-
公开(公告)号：CN106533521B
公开(公告)日：2019-08-06
申请号：CN201611137148.5
申请日：2016-12-12
IPC: H04B7/0456 , H04B7/0426 , H04B7/0413
Abstract: 本发明提供了一种基于截短级数展开的LR‑RZF大规模MIMO系统预编码方法，首先建立基站到用户的下行链路信道模型，然后对信道矩阵采用LR技术进行变换，以及采用RZF技术得到LR‑RZF预编码算法，接着利用截短级数方法来代替矩阵求逆来降低求逆运算的复杂度。最后在最优SINR基础上求出截短级数的最优系数，并计算出移动用户的平均到达率。本发明主要针对的是大规模MIMO系统下行链路进行预编码,如何降低线性预编码RZF算法中矩阵求逆计算复杂度以及减少用户间干扰。
-
公开(公告)号：CN106533521A
公开(公告)日：2017-03-22
申请号：CN201611137148.5
申请日：2016-12-12
IPC: H04B7/0456 , H04B7/0426 , H04B7/0413
CPC classification number: H04B7/0456 , H04B7/0413 , H04B7/0426
Abstract: 本发明提供了一种基于截短级数展开的LR-RZF大规模MIMO系统预编码方法，首先建立基站到用户的下行链路信道模型，然后对信道矩阵采用LR技术进行变换，以及采用RZF技术得到LR-RZF预编码算法，接着利用截短级数方法来代替矩阵求逆来降低求逆运算的复杂度。最后在最优SINR基础上求出截短级数的最优系数，并计算出移动用户的平均到达率。本发明主要针对的是大规模MIMO系统下行链路进行预编码,如何降低线性预编码RZF算法中矩阵求逆计算复杂度以及减少用户间干扰。
-
公开(公告)号：CN113591873B
公开(公告)日：2025-01-10
申请号：CN202110577002.7
申请日：2021-05-26
Applicant: 东南大学
IPC: G06V10/764 , G06V10/50 , G06N20/20 , G08B17/12
Abstract: 本发明公开了一种基于集成学习的火焰图像分类方法。属于机器学习图像分类技术领域。该方法包括：对火焰图像进行归一化和灰度化，利用HOG算法预处理特征，将转化后的火焰图像特征送入多种机器学习分类器，并行迭代生成多种图像分类器，计算每个分类器对图像的分类准确率与概率，通过软决策‑投票的方式反馈调整多个分类器投票系数，再以加权平均的方式将多种机器学习分类器集成一种新的分类器，并将最终对火焰图像的分类通过符号函数输出结果。本发明融合集成学习投票决策和多种机器学习分类算法，在保留多种机器学习分类器的优点下，有效提升了对火焰图像检测的准确性。
-
公开(公告)号：CN113221763B
公开(公告)日：2024-04-16
申请号：CN202110537573.8
申请日：2021-05-18
Applicant: 东南大学
IPC: G06V20/40 , G06V10/56 , G06V10/764 , G06V10/774 , G06T7/11
Abstract: 本发明公开了一种基于视频图像亮度的火焰识别方法，考虑到火焰发生时会有着不同的亮度，按照大多数算法所采用的单一的火焰分割技术，并不能将有效的火焰部分进行分割，研究了一种以亮度为基准的火焰识别算法，可更有效得在多种环境下实现对于火焰的识别。本发明包括以下步骤：首先读取视频图像信息；然后根据亮度判据将图像分为高低亮度图像，分别采用高低亮度火焰分割算法，得到疑似火焰区域；再对该区域采取形态学处理，得到低噪且小空洞得到填充的图像；对分割出的部分提取其圆形度、颜色矩和纹理等特征组合为特征向量；最后使用支持向量机进行火焰的分类。本发明提高了火焰识别的准确性和可靠性，使用效果好，适用于复杂多变的环境。
-
公开(公告)号：CN113490275B
公开(公告)日：2024-03-08
申请号：CN202110767610.4
申请日：2021-07-07
Applicant: 东南大学
IPC: H04W72/30 , H04W72/40 , H04W72/541 , H04W72/542 , H04W72/50 , H04W72/044 , H04W72/0453 , H04W52/24 , H04W52/26 , H04W16/14 , H04W28/26 , H04W4/06 , H04W4/40 , H04W4/46
-
Patent Agency Ranking
公开(公告)号：CN117375752A
公开(公告)日：2024-01-09
申请号：CN202311308705.5
申请日：2023-10-10
Applicant: 东南大学
IPC: H04B17/391 , H04B17/318 , H04B17/00 , G16Y40/10
Abstract: 本发明公开了一种基于三维地理位置的物联网终端路径损耗优化方法与系统，属于无线通信技术领域。本发明针对野外复杂环境短距离物联网终端网络，提出了一种增强型双线地面反射模型。基于实测的三维地理信息，可以修正测量点处距离发射点的位置信息，并且获得测量点附近的环境信息。基于修正的位置信息，修正通信系统中的发射天线耦合度、地平面复介电常数的实部和虚部，进而得出更为准确的信号强度数据。基于新获得的修正参数，引入MLSL算法来获得更加符合实际测量数据的拟合曲线路径损耗模型。与传统的实验模型相比，可以有效提高拟合度。
-
公开(公告)号：CN116828539A
公开(公告)日：2023-09-29
申请号：CN202310901455.X
申请日：2023-07-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度强化学习的联合计算迁移和无人机轨迹优化方法，属于无人机辅助车联网的边缘计算领域，考虑无人机辅助车辆移动边缘计算的场景，利用深度强化学习优化策略优化每一个时隙每个无人机选择服务的用户以及任务卸载比率，无人机飞行角度和飞行速度，进而减少系统时延，同时提高无人机服务车辆的公平性。本发明使用多智能体双延迟深度确定性策略梯度算法可以有效解决计算迁移和无人机轨迹的联合优化问题，可以在一系列连续动作空间的优化中表现稳定。
-
公开(公告)号：CN116390163A
公开(公告)日：2023-07-04
申请号：CN202310377496.3
申请日：2023-04-11
Applicant: 东南大学
IPC: H04W28/08 , H04L41/0893 , G06F9/50 , G06N3/126
Abstract: 本发明公开了一种多接入网切片场景下基于遗传算法的边缘计算卸载方法，包括：首先初始化模型，得到所有用户的任务量及时延约束，得到所有雾接入点和云服务器的计算能力，得到所有信道的信道增益；随后创建接入网切片实例，包括大规模物联网切片及低时延高可靠切片，为不同切片设置卸载策略；根据不同切片内用户卸载策略初始化种群，并对初始化种群个体进行优化和淘汰；之后设置迭代步长为t，开始进行迭代；先通过轮盘赌选择法对个体进行选择操作；再对选择的个体进行单点交叉操作；之后对交叉后的个体进行变异操作；然后判断是否达到迭代步长t，若否，则重复上述选择，交叉，变异操作；若是，则输出适应值最高的个体作为卸载策略。
-
公开(公告)号：CN112118596B
公开(公告)日：2022-12-06
申请号：CN202011001435.X
申请日：2020-09-22
Applicant: 东南大学
IPC: H04W24/08 , H04B17/391 , H04B17/318
Abstract: 本发明公开了一种基于路径序列回归的无线信号强度预测方法，从一个小区单天线的场景下，获得小区内每个接收节点的特征值，并将所得特征形成一个特征向量作为一个接收节点的特征向量，多次构建以天线为起始点的无向连通图，并获得多条从天线到每个接收节点最短路径，每个最短路径上的节点对应的特征向量构成向量序列，将序列输入循环神经网络中进行进一步的学习并输出其状态，该状态经过一个全连接网络预测接收点信号强度。本发明的一种基于路径序列回归的无线信号强度预测方法能够通过有效的特征提取和有效的特征学习，充分利用神经网络的学习能力，达到较高精准度的预测。
-
公开(公告)号：CN113315724B
公开(公告)日：2022-08-30
申请号：CN202110576833.2
申请日：2021-05-26
Applicant: 东南大学
Abstract: 本发明公开一种应用于RIS辅助移动通信系统的多普勒频偏估计与补偿方法。首先，输入所需参数，包括发射信号x和接收信号y；其次，使用多普勒频偏估计方法来获取直达径和反射径的多普勒频偏；最后，使用多普勒频偏补偿方法，最大程度地消除接收信号的多普勒频偏。本发明能够有效应对可重构反射面辅助移动通信系统中的多普勒效应；该方案具有应用范围广泛、估计结果精确、可行性较高等优点。
-
-
-
-
-
-
-
-
-
Search Results
316
records
(took 0.077 seconds)
