-
公开(公告)号：CN103428704A
公开(公告)日：2013-12-04
申请号：CN201310326117.4
申请日：2013-07-30
Applicant: 北京邮电大学
CPC classification number: H04W16/10
Abstract: 本发明公开了一种频谱感知方法及装置，涉及认知无线电技术领域。该方法包括：将同一业务下的所有信道进行聚类，得到N个信道集合及每个信道集合的代表信道；确定待感知信道所属的信道集合及对应的代表信道Cn，1≤n≤N，根据所述待感知信道的历史占用状态和代表信道Cn的当前占用状态，计算出所述待感知信道的当前占用状态。采用该方法，仅需检测某一代表信道的当前占用状态，便能够计算和预测对应的信道集合中全部信道的当前占用状态。该方法利用了同一业务下各信道间的占用相关性，能够提高信道占用状态预测的准确性。
-
公开(公告)号：CN103428724B
公开(公告)日：2016-08-17
申请号：CN201310326298.0
申请日：2013-07-30
Applicant: 北京邮电大学
CPC classification number: H04W72/046
Abstract: 本发明提供基于地理位置信息的频谱资源协作接入方法和系统，包括：获取所有认知终端的地理位置信息；根据终端置信度和获取的地理位置信息选择簇头，并据此将所有的认知终端分簇；通过对认知终端进行分簇检测获取空闲频谱信息；根据获取的空闲频谱信息进行接入信道分配，并控制认知终端进行频谱接入。本发明能够很好地做到优化选择资源，合理分配空闲频谱给必要的认知终端进行接入，实用性强，避免了认知终端传输信息可能产生的远距离传输错误，提高了系统的传输准确率，增强了系统的可靠性。
-
公开(公告)号：CN103428704B
公开(公告)日：2016-08-10
申请号：CN201310326117.4
申请日：2013-07-30
Applicant: 北京邮电大学
IPC: H04W16/10
CPC classification number: H04W16/10
Abstract: 本发明公开了一种频谱感知方法及装置，涉及认知无线电技术领域。该方法包括：将同一业务下的所有信道进行聚类，得到N个信道集合及每个信道集合的代表信道；确定待感知信道所属的信道集合及对应的代表信道Cn，1≤n≤N，根据所述待感知信道的历史占用状态和代表信道Cn的当前占用状态，计算出所述待感知信道的当前占用状态。采用该方法，仅需检测某一代表信道的当前占用状态，便能够计算和预测对应的信道集合中全部信道的当前占用状态。该方法利用了同一业务下各信道间的占用相关性，能够提高信道占用状态预测的准确性。
-
公开(公告)号：CN103424735B
公开(公告)日：2016-06-08
申请号：CN201310326242.5
申请日：2013-07-30
Applicant: 北京邮电大学
IPC: G01S5/14
CPC classification number: G01S3/74
Abstract: 本发明提供一种基于最小描述长度的近场源定位方法、装置及系统，涉及移动业务中的信源定位系统技术领域。该方法包含步骤：S1、对接收信号进行协方差矩阵特征分解，得到协方差矩阵特征向量；S2、基于最小描述长度准则，对协方差矩阵特征向量进行信源数目预估计，得到预估计的信源数目K；S3、与步骤S1并行，对接收信号进行两个相关性矩阵特征分解，得到两组相关性矩阵特征向量；S4、将步骤S2中的信源数目K与步骤S3中的相关性矩阵特征向量结合，进行特征向量匹配，解算出接收信号的相位信息；S5、对所述相位信息进行反解，得到信源方位。本发明既能降低近场源定位的计算复杂度，提高计算效率；又能充分发挥数据预处理的效能，提高定位的精准性与稳定度。
-
公开(公告)号：CN103433921A
公开(公告)日：2013-12-11
申请号：CN201310412329.4
申请日：2013-09-11
Applicant: 北京邮电大学
Abstract: 本发明公开了一种三自由度平动力反馈手控器，该装置基于平面五杆机构进行改进，在垂直于平面两自由度运动的基础上，增加一个自由度的运动。装置主要组成部分包括基座、定位支撑、平面运动部分、竖直运动部分、驱动电机、配重和力传感器。遵循力觉交互装置的设计要求，对该三自由度平移装置进行运动学分析、工作空间设计、位置分辨率分析等。与传统的手控器相比，该装置末端安装六维力/力矩传感器，有精确的力觉反馈效果，反馈力分辨率较高；另外工作空间较大，刚度较好。本发明结构简单，精度较高，控制方法简单有效，操作方便，具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN107291822B
公开(公告)日：2020-03-24
申请号：CN201710375175.4
申请日：2017-05-24
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/35 , G06N20/00
Abstract: 本发明公开了一种基于深度学习的问题分类模型训练方法、问题分类方法以及装置。其中问题分类模型训练方法包括：提取问题文本样本中的特征信息样本，并生成对应的第一特征向量样本；对第一特征向量样本进行空间变换，得到第二特征向量样本；将第二特征向量样本输入至多层卷积神经网络中的多个卷积层和多个池化层，以通过叠加卷积操作和池化操作，得到第一融合特征向量样本；将第一融合特征向量样本输入至多层卷积神经网络中的全连接层，得到全局特征向量样本；根据全局特征向量样本对Softmax分类器进行训练，得到问题分类模型。该方法可免去大量人工设计特征的开销，通过该问题分类模型可以得到更加准确的分类结果，提高了标准问题与答案的定位。
-
公开(公告)号：CN103987063B
公开(公告)日：2018-12-11
申请号：CN201410176193.6
申请日：2014-04-28
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于多点监测的消除NLOS误差定位方法，包括如下步骤：对所有监测节点按每k个节点分组，对分组的监测节点排列组合；对每个监测节点组合中任取k‑1个监测节点估计目标台站的坐标并计算几何精度因子；对每个监测节点组合中得到的k个估计目标台站的坐标和计算几何精度因子两两比较，筛选监测节点组合；对满足条件的k个估计目标台站的坐标计算方差得到权值，累加权值到当前监测节点组合中的每个节点；按权值排序所有节点，取权值最大的k个节点，计算定位结果；其中k为常数。本发明利用多个节点的不同组合的定位结果来削弱对最终定位结果的影响。
-
公开(公告)号：CN107315772A
公开(公告)日：2017-11-03
申请号：CN201710375610.3
申请日：2017-05-24
Applicant: 北京邮电大学
CPC classification number: G06F16/3329 , G06F17/2785
Abstract: 本发明公开了一种基于深度学习的问题匹配方法以及装置。其中方法包括：获取用户的输入问题，并对输入问题进行语义分析以得到输入问题的词语；获取输入问题与标准问题中词语之间的相似度匹配矩阵，并基于相似度匹配矩阵进行分层卷积以获取输入问题与标准问题之间的语义粒度匹配特征；基于卷积神经网络，根据输入问题中的特征信息和标准问题的特征信息对输入问题与标准问题进行精确匹配，以获取输入问题与标准问题之间的细粒度匹配特征；根据语义粒度匹配特征和细粒度匹配特征获取输入问题与标准问题之间的匹配程度。该方法可以使得提取到的特征更加符合实际需求，同时免去了大量人工提取特征的开销，提高匹配结果的精确度。
-
公开(公告)号：CN107291822A
公开(公告)日：2017-10-24
申请号：CN201710375175.4
申请日：2017-05-24
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于深度学习的问题分类模型训练方法、问题分类方法以及装置。其中问题分类模型训练方法包括：提取问题文本样本中的特征信息样本，并生成对应的第一特征向量样本；对第一特征向量样本进行空间变换，得到第二特征向量样本；将第二特征向量样本输入至多层卷积神经网络中的多个卷积层和多个池化层，以通过叠加卷积操作和池化操作，得到第一融合特征向量样本；将第一融合特征向量样本输入至多层卷积神经网络中的全连接层，得到全局特征向量样本；根据全局特征向量样本对Softmax分类器进行训练，得到问题分类模型。该方法可免去大量人工设计特征的开销，通过该问题分类模型可以得到更加准确的分类结果，提高了标准问题与答案的定位。
-
公开(公告)号：CN103987063A
公开(公告)日：2014-08-13
申请号：CN201410176193.6
申请日：2014-04-28
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于多点监测的消除NLOS误差定位方法，包括如下步骤：对所有监测节点按每k个节点分组，对分组的监测节点排列组合；对每个监测节点组合中任取k-1个监测节点估计目标台站的坐标并计算几何精度因子；对每个监测节点组合中得到的k个估计目标台站的坐标和计算几何精度因子两两比较，筛选监测节点组合；对满足条件的k个估计目标台站的坐标计算方差得到权值，累加权值到当前监测节点组合中的每个节点；按权值排序所有节点，取权值最大的k个节点，计算定位结果；其中k为常数。本发明利用多个节点的不同组合的定位结果来削弱对最终定位结果的影响。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.055 seconds)
