-
公开(公告)号：CN116015371A
公开(公告)日：2023-04-25
申请号：CN202211686798.0
申请日：2022-12-26
Applicant: 浙江大学
IPC: H04B7/0413 , G06N3/045 , G06N3/0464 , G06N3/08 , H04B7/06 , H04L1/06 , H04L25/02
Abstract: 本发明公开了一种基于神经网络的大规模MIMO的CSI压缩与反馈方法及系统，本发明采用一种新的深度神经网络结构来完成CSI的反馈，该网络称为Dilated Attention Inception Net(DAINet)。将待反馈压缩的CSI数据经过2D DFT变换后依次输入至训练好的DAINet的预去噪模块、编码器中，压缩输出一维码字后进行反馈，再在反馈接收端由训练好的译码器接收并译码得到角度延迟域内的CSI矩阵，最后通过2D IDFT变换得到空间频率域的CSI矩阵恢复值；在理想信道估计和非理想信道估计情况下，综合考虑准确率、训练代价，所提出的DAINet优于现有的方法。具体而言，在理想信道估计情况下，DAINet的NMSE(标准均方差)约为AnciNet的1/2，CsiNet的1/12；在非理想情况下，DAINet的NMSE约为AnciNet的9/10，CsiNet的1/2。DAINet的网络参数数量约为AnciNet的80％，CsiNet的130％。
-
公开(公告)号：CN113347125B
公开(公告)日：2022-10-04
申请号：CN202110644189.8
申请日：2021-06-09
Applicant: 浙江大学
Abstract: 本申请提出了一种针对MIMO‑OFDM通信系统的贝叶斯神经网络信道估计方法，涉及深度学习技术领域，其中，该针对MIMO‑OFDM通信系统的贝叶斯神经网络信道估计方法包括：获取输入数据，并通过MIMO‑OFDM通信系统进行数据传输，得到接收端的通信数据；根据接收端的通信数据和预先训练好的贝叶斯神经网络确定信道响应的估计值，其中，贝叶斯神经网络中的网络参数均为概率分布；根据信道响应的估计值在接收端对发送数据进行恢复并解码。本发明引入贝叶斯神经网络对MIMO‑OFDM信道进行拟合，提高了信道估计准确度。
-
Patent Agency Ranking
公开(公告)号：CN116963053A
公开(公告)日：2023-10-27
申请号：CN202310356785.5
申请日：2023-04-06
Applicant: 浙江大学
IPC: H04W12/0433 , H04W12/0431 , H04W12/041 , H04W12/03 , H04W84/18
Abstract: 本发明提出了一种用于无线传感器网络的轻量级数据安全传输方法及系统，该方法包括以下步骤：中心节点在入网时面向无线传感器网络节点分配预共享密钥、初始向量、节点序号和包序号，并根据网络规模与节点性能设置相应的密钥更新间隔与密钥保存时间；网络节点部署完成后与中心节点直接同步计算出密钥序列生成算法所需的初始化种子；发送方与接收方根据同步的会话密钥，实现全双工的安全加密通信；发送方或接收方在预设的密钥更新间隔到达后更新出新的会话密钥以保证密钥的新鲜度。本发明在保证数据安全传输的基础上通过减少交互次数有效降低网络开销，同时对网络节点的计算能力与存储空间要求低，兼顾安全性与轻量性的优点。
-
公开(公告)号：CN115147576A
公开(公告)日：2022-10-04
申请号：CN202210770567.1
申请日：2022-06-30
Applicant: 浙江大学
Abstract: 本发明公开了一种实时精准的，并基于关键特征主动识别的水下机器人对接单目视觉导引方法，该方法由远端视觉引导与近端视觉引导两部分组成，在视觉作用远端时检测坞站外部机械装置关键点，视觉作用近端时通过预测坞站内部目标物关键特征来推断关键点所在位置。本发明设计了远端视觉引导方案，采用目标检测网络检测坞站机械装置关键点像素位置，并使用一种两步位姿估计法提高位姿解算的精度；设计了近端视觉引导方案，采用目标区域稠密矢量作为关键特征，并基于矢量投票和矢量投影的两步关键点位置估计方法提高关键点像素位置的准确度，进一步使用两步位姿估计法提高位姿解算精度。
-
公开(公告)号：CN116567531A
公开(公告)日：2023-08-08
申请号：CN202310364181.5
申请日：2023-04-07
Applicant: 浙江大学
Abstract: 本发明公开了一种基于粒子滤波算法的传感器融合室内定位方法及系统，应用于云服务器，该方法包括：通过UWB收发器测量得到各个基站与移动智能终端的距离；在移动的过程中，通过惯性传感器单元，计算得到用户在移动过程中产生的位移矢量；接下来，利用UWB信号的信道响应信息得到有效测距基站的数目；最后，将目前计算得到的所有数据作为粒子滤波融合算法的输入，利用融合算法完成数据融合，得到所属移动智能终端的位置信息。本发明充分考虑了室内复杂环境对于UWB信道的影响，设计了一种融合定位方法，相较于单一信源定位而言，对外界环境变化的鲁棒性更强、定位精度更高、实用性更强；相较于传统的多源融合算法而言，灵活性和可移植性更强。
-
公开(公告)号：CN116524340A
公开(公告)日：2023-08-01
申请号：CN202310364180.0
申请日：2023-04-07
Applicant: 浙江大学
IPC: G06V20/05 , G06V10/40 , G06V10/82 , G06V10/778 , G06V10/24 , G06N3/0464 , G06N3/0442 , G06N3/0455
Abstract: 本发明公开了一种基于稠密点重建的AUV近端对接单目位姿估计方法及装置，包括：通过AUV的内置单目摄像头获取水下图像；对所述水下图像进行图像预处理；将经过预处理的图像输入至近端对接位姿估计的深度学习模型中进行位姿估计，深度学习模型包括目标物检测模块用于在预处理后的图像中检测出目标物，并生成目标物图像块；坞站内部目标物稠密点重建模块采用编码‑解码网络对所述目标物区块图提取特征并重建目标物的稠密点坐标；法向量监督模块用于从所述目标物区块图中恢复出物体的表面法向量图；Edge‑PnP位姿估计模块利用图卷积网络从所述目标物的稠密点坐标和物体的表面法向量图中学习位姿特征并估计出最终6D位姿。解决传统方法的关键点丢失无法结算的问题。
-
公开(公告)号：CN113347125A
公开(公告)日：2021-09-03
申请号：CN202110644189.8
申请日：2021-06-09
Applicant: 浙江大学
Abstract: 本申请提出了一种针对MIMO‑OFDM通信系统的贝叶斯神经网络信道估计方法，涉及深度学习技术领域，其中，该针对MIMO‑OFDM通信系统的贝叶斯神经网络信道估计方法包括：获取输入数据，并通过MIMO‑OFDM通信系统进行数据传输，得到接收端的通信数据；根据接收端的通信数据和预先训练好的贝叶斯神经网络确定信道响应的估计值，其中，贝叶斯神经网络中的网络参数均为概率分布；根据信道响应的估计值在接收端对发送数据进行恢复并解码。本发明引入贝叶斯神经网络对MIMO‑OFDM信道进行拟合，提高了信道估计准确度。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
