基于信道知识地图的多小区干扰协调方法

    公开(公告)号:CN119545527A

    公开(公告)日:2025-02-28

    申请号:CN202411736968.0

    申请日:2024-11-29

    Applicant: 上海大学

    Abstract: 一种基于信道知识地图的多小区干扰协调方法,将信道增益地图(CGM)部署在基站端并在考虑小区间干扰的情况下,通过CGM中提取CSI进而计算用户在每条子信道上的信号与干扰加噪声比(SINR)后,基于最大化SINR算法进行多小区场景下的干扰协调的子信道分配;通过信道增益地图更新每个子信道的CSI后,通过最小加权均方误差算法(WMMSE)进行多小区功率分配。本发明在多小区多用户的场景下,通过构建信道增益地图获取完整CSI进行多小区的子信道分配联合功率分配,在保证系统和速率增益的同时,显著降低信道估计的开销。

    一种双基地雷达的长时间累积检测方法

    公开(公告)号:CN119224758A

    公开(公告)日:2024-12-31

    申请号:CN202411377076.6

    申请日:2024-09-30

    Applicant: 上海大学

    Abstract: 本发明涉及一种基于双基地雷达的长时间累积检测方法,该方法首先构建双基地雷达检测模型,接收外辐射源信号经目标反射产生的回波信号;再对回波信号依次进行脉冲压缩、进行距离维FFT、与产生距离匹配滤波器的频率响应函数相乘,与引起距离徙动的指数项的共轭相乘、距离‑多普勒维的快速傅里叶变换处理、Keystone的线性调频Z变换处理和距离维IFFT处理,得到第五回波信号;第五回波信号进行峰值检测,即可检测出目标并获取其运动参数。与现有技术相比,本发明具有降低在距离维进行FFT处理未插值时由量化误差引起的能量积累损失、有效完成距离徙动校正与脉冲积累、降低长时间累积带来的运算复杂度等优点。

    一种基于大语言模型的遥感解译智能体系统

    公开(公告)号:CN119005242A

    公开(公告)日:2024-11-22

    申请号:CN202410864445.8

    申请日:2024-06-30

    Applicant: 上海大学

    Abstract: 本发明公开了一种基于大语言模型的遥感解译智能体系统,该系统通过集成多种遥感专有模型,如高光谱分类、变化检测、目标检测和场景分类等,将其解耦为图像编码模块和任务相关的解码模块,并通过接口封装实现灵活组合,以便大语言模型能够针对不同的遥感解译任务进行处理。引入了结构化输出机制,系统还引入了检索增强生成技术(RAG),建立了外部向量数据库,存储了标注好的决策流程示例和用户评价良好的决策流程。本发明不仅提出了一个适用于各类遥感解译场景下的通用智能体,还丰富了遥感解译任务的方法与应用,能够自适应地根据用户输入多模态数据解决用户需求,具有广泛的应用前景和实用价值,为遥感领域的研究和实践带来重要的技术支持。

    一种无人机辅助的船舶数据卸载系统及方法

    公开(公告)号:CN116133050A

    公开(公告)日:2023-05-16

    申请号:CN202310022359.8

    申请日:2023-01-08

    Applicant: 上海大学

    Abstract: 本发明提供了一种无人机辅助的船舶数据卸载系统及方法,属于无线通信技术领域。本系统包括无人机和多个船舶数据节点,无人机利用其高速移动性能快速接近船舶,通过其搭载的无线收发装置与船舶数据节点建立通信连接,将船舶的数据卸载下来。本方法采用TDMA通信方式,根据各个数据节点位置,对船舶数据节点与无人机的关联和无人机的飞行路径进行优化,使得在满足每个船舶数据节点的服务质量的基础上,最小化无人机的能耗。本发明能够有效提高船舶作业的效率和安全。

    一种基于融合稀疏表示矩阵的人体动作识别方法

    公开(公告)号:CN105046193A

    公开(公告)日:2015-11-11

    申请号:CN201510306471.X

    申请日:2015-06-05

    Applicant: 上海大学

    CPC classification number: G06K9/00342 G06K9/46 G06K2009/4695

    Abstract: 本发明公开了一种基于融合稀疏表示矩阵的人体动作识别方法,包括采集数据,构建各测试对象的动作矩阵步骤、构建过完备字典步骤、求解各测试对象的稀疏表示矩阵步骤、求解第一融合稀疏表示矩阵步骤、求解第二融合稀疏表示矩阵和动作识别步骤。本发明利用大量不同的人体动作数据进行训练,通过两次不同的融合方法,首先减小了训练过程中同一对象得到的稀疏表示矩阵的误差,然后减少了不同对象间的差异,减少了冗余信息,融合分类过程中的有效信息,使互补信息和协同信息得到最优化,提高人体动作识别的准确率。

    一种基于融合稀疏表示矩阵的人体动作识别方法

    公开(公告)号:CN105046193B

    公开(公告)日:2018-07-10

    申请号:CN201510306471.X

    申请日:2015-06-05

    Applicant: 上海大学

    Abstract: 本发明公开了一种基于融合稀疏表示矩阵的人体动作识别方法,包括采集数据,构建各测试对象的动作矩阵步骤、构建过完备字典步骤、求解各测试对象的稀疏表示矩阵步骤、求解第一融合稀疏表示矩阵步骤、求解第二融合稀疏表示矩阵和动作识别步骤。本发明利用大量不同的人体动作数据进行训练,通过两次不同的融合方法,首先减小了训练过程中同一对象得到的稀疏表示矩阵的误差,然后减少了不同对象间的差异,减少了冗余信息,融合分类过程中的有效信息,使互补信息和协同信息得到最优化,提高人体动作识别的准确率。

    MEC辅助系统中的多维度资源联合优化方法

    公开(公告)号:CN118945688A

    公开(公告)日:2024-11-12

    申请号:CN202410946105.X

    申请日:2024-07-15

    Applicant: 上海大学

    Abstract: 一种基于MEC辅助系统中面向用户计算卸载的多维度资源联合优化方法,通过构建包含网络模型、通信模型、缓存模型以及计算卸载模型的MEC辅助网络中面向用户计算卸载的系统模型,并基于此模型构建以最小化系统加权开销为目标的联合优化问题,再通过深度强化学习算法求解得到最优策略,实现多维度资源联合优化。本发明考虑在MEC辅助的网络场景下,考虑到用户不同的计算任务类型,联合优化计算、通信、缓存(3C)资源,充分利用各维度资源,发挥MEC的潜在优势,在联合优化问题建模过程中,同时考虑降低用户设备计算任务处理的时延和能耗,显著提升系统的整体性能和用户体验,弥补现有技术中资源优化目标单一的问题。

    基于多模态的反无人机数据采集及智能标注系统及其操作方法

    公开(公告)号:CN118429702A

    公开(公告)日:2024-08-02

    申请号:CN202410508219.6

    申请日:2024-04-25

    Applicant: 上海大学

    Abstract: 本发明公开了一种基于多模态的反无人机数据采集及智能标注系统及其操作方法,包括数据采集模块、智能标注模块以及数据存储模块,本发明通过采集多模态数据,融合深度学习视觉模型与通用分割大模型的优点,实现了数据的多样化采集以及对数据高精度、低成本、快速率的标注。在构建该系统时,首先通过目前已有的红外反无人机跟踪数据集Anti‑UAV对深度学习模型进行离线训练,确保模型能够准确的定位红外图像中的无人机目标。然后利用数据采集模块录制多模态的视频数据,在对视频数据分解成帧以及预处理后,将其分序列配对存储。本发明深度学习算法能够在复杂的场景中实现快速的目标定位和标注,有效提升了标注工作的效率。

    一种基于时空欠采样的雷达成像方法、装置和介质

    公开(公告)号:CN118191842A

    公开(公告)日:2024-06-14

    申请号:CN202410363736.9

    申请日:2024-03-28

    Applicant: 上海大学

    Abstract: 本发明涉及一种基于时空欠采样的雷达成像方法、装置和介质,方法包括以下步骤:依照实际设备处理能力,设定空间稀疏阵列与每个观测位置上雷达采样点数;启动扫描装置,控制雷达在每个设定的观测位置上完成数据采集,得到回波信号;对回波信号进行相干累积,通过统计估值方法,根据回波信号包含的采样点构造时域欠采样下的雷达成像面,并记录中心采样位置的距离信息;通过变分贝叶斯低秩矩阵填充算法,对雷达成像面中因空间欠采样而丢失的数据进行恢复,得到数据恢复后的成像面;对数据恢复后的成像面,根据距离信息构建匹配滤波因子,通过距离徙动算法架构完成成像。与现有技术相比,本发明具有数据需求小、避免优化问题、成像速度快等优点。

Patent Agency Ranking