-
公开(公告)号：CN116680522A
公开(公告)日：2023-09-01
申请号：CN202310724724.X
申请日：2023-06-19
Applicant: 安徽大学
IPC: G06F18/10 , G06F18/214 , G06F18/241 , G06F17/16 , G06V40/20
Abstract: 本发明涉及一种基于CSI和三元组孪生网络的小样本学习跨域动作识别方法，包括：收集CSI数据；进行数据预处理；将预处理过的CSI数据从一维信号转化成三维的CSI矩阵；构建数据集；使用预训练模型作为三元组孪生网络的特征提取器，将元训练数据集的CSI矩阵以三元组的形式输入到三元组孪生网络中进行元训练，得到经过元训练后的三元组孪生网络特征提取器；进行微调；使用经过元训练后的三元组孪生网络特征提取器和经过微调后的Softmax分类器，对查询集的CSI矩阵进行分类，得到查询集的分类结果。本发明提升了跨域场景下基于CSI的动作识别系统精准度，降低了训练模型所需的样本数量，解决了在跨域场景下系统识别精准度下降而需要大量目标域样本重新训练的问题。
-
公开(公告)号：CN113992313B
公开(公告)日：2023-07-25
申请号：CN202111240528.2
申请日：2021-10-25
Applicant: 安徽大学
IPC: H04L5/00 , H04B7/0456 , H04L25/03 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的均衡网络辅助SCMA编解码方法，包括：构建用于生成发送信号的SCMA编码器，在上行链路系统中每个用户端设置一个全连接的深度神经网络，按照SCMA编码器的因子矩阵对用户与资源块之间进行连接；建立由均衡网络与多用户检测网络所构成的SCMA解码器，采用均衡网络均衡信道的输出，将均衡网络产生的输出送入多用户检测网络以解码所有用户的发送信息；对SCMA编码器和SCMA解码器进行端到端的联合训练。本发明在基于深度学习的SCMA编解码方案基础上增加了参数估计网络和信号补偿网络设计，实现手段仍采用了深度学习技术，能够提升SCMA系统在上行瑞利衰落信道的误码率性能。
-
公开(公告)号：CN116362003A
公开(公告)日：2023-06-30
申请号：CN202310155624.X
申请日：2023-02-20
Applicant: 安徽大学
IPC: G06F30/20 , G06F17/14 , G06F17/16 , G06F111/04
Abstract: 本发明提供了一种直升机信号分离方法包括：获取多通道观测信号，对所述多通道观测信号进行短时傅里叶变换，得到短时傅里叶变换矩阵；对所述短时傅里叶变换矩阵进行非负预处理，得到空间相关矩阵；通过对所述空间相关矩阵分解并引入空间协方差矩阵，得到空间相关矩阵的因式分解形式；通过IS散度最小化所述空间相关矩阵与所述因式分解形式之间距离，并求取目标函数的最小值，得到所述目标函数的估计值；将所述估计值代入多通道维纳滤波，得到分离信号。本发明通过对空间协方差矩阵进行正交对角化约束来提高它的稀疏度，充分利用信号的空间信息，改善声信号的分离性能，提高了算法的运算速度。
-
公开(公告)号：CN111124639B
公开(公告)日：2023-05-23
申请号：CN201911266565.3
申请日：2019-12-11
Applicant: 安徽大学
Abstract: 本发明公开一种边缘计算系统的操作方法、系统及电子设备，所述边缘计算系统的操作方法包括：对移动设备进行充电，记录所述移动设备的实际电量，以得出虚拟偏移电量，通过所述移动设备的电量水平，以计算所述移动设备的中央处理器的最佳周期频率，以及卸载最佳传输功率，根据所述移动设备的中央处理器的最佳周期频率，以及卸载最佳传输功率，以计算任务本地执行的执行成本以及任务卸载执行的执行成本，根据所述任务本地执行的执行成本、任务卸载执行的执行成本以及惩罚数据，以决定所述多个移动设备与所述多个服务器之间的匹配决策，以及多个移动设备的电量迭代。本发明的边缘计算系统的操作方法大大提高了任务计算卸载策略的性能。
-
公开(公告)号：CN114898768A
公开(公告)日：2022-08-12
申请号：CN202210397745.0
申请日：2022-04-15
Applicant: 安徽大学
IPC: G10L21/0272 , G10L21/0308
Abstract: 本发明涉及一种声信号分离方法和系统，通过获取声信号，并根据声信号建立第一分离模型，从第一分离模型中获取第一代价函数，并对第一代价函数进行正交性约束，对第一代价函数进行改进并获得第二代价函数，第二代价函数的最小值的情况下获得辅助函数，辅助函数对第一分离模型中的变量进行更新，从而获得第二分离模型；由于在代价函数中加入了正交约束项，从而增加聚类效果，并可以调节算法重构误差大小，因此提高了分离性能，对声信号的分离更加准确。
-
Patent Agency Ranking
公开(公告)号：CN114814728A
公开(公告)日：2022-07-29
申请号：CN202210430862.2
申请日：2022-04-22
Applicant: 安徽大学
IPC: G01S5/18
Abstract: 本发明适用于计算机技术领域，提供了一种声源定位方法、系统、电子设备及介质，该方法包括：获取若干个子频域信号，并采用广义互相关算法提取同一预设频带下子频域信号的第一广义互相关特征；建立广义互相关特征与声源权重的映射关系，将第一广义互相关特征和映射关系带入期望最大化算法的条件期望函数中，并进行多次迭代，得到目标声源权重；根据第一广义互相关特征和目标声源权重确定第二广义互相关特征，并根据可控响应功率函数和所述第二广义互相关特征，获取目标可控响应功率；获取目标可控响应功率所对应的位置信息，得到目标位置信息；通过采用该方法解决了由环境噪声干扰和混响所导致的声源定位不准确的问题。
-
公开(公告)号：CN113541749B
公开(公告)日：2022-06-24
申请号：CN202110816265.9
申请日：2021-07-19
Applicant: 安徽大学
IPC: H04B7/0413 , H04B7/06 , G06N3/12 , G06N10/00
Abstract: 本发明提供了一种发射信号的估计方法、系统、设备及存储介质，用于MIMO系统，估计方法包括：接收外界的接收信号；建立量子种群；从量子染色体的初始概率幅中提取最优概率幅；更新初始概率幅：根据初始概率幅得到变异概率幅、混合概率幅和旋转概率幅；根据混合概率幅和旋转概率幅更新初始概率幅，并提取最新的最优概率幅，迭代次数加一；判断迭代次数是否达到迭代阈值：若是，则根据最新的最优概率幅得到发射信号的估计信号；若否，则继续进行初始概率幅的更新。本发明采用最大似然检测函数算法来更新量子染色体的概率幅，使其趋近于发射信号并收敛；解决了信号估计复杂度高的问题，在保证性能的同时，减少了搜索次数，降低了信号估计复杂度。
-
公开(公告)号：CN113541749A
公开(公告)日：2021-10-22
申请号：CN202110816265.9
申请日：2021-07-19
Applicant: 安徽大学
IPC: H04B7/0413 , H04B7/06 , G06N3/12 , G06N10/00
Abstract: 本发明提供了一种发射信号的估计方法、系统、设备及存储介质，用于MIMO系统，估计方法包括：接收外界的接收信号；建立量子种群；从量子染色体的初始概率幅中提取最优概率幅；更新初始概率幅：根据初始概率幅得到变异概率幅、混合概率幅和旋转概率幅；根据混合概率幅和旋转概率幅更新初始概率幅，并提取最新的最优概率幅，迭代次数加一；判断迭代次数是否达到迭代阈值：若是，则根据最新的最优概率幅得到发射信号的估计信号；若否，则继续进行初始概率幅的更新。本发明采用最大似然检测函数算法来更新量子染色体的概率幅，使其趋近于发射信号并收敛；解决了信号估计复杂度高的问题，在保证性能的同时，减少了搜索次数，降低了信号估计复杂度。
-
公开(公告)号：CN111586191A
公开(公告)日：2020-08-25
申请号：CN202010446938.1
申请日：2020-05-25
Applicant: 安徽大学
IPC: H04L29/08
Abstract: 本发明公开一种数据协作缓存方法、系统及电子设备。所述数据协作缓存方法包括：将移动边缘计算服务器分组到不同的簇内，以得到分组后的移动边缘计算服务器，根据每个分组后的移动边缘计算服务器的用户数目和子区域内容流行度的不同，以确定移动边缘计算服务器的本地缓存空间的大小、同一区域内协作缓存空间的大小以及整个协作区间内缓存空间的存储容量的大小，根据用户提出的内容请求，以判断本地移动边缘计算服务器是否缓存了用户提出的内容请求。本发明最大化基站的利用效率，内容交付的时延较小。
-
公开(公告)号：CN111565061A
公开(公告)日：2020-08-21
申请号：CN202010466449.2
申请日：2020-05-28
Applicant: 安徽大学
IPC: H04B7/0452 , H04B7/0456 , H04B17/391 , H04L27/26
Abstract: 本发明涉及一种基于深度神经网络的MIMO-SCMA下行链路通信方法，与现有技术相比解决了SCMA与MIMO技术难以有效结合的缺陷。本发明包括以下步骤：MIMO-SCMA下行链路系统的设计；MIMO-SCMA基站端进行数据发送；下行链路接收端进行数据接收并进行解码。本发明将深度神经网络合理地应用于MIMO-SCMA下行链路信号传输与检测,提出了基于深度神经网络的MIMO-SCMA下行链路系统设计方法。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.028 seconds)
