-
公开(公告)号：CN111949135B
公开(公告)日：2022-06-17
申请号：CN202010895087.9
申请日：2020-08-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于混合预测的触感通信容错方法及系统，在发送数据时，通过对要发送的数据进行预测压缩，仅发送预测值与真实值相对偏差大于死区参数的数据帧，以减少需要发送的数据量；在接收数据时，若遇到缺失的数据，计数加1，并将当前的计数值n与先前接收到的预测阈值L进行比较，若n>L，则采用零阶保持预测算法预测缺失的数据，否则采用LSTM模型预测缺失的数据；若接收到数据，则令计数值清零，此时的预测值为真实值，同时获取新接收到的预测阈值L。本发明通过连续预测阈值的设定，使得接收端可以自主的选择相对保守的预测算法，减小了连续预测导致的积累误差所带来的影响，进一步提高了触感通信系统稳定性。
-
公开(公告)号：CN111277899B
公开(公告)日：2021-06-22
申请号：CN202010098992.1
申请日：2020-02-18
Applicant: 福州大学
IPC: H04N21/442 , H04N21/475
Abstract: 本发明涉及一种基于短期记忆和用户期望的视频质量评价方法，通过主观实验，获取短期记忆形成的不同时长以及由于短期记忆后产生的用户期望对视频体验数据。最后通过数据分析及数学建模，来获取记忆形成时长和用户期望对视频体验质量的评价模型。本发明考虑了短期记忆和用户期望与视频质量的影响，能够获取更精准的视频质量评价。
-
公开(公告)号：CN112631434A
公开(公告)日：2021-04-09
申请号：CN202110028453.5
申请日：2021-01-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度学习的振动触觉编解码方法，具体包括以下步骤：将触觉信号不同维度数据进行联合编码，去除触觉数据三维空间上存在的冗余，同时对其进行预处理；利用门控循环单元网络GRU进行训练，每次均以两组数据输入，得到下一组数据的预测数据，并以下一组数据的真实值作为标签，将预测数据和真实数据进行比较计算残差对预测数据进行补偿，得到重构后的预测数据；将重构的预测数据与和前一组数据打包重新作为下一轮预测的输入数据。本发明较现有技术，在性能上有大幅度的提升。
-
公开(公告)号：CN112564713A
公开(公告)日：2021-03-26
申请号：CN202011368867.4
申请日：2020-11-30
Applicant: 福州大学
IPC: H03M13/00
Abstract: 本发明提出一种高效率低时延的动觉信号编解码器及编解码方法，编码器由信号放大器、离散余弦变换模块、量化器、游程编码模块和熵编码器组成；解码器由熵解码器、游程解码模块、逆量化器、逆离散余弦变换模块和逆放大器组成。其提出的高效率低时延的动觉信号编解码器设计，相比与现有的先进的触感编码方法，压缩率方面相比于基于死区的触感编码标准算法平均降低50%，同时失真度和时延都更小。
-
公开(公告)号：CN111949135A
公开(公告)日：2020-11-17
申请号：CN202010895087.9
申请日：2020-08-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于混合预测的触感通信容错方法及系统，在发送数据时，通过对要发送的数据进行预测压缩，仅发送预测值与真实值相对偏差大于死区参数的数据帧，以减少需要发送的数据量；在接收数据时，若遇到缺失的数据，计数加1，并将当前的计数值n与先前接收到的预测阈值L进行比较，若n>L，则采用零阶保持预测算法预测缺失的数据，否则采用LSTM模型预测缺失的数据；若接收到数据，则令计数值清零，此时的预测值为真实值，同时获取新接收到的预测阈值L。本发明通过连续预测阈值的设定，使得接收端可以自主的选择相对保守的预测算法，减小了连续预测导致的积累误差所带来的影响，进一步提高了触感通信系统稳定性。
-
Patent Agency Ranking
公开(公告)号：CN114900827A
公开(公告)日：2022-08-12
申请号：CN202210502957.0
申请日：2022-05-10
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度强化学习在D2D异构蜂窝网络中的隐蔽通信系统，包括随机分布的M个用户和N个基站；所述N个基站中包含1个宏基站和N‑1个小基站；所述M个用户分别配备了发射天线和接收天线，在蜂窝模式或者D2D模式下通信；所述M个用户的位置固定不变，个数为偶数，每两个用户组成一对进行D2D通信，每对D2D链路由发射者Dr和接收者Dt组成；还包括一无人机，对其中一对用户进行监测，并给定一个隐蔽传输速率R；当用户与基站进行通信时，采用最大信噪比的方式将用户与基站关联。本发明能够通过采用深度强化学习的方法让用户进行不同通信模式的选则以及功率分配，从而最大化隐蔽传输速率。
-
公开(公告)号：CN112631434B
公开(公告)日：2022-04-12
申请号：CN202110028453.5
申请日：2021-01-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度学习的振动触觉编解码方法，具体包括以下步骤：将触觉信号不同维度数据进行联合编码，去除触觉数据三维空间上存在的冗余，同时对其进行预处理；利用门控循环单元网络GRU进行训练，每次均以两组数据输入，得到下一组数据的预测数据，并以下一组数据的真实值作为标签，将预测数据和真实数据进行比较计算残差对预测数据进行补偿，得到重构后的预测数据；将重构的预测数据与和前一组数据打包重新作为下一轮预测的输入数据。本发明较现有技术，在性能上有大幅度的提升。
-
公开(公告)号：CN113852813A
公开(公告)日：2021-12-28
申请号：CN202111114535.8
申请日：2021-09-23
Applicant: 福州大学
IPC: H04N19/117 , H04N19/80 , H04N19/85 , G06K9/62
Abstract: 本发明提出一种基于注意力机制的压缩视频修复与画质增强方法及系统，首先，采用动态滤波处理，对视频的当前帧和目标帧在特征域上进行对齐，进而有效的利用视频帧间的时空关系；其次，为了避免过度平滑，利用注意力机制设计序列残差注意力模块(SRAB)作为网络的基本单元，对视频帧的细节进行修正；最后，利用训练模型预测出的结果与原始未压缩的视频帧进行对比，判断任务中目标的完成情况。本发明方法较采用其他视频增强算法相比本发明在视觉性能上表现最好，并且处理速度较快，优势明显。
-
公开(公告)号：CN111277899A
公开(公告)日：2020-06-12
申请号：CN202010098992.1
申请日：2020-02-18
Applicant: 福州大学
IPC: H04N21/442 , H04N21/475
Abstract: 本发明涉及一种基于短期记忆和用户期望的视频质量评价方法，通过主观实验，获取短期记忆形成的不同时长以及由于短期记忆后产生的用户期望对视频体验数据。最后通过数据分析及数学建模，来获取记忆形成时长和用户期望对视频体验质量的评价模型。本发明考虑了短期记忆和用户期望与视频质量的影响，能够获取更精准的视频质量评价。
-
公开(公告)号：CN114900827B
公开(公告)日：2024-05-31
申请号：CN202210502957.0
申请日：2022-05-10
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度强化学习在D2D异构蜂窝网络中的隐蔽通信系统，包括随机分布的M个用户和N个基站；所述N个基站中包含1个宏基站和N‑1个小基站；所述M个用户分别配备了发射天线和接收天线，在蜂窝模式或者D2D模式下通信；所述M个用户的位置固定不变，个数为偶数，每两个用户组成一对进行D2D通信，每对D2D链路由发射者Dr和接收者Dt组成；还包括一无人机，对其中一对用户进行监测，并给定一个隐蔽传输速率R；当用户与基站进行通信时，采用最大信噪比的方式将用户与基站关联。本发明能够通过采用深度强化学习的方法让用户进行不同通信模式的选则以及功率分配，从而最大化隐蔽传输速率。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.02 seconds)
