-
公开(公告)号:CN112637899A
公开(公告)日:2021-04-09
申请号:CN202011505882.9
申请日:2020-12-18
Applicant: 江南大学 , 中科怡海高新技术发展江苏股份公司
Abstract: 本发明涉及一种对抗无线通信多径衰落与多普勒效应的方法及系统,包括:构建智能交通系统ITS网络,所述ITS网络包括彼此可通信的源车辆终端与目的车辆终端以及RISs装置;初始化源车辆终端和目的车辆终端所需物理参数;所述源车辆终端实时计算自身与目的通信端之间的通信距离,并发送通信请求至所述目的车辆终端和RISs装置,利用满足目的车辆终端接收合并信号最强的条件求解自身反射系数;将所述自身反射系数发送至所述RISs装置,并控制RISs装置按照自身反射系数调控以接收入射波信号并反射发送至所述目的车辆终端;所述目的车辆终端接收所述源车辆终端直接发送信号和RISs装置所反射的信号,并合并两路信号。本发明有效改善了无线通信网络中传输性能。
-
公开(公告)号:CN111611063A
公开(公告)日:2020-09-01
申请号:CN202010458226.1
申请日:2020-05-27
Applicant: 江南大学
Abstract: 本发明提供一种基于802.11p的云感知移动雾计算系统任务卸载方法,其充分考虑了移动雾计算系统的特征,计算方法符合真实场景,计算复杂度低,降低了计算时间,进而提高了计算效率。本发明的技术方案中,考虑到由802.11p不同优先级接入队列传输的任务的计算需求是不同的这一特征,基于定义状态、动作、奖励和转移概率,建立基于半马尔可夫决策过程的任务卸载模型表示任务卸载过程,利用值迭代算法求解贝尔曼方程,获得不同状态下的最优动作,即最优卸载策略。
-
公开(公告)号:CN110728230A
公开(公告)日:2020-01-24
申请号:CN201910956247.3
申请日:2019-10-10
Applicant: 江南大学
Abstract: 本发明提供基于卷积受限玻尔兹曼机的信号调制方式的识别方法,其可以达到高效识别常用调制方式的目的,不但降低了调制识别的复杂度和难度,且此方法对多种常用调制方式识别皆有适用性。其包括:S1对原始信号进行预处理,构建信号调制类别标签;S2将预处理后获得的带标签的信号数据集构建训练集、测试集;S3构建识别网络模型;采用连续的两层卷积受限玻尔兹曼机网络作为信号特征提取层;最后将提取的信号抽象特征全展开输入分类器中进行调制模式识别;S4对识别网络模型进行训练,得到训练好的识别网络模型;S5检测获取待识别无线通信信号,对信号进行预处理后,将信号输入到训练好的识别网络模型中,进行信号调制方式类别的识别。
-
公开(公告)号:CN110489218A
公开(公告)日:2019-11-22
申请号:CN201910681783.7
申请日:2019-07-26
Applicant: 江南大学
Abstract: 本发明提供基于半马尔可夫决策过程的车载雾计算系统任务卸载方法,其可以根据任务卸载过程的实际情况全面的考虑各种时延,得到更符合实际情况的卸载策略,进而使系统获得更多的长期收益。其包括以下步骤:S1:基于半马尔可夫决策模型定义系统的状态集合;S2:定义系统的动作集合;S3:定义系统的奖励模型;S4:定义系统的转移概率;S5:求解车载雾计算系统中的最优卸载策略;其特征在于:步骤S3中,系统奖励可以表示为立即收益和开销的差值;立即收益的计算通过不同的时延进行,包括:通过本地处理任务需要的时延、请求车辆发送给计算单元的传输时延、系统将任务卸载给计算单元处理需要的时延。
-
公开(公告)号:CN109743086A
公开(公告)日:2019-05-10
申请号:CN201910167502.6
申请日:2019-03-06
Applicant: 江南大学
IPC: H04B7/0413 , H04L25/02
Abstract: 本发明提供一种大规模MIMO系统的信道估计方法,随着天线数目的增加,其计算复杂度不会变得更加复杂,进而可以利用现有设备完成大规模MIMO系统的信道估计。其包括步骤:S1:根据MIMO系统模型利用接收信号向量r构造样本协方差矩阵 S2:基于所述样本协方差矩阵 采用FSCAPI子空间追踪算法求解所述信号子空间RS;S3:利用导频序列Φ求得基于导频的信道增益矩阵的初始估计 S4:利用所述信号子空间RS和所述信道增益矩阵的初始估计 对模糊矩阵Ej进行求解;S5:基于所述信号子空间RS、所述模糊矩阵Ej和所述信道增益矩阵的初始估计 利用ILSP算法对所述信道增益矩阵的初始估计 进行重新估计,得到信道增益矩阵的最终估计
-
公开(公告)号:CN110728230B
公开(公告)日:2023-08-22
申请号:CN201910956247.3
申请日:2019-10-10
Applicant: 江南大学
IPC: G06F18/2415 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/088 , G06N3/084
Abstract: 本发明提供基于卷积受限玻尔兹曼机的信号调制方式的识别方法,其可以达到高效识别常用调制方式的目的,不但降低了调制识别的复杂度和难度,且此方法对多种常用调制方式识别皆有适用性。其包括:S1对原始信号进行预处理,构建信号调制类别标签;S2将预处理后获得的带标签的信号数据集构建训练集、测试集;S3构建识别网络模型;采用连续的两层卷积受限玻尔兹曼机网络作为信号特征提取层;最后将提取的信号抽象特征全展开输入分类器中进行调制模式识别;S4对识别网络模型进行训练,得到训练好的识别网络模型;S5检测获取待识别无线通信信号,对信号进行预处理后,将信号输入到训练好的识别网络模型中,进行信号调制方式类别的识别。
-
公开(公告)号:CN114025426B
公开(公告)日:2023-05-12
申请号:CN202111516094.4
申请日:2021-12-06
Applicant: 江南大学 , 无锡真源科技有限公司
IPC: H04W64/00 , H04W4/33 , H04B17/318
Abstract: 本发明公开了一种联合蓝牙AOA和RSSI的室内定位系统,包括利用蓝牙扫描连接模块连接数据包广播模块,将连接信号上传至上位机,数据包广播模块,使用恒定音扩展发送包含AOA tone信息的数据包至数据包接收处理模块,数据包接收处理模块接收包含AOA tone信息的数据包,进行处理得到目标角度和RSSI值,并上传到上位机处理模块中,上位机处理模块接收目标角度数据和RSSI值,并对所述RSSI值进行校准和数据降噪处理,综合坐标计算得到待定位设备的目标位置。本发明所提供的系统,利用蓝牙连接待定位设备,获取包含AOA tone信息的数据包,提取AOA角度和RSSI值,同时结合AOA角度和RSSI值实现高精准的定位,降低了系统的功耗,设备操作简单,采用较少的设备,减少了设备的成本。
-
公开(公告)号:CN114173300A
公开(公告)日:2022-03-11
申请号:CN202111364676.5
申请日:2021-11-17
Applicant: 中科怡海高新技术发展江苏股份公司 , 江南大学
Abstract: 本发明公开了一种多用户任务卸载方法及系统,包括以下步骤:S1:车辆终端向其所属ECS发送任务卸载请求;S2:所述ECS根据建立的任务卸载开销模型,求解任务开销最小时的多用户任务卸载策略作为最优多用户卸载策略,其中,所述任务卸载开销模型满足所需任务时延和任务能耗;S3:所述ECS将最优多用户卸载策略发送至车辆终端,所述车辆终端按照所述最优多用户卸载策略卸载相应任务。本发明降低卸载任务开销,增强车联网计算能力,降低数据传输时延。
-
公开(公告)号:CN112288020A
公开(公告)日:2021-01-29
申请号:CN202011199685.9
申请日:2020-10-30
Applicant: 江南大学 , 中科怡海高新技术发展江苏股份公司
Abstract: 本发明公开了一种基于判别式受限玻尔兹曼机的数字调制识别方法,属于信号处理技术领域。所述方法联合高阶累积量和DRBM,有效识别大动态信噪比条件下BPSK、QPSK、8PSK、8QAM、16QAM、4PAM、CPFSK、GMSK八种数字调制类型,对于信噪比低于‑2dB的信号,先利用DRBM的生成能力对其进行重构后再进行分类,对重构后的信号再进行识别分类,有效提高了低信噪比下信号的识别率;本申请方法相对于传统识别方法,对于信噪比低于‑2dB的数字信号,在三种不同信道环境(AWGN信道,时变相移信道,瑞利信道)中均有明显提升。
-
公开(公告)号:CN111657134A
公开(公告)日:2020-09-15
申请号:CN202010579375.3
申请日:2020-06-23
Applicant: 江南大学
Abstract: 本发明提供一种麦苗培育生长舱,其可以短时间内高效率的培育出无污染高质量的大麦苗,提高了育苗效率,且可以保证质量。同时本发明也公开了麦苗培育生长舱的控制方法。其包括:底座、生长舱壳体,生长舱壳体安装在底座之上,育苗支架分层的安装在生长舱壳体内部,育苗盘放置在育苗支架上;每层育苗支架上沿宽度方向分出育苗区,每个育苗区设置一个育苗盘,每两个育苗盘之间设置一个照明灯;育苗支架、育苗盘在育苗支架的宽度方向上设置与水平面的安装倾角;在育苗盘较低的一侧的生长舱底部,设置接水凹槽;在生长舱壳体的一侧设置水箱,每一层的育苗支架上分别固定设置一条水管,所有的水管入水口都连接设置在水箱中的水泵。
-
-
-
-
-
-
-
-
-