(公告)号：CN116484174A
公开(公告)日：2023-07-25
申请号：CN202310253733.5
申请日：2023-03-16
Applicant: 哈尔滨工业大学
IPC: G06F18/10 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于可学习分数阶小波变换的信号稀疏分解与重建系统及方法，构建训练数据样本；针对于应用场景采集训练信号s(t)作为网络的训练数据样本；训练可学习分数阶小波变换深度卷积网络；采集S1训练数据样本中的待稀疏分解与重建的信号将S1采集得到的待稀疏分解与重建的信号输入S2训练完的可学习分数阶小波变换深度卷积网络进行稀疏分解与重建；最后输出重建信号；将分数阶小波变换的卷积级联分解算法和合成算法中预设的滤波器参数替换为可学习参量，通过反向传播算法更新，可以对目标信号实现稀疏分解与重建。
-
公开(公告)号：CN116915550A
公开(公告)日：2023-10-20
申请号：CN202310687665.3
申请日：2023-06-12
Applicant: 哈尔滨工业大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明提出一种基于加窗处理的MIMO‑OTFS信道估计方法。所述方法在分数多普勒情况下，OTFS时频域加窗能提升时延‑多普勒域等效信道的稀疏性，有利于信道估计，本发明利用了这种良好的特性，在MIMO‑OTFS系统的发射端每个天线发射数据的时频域均进行了加窗操作。本发明设计了一种MIMO‑OTFS系统的导频区域放置方式，这种方式一定程度上节省了MIMO‑OTFS系统导频开销，本发明在分数多普勒情况下能实现准确的信道估计，其误码性能接近于理想信道估计误码性能。
-
公开(公告)号：CN116582394A
公开(公告)日：2023-08-11
申请号：CN202310445764.0
申请日：2023-04-24
Applicant: 哈尔滨工业大学
IPC: H04L25/02
Abstract: 一种基于加窗处理的低运算量OTFS信道估计方法、存储介质及计算机，解决了互相关的信道估计方法其计算量较高，导频开销大的问题。方法包括：构建窗函数处理后的时延‑多普勒域等效信道中多普勒轴函数，并进行截取得到匹配函数，设置阈值系数、多普勒轴分辨率、初始路径循环次数和导频区域；根据导频区域位置关系，获取估计的时延多普勒域冲激响应矩阵；根据多普勒轴分辨率，将匹配函数与所述冲激响应矩阵进行的互相关操作获取最大互相关值、多普勒格点值、时延格点值和其互相关数值；估计对应的信道参数；更新所述冲激响应矩阵的第l条时延格点上所有的值；设置迭代停止条件，当满足停止条件时，输出估计值。应用于高速移动通信领域。
-
-
-
-
Search Results
5
records
(took 0.022 seconds)
