公开(公告)号：CN101159467A

公开(公告)日：2008-04-09

申请号：CN200710121234.1

申请日：2007-08-31

Applicant: 北京邮电大学 ,  富士通株式会社

Inventor： 李立华 ,  武平 ,  张新宇 ,  陶小峰 ,  张平 ,  关宏之

IPC: H04B7/08 ,  H04B1/707 ,  H04L1/06 ,  H04L27/26

Abstract: 本发明公开了一种删除并行子信道传输干扰的接收方法，包括步骤：接收机在接收端进行传输信道估计；接收机利用传输信道估计结果，并且根据发送加权矩阵以及接收加权矩阵，重构传输干扰矩阵；根据重构的传输干扰矩阵，并且利用迭代方法，删除并行子信道之间的干扰；对各个子信道的数据进行解调。根据本发明，简化了干扰删除技术，可获得优异的误码率、吞吐量等性能。此外，本发明对MIMO信道的空间相关特性不敏感，可在多种信道状况下，可接近相应MIMO信道的信道容量，有着很强的适用性。

公开(公告)号：CN111866932B

公开(公告)日：2021-03-12

申请号：CN202010787642.6

申请日：2020-08-07

Applicant: 北京邮电大学

Inventor： 徐冬竹 ,  周安福 ,  张新宇 ,  刘亮 ,  马华东

IPC: H04W24/08 ,  H04W24/10

Abstract: 本申请实施例提供了一种网络测量方法、装置及电子设备，涉及网络通信技术领域，包括：获得反映待测网络的物理层性能的第一测量参数；获得反映所述待测网络的数据链路层性能的第二测量参数；获得反映所述待测网络的网络层性能的第三测量参数；获得反映所述待测网络的传输层性能的第四测量参数；获得反映所述待测网络的应用层性能的第五测量参数；根据所述第一测量参数、第二测量参数、第三测量参数、第四测量参数、第五测量参数，得到网络测量结果。由此可见，应用本申请实施例提供的方案，可以提高网络测量的准确度。

公开(公告)号：CN112367490A

公开(公告)日：2021-02-12

申请号：CN202010954328.2

申请日：2020-09-11

Applicant: 北京邮电大学

Inventor： 张欢欢 ,  周安福 ,  张新宇 ,  马华东

IPC: H04N7/14 ,  H04N21/647

Abstract: 本发明实施例提供了面向交互视频传输质量提升的混合学习方法、装置及电子设备，方法包括：针对当前传输时隙，获取上一传输时隙的传输参数及包间延迟序列；将上一传输时隙的传输参数输入码率预测深度强化学习模型，确定第一备选传输码率；基于包间延迟序列所表示的包间延迟趋势确定网络状态标识值；确定当前传输时隙的网络状态阈值；如果网络状态标识值不大于当前传输时隙的网络状态阈值，基于第一备选传输码率发送数据包；如果网络状态标识值大于当前传输时隙对应的网络状态阈值，基于传输码率调整规则、上一传输时隙的传输码率及传输参数确定第二备选传输码率，基于第二备选传输码率发送数据包。采用本发明实施例可以提高视频通话的质量。

公开(公告)号：CN101159467B

公开(公告)日：2012-09-05

申请号：CN200710121234.1

申请日：2007-08-31

Applicant: 北京邮电大学 ,  富士通株式会社

Inventor： 李立华 ,  武平 ,  张新宇 ,  陶小峰 ,  张平 ,  关宏之

IPC: H04B7/08 ,  H04L27/26

Abstract: 本发明公开了一种删除并行子信道传输干扰的接收方法，包括步骤：接收机在接收端进行传输信道估计；接收机利用传输信道估计结果，并且根据发送加权矩阵以及接收加权矩阵，重构传输干扰矩阵；根据重构的传输干扰矩阵，并且利用迭代方法，删除并行子信道之间的干扰；对各个子信道的数据进行解调。根据本发明，简化了干扰删除技术，可获得优异的误码率、吞吐量等性能。此外，本发明对MIMO信道的空间相关特性不敏感，可在多种信道状况下，可接近相应MIMO信道的信道容量，有着很强的适用性。

公开(公告)号：CN110309715B

公开(公告)日：2021-05-25

申请号：CN201910429230.2

申请日：2019-05-22

Applicant: 北京邮电大学

Inventor： 周安福 ,  张欢欢 ,  徐冬竹 ,  徐少青 ,  张新宇 ,  马华东

IPC: G06K9/00 ,  G06K9/62 ,  G06T5/00 ,  G06T7/73 ,  G06T7/90

Abstract: 本发明实施例提供了一种基于深度学习的灯具识别的室内定位方法、装置与系统，所述方法包括：客户端获取待识别的包含可见光特征信息的第一图像，并对所述第一图像依次进行光晕及亮度补偿预处理，得到第二图像，将所述第二图像发送至服务器；服务器接收客户端发送的第二图像，将所述第二图像输入预先训练的卷积神经网络中，得到所述第二图像对应的分类结果，并将所述分类结果与数据库中预先存储的类别信息匹配，当所述分类结果与所述类别信息匹配成功时，将所匹配的类别信息对应的位置信息发送至客户端；客户端接收服务器返回的位置信息，并根据所述位置信息进行定位。本发明实施例，能够提高可见光特征识别的准确性，进一步提高定位的准确性。

公开(公告)号：CN110309715A

公开(公告)日：2019-10-08

申请号：CN201910429230.2

申请日：2019-05-22

Applicant: 北京邮电大学

Inventor： 周安福 ,  张欢欢 ,  徐冬竹 ,  徐少青 ,  张新宇 ,  马华东

IPC: G06K9/00 ,  G06K9/62 ,  G06T5/00 ,  G06T7/73 ,  G06T7/90

Abstract: 本发明实施例提供了一种基于深度学习的灯具识别的室内定位方法、装置与系统，所述方法包括：客户端获取待识别的包含可见光特征信息的第一图像，并对所述第一图像依次进行光晕及亮度补偿预处理，得到第二图像，将所述第二图像发送至服务器；服务器接收客户端发送的第二图像，将所述第二图像输入预先训练的卷积神经网络中，得到所述第二图像对应的分类结果，并将所述分类结果与数据库中预先存储的类别信息匹配，当所述分类结果与所述类别信息匹配成功时，将所匹配的类别信息对应的位置信息发送至客户端；客户端接收服务器返回的位置信息，并根据所述位置信息进行定位。本发明实施例，能够提高可见光特征识别的准确性，进一步提高定位的准确性。