-
公开(公告)号：CN119415814A
公开(公告)日：2025-02-11
申请号：CN202411463447.2
申请日：2024-10-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种超大点数FFT快速处理方法，涉及数字信号快速处理领域，包括以下步骤：首先对原始采样信号数据进行补零操作至序列的总长度满足M1点的整数倍；然后针对补零操作后的数据进行分割，将输入超大点数序列分割为L个长度为M1点的子序列，其次，对子序列做点数为M1点FFT计算，采用高基数FFT算法架构进行迭代计算；最后，利用特定的旋转因子与子序列的FFT计算结果相乘以实现FFT结果的相位矫正，将相位矫正后的子FFT结果按照特定的加权方式进行组合拼接，确保每个频率点的成分得到正确的调整，得到原始数据序列的FFT结果。本发明能够在降低算法复杂度的同时提升超大点数FFT的计算效率。
-
公开(公告)号：CN119276679A
公开(公告)日：2025-01-07
申请号：CN202411423145.2
申请日：2024-10-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种高阶调制迭代频偏相位校正方法及装置，该校正方法首先基于已知序列或导频信息进行已知位置的频偏与相偏初始估计，进而计算高阶调制符号位置的信号频偏和相偏的初始估计，进行频偏和相偏的补偿；对初始校正后信号进行解调，提取高阶调制信号的星座点估计；通过高阶调制信号估计值，计算频偏与相偏的估计更新值；使用估计出的相偏和频偏来修正接收到的信号，依次循环迭代，直到达到预定的精度或迭代次数。这种迭代联合校正方法与装置，可以逐步减小频偏和相位误差，提高高阶调制信号的解调准确性。
-
公开(公告)号：CN117668641A
公开(公告)日：2024-03-08
申请号：CN202311606892.5
申请日：2023-11-29
Applicant: 杭州电子科技大学
IPC: G06F18/241 , G01S7/41 , G01S13/06 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于盲源分离和深度学习的无人机识别方法，该方法首先获取无人机的一维雷达散射截面毫米波数据集，进行混合得到混合信号，并使用改进的FastICA算法对其进行分离。其次使用数据变换将分离后的信号转换为二维图像，对二维图像进行扩增，将得到的数据集划分为训练集、验证集和测试集。然后搭建基于ResNet18的无人机分类网络模型，并在训练集上进行无人机分类网络模型的训练，得到实现无人机分类的网络模型。本发明在提高网络识别准确率的同时没有大幅度增加网络的训练时间，使其能够很好的完成无人机种类识别，设计更加合理有效。
-
公开(公告)号：CN116318188A
公开(公告)日：2023-06-23
申请号：CN202310299394.4
申请日：2023-03-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种通信系统中的通用纠错译码方法，S1、将传输过程中可能的噪声序列按照其出现的概率降序排列，得到一个噪声序列表；S2、将待发送的信息序列通过信道纠错编码得到编码信息序列，并进行符号映射和射频调制得到调制信号；S3、产生码本，所述码本为当前编码方式下所有码字；S4、将调制信号经过物理信道传输，并耦合上加性高斯白噪声信号，得到接收信号；S5、对接收信号进行射频解调和符号解映射，得到待译码信息序列；S6、对待译码信息序列进行译码，得到译码结果；S7、遍历噪声序列表后仍未译码，则原信息序列作为译码结果。该方法建立一种通用译码算法架构，实现多种编码的译码工作，不仅误码率有所保障，并且有效提高了译码效率。
-
公开(公告)号：CN115774575B
公开(公告)日：2025-04-29
申请号：CN202211588930.4
申请日：2022-12-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种RISC‑V矢量处理单元实现方法，是基于RISC‑V处理器矢量扩展集，以协处理器方式实现。矢量处理单元包括四个端口，分别是主处理器交互端口、矢量指令请求端口、矢量指令反馈端口，矢量指令存储器写端口。矢量处理单元包括3级流水线，支持顺序派遣，乱序执行，乱序写回，其中包括译码和派遣、执行、写回和交付,其取指和部分译码在标量处理器中完成。所述译码和派遣作为第一级流水在矢量单元接收到主处理器的矢量指令时，对矢量指令进行译码和流水线冲突判断，如没有流水线冲突则可以派遣，所述执行作为第二级流水线用于矢量指令的执行，所述写回作为第三级流水线用于矢量指令的写回，包括写回标量寄存器和写回矢量寄存器。
-
Patent Agency Ranking
公开(公告)号：CN116016944A
公开(公告)日：2023-04-25
申请号：CN202211579403.7
申请日：2022-12-09
Applicant: 杭州电子科技大学
IPC: H04N19/436 , H04N19/44 , H04N19/91 , H04N19/13
Abstract: 本发明公开了一种适用于HEVC的熵解码解码器优化方法，根据不同语法元素的特性，将多个常规算术解码器分组并行形成5路输出装置，从而实现在单周期时钟并行计算多个bin，从电路级做到熵解码的并行计算，通用性好；其中，并行多个常规算术解码器的步骤为：获取当前进行常规算术解码的bin，在当前位流指针指向对应模块所需的语法元素时输出对应的常规算术解码器驱动信号。其中，对于常规算术器中的重归一化操作，常规常规算术器输入裁切为当前8bit位流的高5位，将ivlCurrRange区间范围的大小比较改进为移位判断选择器。
-
公开(公告)号：CN115941943A
公开(公告)日：2023-04-07
申请号：CN202211535832.4
申请日：2022-12-02
Applicant: 杭州电子科技大学
IPC: H04N19/119 , H04N19/176 , G06T9/00
Abstract: 本发明公开了一种HEVC视频编码方法，包括如下步骤：S1、压缩CTU划分深度参数矩阵；S2、构建快速CU划分网络；S3、训练快速CU划分网络：S4、将快速CU划分网络进行划分深度预测；S5、进行后续编码流程，最终输出视频编码码流。该方法引入神经网络进行特征分类，在保证视频编码质量基本不变的前提下，降低了HEVC的编码复杂度，减少视频编码所需的时间，缓解了编码时间与编码质量间的矛盾，在确保率失真性能的同时提高了编码效率。
-
公开(公告)号：CN119299276A
公开(公告)日：2025-01-10
申请号：CN202411460298.4
申请日：2024-10-18
Applicant: 杭州电子科技大学
IPC: H04L27/36 , H04B7/0456
Abstract: 本发明涉及毫米波通信领域，具体是一种基于速率分割多址技术的数据传输方法及装置，该数据传输方法包括如下步骤：发射机处输入比特信息流；将比特信息流进行分块处理；对分块处理后的数据流进行编码；对编码后的数据流进行符号映射；对符号映射后的数据流进行预编码，形成发射信号；数据流经过发射机发射信号后，经过信道进行传输，接收机接收到传输的信息流，对数据流进行干扰消除，获取信息流的公共信息和私有信息；将公共信息流与私有信息流进行组合得到传输的比特信息流。本发明将比特数据流在发射机进行拆分和组合，增大信息传输过程中的频谱利用率，提高信息的传输的速率。
-
公开(公告)号：CN117939151A
公开(公告)日：2024-04-26
申请号：CN202310247483.4
申请日：2023-03-15
Applicant: 杭州电子科技大学
IPC: H04N19/186 , H04N19/96 , G06T9/00 , H04N19/593
Abstract: 本发明公开了一种神经网络视频编码单元划分方法，包括如下步骤：S1、将视频和视频的编码配置信息输入到编码器中；S2、编码器读取输入视频的图像帧，将每一帧划分为若干个互不重叠的编码树单元，同时读取视频的配置信息；S3、构建预处理数据集；S4、构建全连接层优化的ResNet18网络模型，并通过训练得到网格参数；S5、将网格参数加载至全连接层优化的ResNet18网络模型，全连接层优化的ResNet18网络模型以编码树单元为输入，输出编码树单元深度图；S6、编码器根据编码树单元深度图决定是否进行下一级编码单元划分，确定编码单元划分后，对编码树单元深度图中的编码单元进行帧内最优预测模式和变换单元划分的计算，最后存储编码单元编码信息。
-
公开(公告)号：CN117456241A
公开(公告)日：2024-01-26
申请号：CN202311401702.6
申请日：2023-10-26
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/0985
Abstract: 本发明公开了一种基于深度学习的无人机分类方法，包括如下步骤：S1、获取无人机的一维毫米波数据，使用数据转换方法将一维毫米波数据转换为二维图像，并划分为训练集、验证机和测试集；S2、搭建基于ResNet18的卷积神经网络模型；所述注意力机制为scSE模块，scSE模块从空间和通道两个方面来增强有意义的特征，抑制无用特征，从而提高网络的识别准确；S3、在训练集上按照设置好的超参数进行模型的训练，训练结束后得到能够准确实现无人机分类的网络模型；S4、应用无人机分类网络模型进行无人机分类。将一维毫米波数据转换为二维图像，增大数据的特征差异，通过将注意力机制和残差网络相结合来提高网络的识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.025 seconds)
