-
公开(公告)号：CN113371765A
公开(公告)日：2021-09-10
申请号：CN202110832397.0
申请日：2021-07-22
Applicant: 重庆邮电大学
IPC: C01G53/00 , C01B32/921 , C09K3/00 , H05K9/00
Abstract: 本发明涉及一种基于NiFe层状双金属氧化物修饰MXene的电磁吸波材料的制备方法及其产品，属于电磁吸波材料制备技术领域。本发明分别提供了MXene、Ni、Fe双金属氢氧化物修饰MXene(NiFe‑LDH/MXene前驱体)和双金属氧化物表面修饰MXene(NiFe‑MMO/MXene)的制备方法，其中剥层后MXene为类手风琴层状结构，NiFe‑LDH/MXene为三维多孔网状结构，NiFe‑MMO/MXene仍保持三维多孔结构，最终制备得到的复合材料形成大量不连续网络，有利于增加入射电磁波的漫反射和界面电荷极化。本发明制备的电磁吸波材料通过测试发现：4mm厚度的NiFe‑MMO/MXene在C波段反射损耗皆可以达到‑35dB。
-
公开(公告)号：CN113327258A
公开(公告)日：2021-08-31
申请号：CN202110801472.7
申请日：2021-07-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度学习的肺部CT图像识别方法，属于图像处理技术领域。该方法包括以下步骤：S1：获取原始肺部CT图像数据集；S2：使用改进的U‑Net网络对原始肺部CT图像数据集进分割，其中改进的U‑Net网络使用Focal Loss作为损失函数提高肺区分割能力；S3：使用分割后的肺部CT图像作为训练集和测试集，将训练集输入CCT网络进行训练；S4：将测试集输入至训练好的CCT网络，输出病症类别的概率值，通过概率值确认检测患者的肺部CT图像类别。本发明大大减少了训练所需的计算资源，同时提高了图像识别的精确度。
-
公开(公告)号：CN112929068A
公开(公告)日：2021-06-08
申请号：CN202110159265.6
申请日：2021-02-04
Applicant: 重庆邮电大学
IPC: H04B7/06
Abstract: 本发明涉及一种基于SDR的IRS‑NOMA系统波束赋形优化方法，属于数据处理领域。该方法包括以下步骤：S1：给所有用户都分配一个波束，通过功率的大小来区分不同用户；S2：建立系统模型和QoS问题模型；S3：利用交替优化的思想，迭代求解波束赋形矢量和相移矩阵。本发明研究了智能反射面辅助的NOMA下行链路波束赋形算法。相较于传统的NOMA系统，本发明所提模型对信道条件的要求更加宽松，且适用于更普遍的用户不均匀分簇场景。为了提高IRS‑NOMA网络的能量效率，本发明提出了基于SDR的联合优化算法以使发射功率最小化。仿真结果表明，所提SDR算法在目标速率要求较高时具有显著优势。
-
公开(公告)号：CN112929067A
公开(公告)日：2021-06-08
申请号：CN202110157241.7
申请日：2021-02-04
Applicant: 重庆邮电大学
IPC: H04B7/06
Abstract: 本发明涉及一种基于SCA的IRS‑NOMA系统低复杂度波束赋形方法，属于数据处理领域。该方法包括以下步骤：S1：给所有用户都分配一个波束，通过功率的大小来区分不同用户；S2：建立系统模型和QoS问题模型；S3：利用交替优化的思想，在发射单元较多以及低目标速率情况下，迭代求解波束赋形矢量和相移矩阵。本发明研究了智能反射面辅助的NOMA下行链路波束赋形算法。为了降低计算复杂度，本发明提出了一种基于SCA的低复杂度优化方法。所提SCA方法在目标速率较低时同样拥有较好性能，并且优于现有方法。
-
公开(公告)号：CN112865893A
公开(公告)日：2021-05-28
申请号：CN202110085028.X
申请日：2021-01-20
Applicant: 重庆邮电大学
IPC: H04B17/336 , H04B17/382 , H04B17/391
Abstract: 本发明涉及一种智能反射面辅助的SM‑NOMA系统资源分配方法，属于通信技术领域，包括：对于智能反射面辅助的SM‑NOMA系统，考虑每个用户的有效信道增益进行动态用户分组；根据基站与用户的最大发射功率约束、智能反射单元的入射信号相移约束，建立以最大化系统和速率为目标的功率分配模型。本发明所述的系统资源分配算法在保证每组用户信道差异性最大的前提下，可以有效的提升系统和速率并降低系统误码率。
-
Patent Agency Ranking
公开(公告)号：CN111956210A
公开(公告)日：2020-11-20
申请号：CN202010880573.3
申请日：2020-08-27
Applicant: 重庆邮电大学
IPC: A61B5/0456
Abstract: 本发明涉及一种基于EEMD和信号结构分析的心电信号R波识别方法，属于心电信号检测技术领域。该方法首先利用EEMD将带噪声的心电信号分解成一系列IMF和残余分量。EEMD分解后的各模态分量可看作是心电信号不同成分，噪声以及R波的线性组合；即R波作为源信号分布在各个IMF中；然后通过ICA算法从各模态分量中提取出R波；最后将ICA分离出的R波分量通过滑动窗口获取R波的包络线获得初步检测的R波，并对初步检测到的R波根据优化标准进行不断迭代优化，最终实现R的识别。本发明针对带噪声的心电信号无需预处理过程即可直接识别R波，且能实现对R波的准确定位。
-
公开(公告)号：CN111481192A
公开(公告)日：2020-08-04
申请号：CN202010323589.4
申请日：2020-04-22
Applicant: 重庆邮电大学
IPC: A61B5/0456 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/00
Abstract: 本发明涉及一种基于改进U-Net的心电信号R波检测方法，属于心电信号技术领域该方法主要包括如下几个要点：1)对获取的心电数据进行预处理；2)将经过预处理的心电数据输入训练好的U-net网络模型中；3)获取U-net网络模型输出的心电信号分割数据；4)结合组平均聚类算法对分割结果进行优化，最终输出R波位置。与传统的R波检测方法相比，本发明引入深度学习中的分割网络，提高了在强噪声或波形异常环境下R波检测的正确率，该方法具有较好的定位灵敏度和鲁棒性。
-
公开(公告)号：CN111429322A
公开(公告)日：2020-07-17
申请号：CN202010327472.3
申请日：2020-04-23
Applicant: 重庆邮电大学
IPC: G06Q50/20 , G06F16/27 , G06F16/2455 , G06F16/242 , G06F16/23 , H04L29/06 , H04L29/08
Abstract: 本发明涉及基于联盟链的学历学位证书可信管理系统，属于区块链技术领域。该系统由Web应用和区块链网络组成，用户可以通过浏览器与系统交互。Web应用主要包括用户管理、学历学位证书信息存证管理、系统公告管理、区块链信息查询等业务功能模块。区块链网络部分完成了区块链网络架构设计和智能合约设计，采用CouchDB作为状态数据库记录学历学位证书信息的状态。本发明改变了传统区块链应用依托客户端账户的开发模式，实现了教育与区块链技术相结合的系统设计创新。将学历学位证书信息存储进区块链中，解决学历学位证书信息存储存在的单点故障和潜在篡改问题，并利用Kafka作为交易的消息队列，实现交易处理的高吞吐量。
-
公开(公告)号：CN111420308A
公开(公告)日：2020-07-17
申请号：CN202010299279.3
申请日：2020-04-16
Applicant: 重庆邮电大学
IPC: A61N7/00 , A61N7/02 , H02M3/04 , G05B13/02 , G05B19/042
Abstract: 本发明公开一种基于频率自动跟踪的超声理疗仪，包括：微控制器、信号发生模块、功率放大模块、阻抗匹配模块、频率跟踪模块；本发明的频率自动跟踪系统采用闭环反馈跟踪系统，在超声电源系统工作过程中，频率跟踪模块实时采集超声波换能器两端的电压信号和电流信号并转换成第四驱动信号送入微控制器进而输出脉冲信号至模糊控制器进行自适应调节，最后将自适应调节后的脉冲信号经过DDS电路输出超声激励信号，经过整形滤波电路输出第一驱动信号，经过占空比调节电路输出第二驱动信号，经过功率放大模块输出高稳定和高精度的超声激励信号，经过阻抗匹配模块输出电压信号和电流信号，使得信号输出频率与输入频率逐渐保持一致，实现频率自动跟踪。
-
公开(公告)号：CN106788939B
公开(公告)日：2020-02-21
申请号：CN201710001436.6
申请日：2017-01-03
Applicant: 重庆邮电大学
IPC: H04L5/00
Abstract: 本发明涉及一种联合子载波和人工蜂群算法的OFDMA自适应资源分配方案，即：自适应子载波－人工蜂群资源分配(Adaptive Subcarrier‑Artificial Bee Colony Resource Allocation,AS‑ABCRA)方案。该方案主要通过子载波分配和基于人工蜂群算法的功率分配两步来实现。为了最大化系统容量，在子载波分配中通过松弛用户间的速率比例约束条件将所有子载波分配给每个用户。由于仅进行子载波分配并不能同时兼顾用户的公平性和系统容量，更不能充分利用多用户的分集增益。所以，在功率分配中采用一种基于人工蜂群(Artificial Bee Colony,ABC)算法的功率分配算法对各个用户进行功率分配，并利用等功率的分配方式对每个用户所分配得到的子载波进行子载波间的功率分配。最终，在兼顾用户公平性的同时，也使OFDMA系统的容量达到最大化。
-
-
-
-
-
-
-
-
-
Search Results
221
records
(took 0.029 seconds)
