-
公开(公告)号：CN109212603A
公开(公告)日：2019-01-15
申请号：CN201811321980.X
申请日：2018-11-08
Applicant: 北京邮电大学 , 禁核试北京国家数据中心
IPC: G01V1/30
CPC classification number: G01V1/30 , G01V2210/324 , G01V2210/48
Abstract: 本发明公开了一种基于GS变换滤波和EMD去噪的地震信号检测算法，涉及地震信号检测准确率领域。首先截取采集的某地震波信号x(i)，并将该地震波信号进行广义S变换，得到该条地震记录的时频分析图。从时频分析图中观察得到该信号x(i)到来时刻对应的优势频带；选择最开始的两个优势频带，将地震信号x(i)经过滤波器完成滤波并叠加，得到多频带滤波后的地震信号x′(i)。将多频带滤波后的地震信号x′(i)进行EMD分解，并将各分量叠加得到去噪后的地震信号x″(t)。将去噪后的地震信号x″(t)采用短时窗平均/长时窗平均算法进行检测。本发明在一定程度上能够提升信号特征值，从而可以进一步提升检测概率，以期降低误检率。
-
公开(公告)号：CN119269892A
公开(公告)日：2025-01-07
申请号：CN202411358159.0
申请日：2024-09-27
Applicant: 北京骏德智算科技有限公司 , 北京邮电大学
IPC: G01R29/08 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开一种面向新能源汽车电磁辐射监测的智能化提升方法，先构建由2个输入层、2个门控网络、3个共享单元、2个加权求和层、2个特征分离层和2个输出层的门控动态神经网络；再利用模拟生成新能源汽车电磁辐射的输入电场信号，以及利用电场传感器所采集的输出电场信号，对门控动态神经网络进行训练，得到非线性校正模型；后将非线性校正模型部署在电场传感器的输出端，通过非线性校正模型对电场传感器所采集的待测新能源汽车的电磁辐射的电场信号进行校正和补偿，由此完成新能源汽车电磁辐射监测的智能化提升。本发明能够智能化地处理新能源汽车电磁辐射监测中的大动态范围信号，有效识别并补偿传感器因非线性失真造成的测量误差，显著提升测量结果的准确性。
-
公开(公告)号：CN119068531A
公开(公告)日：2024-12-03
申请号：CN202411182265.8
申请日：2024-08-27
Applicant: 北京骏德智算科技有限公司 , 北京邮电大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开一种利用多项式算子辅助神经网络训练提升人脸识别性能方法，首先利用样本图像数据集对并行架构学习网络进行训练，得到并行架构学习模型，然后将可识别人图像数据集送入并行架构学习模型进行推理，得到多项式算子模块，并基于多项式算子模块构建人脸识别模型；最后将待识别人图像送入人脸识别模型，实现人脸识别。本发明不仅优化了训练过程，有效地减少了模型训练过程中需要调整的参数数量，降低了计算资源的消耗，而且能够保证模型的识别精度，尤其适用于处理大规模数据集时，能够显著加快训练速度和提高模型在新任务上的适应能力。
-
公开(公告)号：CN111988254B
公开(公告)日：2021-07-27
申请号：CN202010357503.X
申请日：2020-04-29
Applicant: 北京邮电大学
Abstract: 本发明公开了一种低复杂度峰均比压缩与预失真联合优化方法，属于无线通信领域。首先正交相移键控或正交幅度调制产生调制数据符号X，将其调制后生成OFDM信号x(n)，经功率放大器得到采样信号y(n)；利用OFDM信号x(n)和采样信号y(n)构建PA模型。然后构建PAPR压缩模型表达式，利用PAPR压缩模型的输出信号r(n)构建DPD模型输出表达式。DPD模型输出的信号z(n)经过PA模型获得近似的OFDM压缩信号r′(n)，并构建解PAPR压缩模型的输出表达式。定义训练损失函数对DPD模型、PAPR压缩模型和解PAPR压缩模型进行联合训练，得到各模型的最优参数。实时采集OFDM信号x(n)，依次输入训练好的三个模型获取恢复信号x′(n)，完成通信系统的闭环。本发明有效提高了发射机的能量使用效率。
-
公开(公告)号：CN110517329B
公开(公告)日：2021-05-14
申请号：CN201910741565.8
申请日：2019-08-12
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于语义分析的深度学习图像压缩方法，属于图像有损压缩技术领域。包括：步骤1，对输入的图像使用卷积神经网络CNN对图像进行特征提取，标识每个像素的语义重要程度；步骤2，将输入图像进行分块，压缩比特分配对每个图像块依据其语义重要程度计算对应的压缩比例；步骤3，使用基于CNN和循环神经网络LSTM的网络结构对图像按照计算好的压缩比例进行压缩和恢复。本发明将深度学习在图像语义分析和图像压缩领域的应用相结合，根据语义重要程度分配图像不同区域的压缩比特，以实现基于语义重要度分析的图像压缩效果，提高图像中人眼关注区域的视觉质量，整张图片占据的空间更小，在物联网图像处理方面有很好的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN109889166B
公开(公告)日：2021-01-01
申请号：CN201910184466.4
申请日：2019-03-12
Applicant: 北京邮电大学
IPC: H03F1/32
Abstract: 本发明公开了一种基于时间交织采样的单反馈回路并发双频带数字预失真方法，属于无线通信领域。首先将计算出的并发双频带输入信号x(n)依次经过混频器，数模转换器和功率放大器后，在反馈回路中采集放大信号，经过下变频和低通滤波器后，得到滤波后的模拟信号y(t)。然后在t＝0和t＝τ时，分别利用欠采样因子M1和M2的模数转换器对y(t)进行采样，得到信号y1(n)和y2(n)并存储。将y1(n)和y2(n)分别以时间MT为采样间隔，分解为信号和并分别进行傅里叶变换，重构矩阵和利用重构矩阵和构造矩阵uL(f)，经过矩阵变换和转换后恢复出有用信号yr(n)。从yr(n)中重新分离出与原始信号xa(n)和xb(n)对应的反馈回路中的信号yra(n)与yrb(n)，将xa(n)，xb(n)与yra(n)，yrb(n)通过最小二乘法对比得到数字预失真模块系数。本发明保证了数字预失真线性效果，不增加系统回路的复杂度和其他硬件成本，预失真架构更具有灵活性。
-
公开(公告)号：CN108965160B
公开(公告)日：2020-06-05
申请号：CN201810694800.6
申请日：2018-06-29
Applicant: 北京邮电大学
IPC: H04L12/851 , H04L12/865 , H04L12/873
Abstract: 本发明提出一种适用于矿山物联网多业务传输的动态差额加权轮询调度方法，包括：井下传感器采集的数据汇聚到网关；将传感器采集的数据按照优先级分类，并排到对应等级的调度队列中；调度服务器按时延优先级高低依次服务各个队列；服务某队列时，根据队列的差额计数器值来判断是否发送数据包；更新队列的差额计数器时不仅考虑队列的时延优先级，还考虑了网络突发流量及历史排队时延。本发明通过增加了对队列瞬时到达率及历史排队时延两个因素，使得该方法在网络出现突发流量时可以自适应地调整差额分配，并且可以有效防止低优先级队列由于分配资源较少导致的队列拥塞现象。
-
公开(公告)号：CN107872413B
公开(公告)日：2020-02-07
申请号：CN201711034007.5
申请日：2017-10-30
Applicant: 北京邮电大学
IPC: H04L27/00
Abstract: 本发明公开了一种基于压缩感知高阶累积量的智能调制识别方法，属于无线通信领域。首先，接收端以低于奈奎斯特的抽样速率对接收信号x(t)随机抽样和预处理，然后，进行特征提取，通过从原始数据中利用恢复算法‑正交匹配追踪算法对抽样向量z的平方向量z2进行归一化，恢复出对应的稀疏向量，得到高阶矩M21；同理依次得到高阶矩M20，M40，M41和M42；并利用M‑C公式得到高阶累积量C40，C41和C42作为识别特征向量，完成信号的调制识别。最后，确定了调制方式后，进一步估计调制参数，并依据确定的调制方式和调制参数，完成信号的解调。本发明大大降低了接收端需要采集和存储的数据量，减轻了模拟‑数字转换器的压力，降低了算法复杂度，且具有更好的抗噪声性能。
-
公开(公告)号：CN108966352A
公开(公告)日：2018-12-07
申请号：CN201810734324.6
申请日：2018-07-06
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于深度增强学习的动态波束调度方法，属于多波束卫星通信系统领域。本方法首先将动态波束调度问题建模为马尔科夫决策过程，每个时隙的状态包括卫星缓存器中的数据矩阵、时延矩阵和信道容量矩阵，动作表示动态波束调度策略，目标是长期减小所有数据包的累计等待时延，然后利用深度增强学习算法求解最佳动作策略，建立CNN+DNN结构的Q网络，训练Q网络，利用训练好的Q网络来进行动作决策，获得最佳动作策略。本发明通过大量的自主学习，使得卫星根据此刻的环境状态直接输出当前的波束调度结果，长期最大化系统的综合性能，在保持系统吞吐量几乎不变的同时，大大减小数据包的传输等待时延。
-
公开(公告)号：CN108965160A
公开(公告)日：2018-12-07
申请号：CN201810694800.6
申请日：2018-06-29
Applicant: 北京邮电大学
IPC: H04L12/851 , H04L12/865 , H04L12/873
Abstract: 本发明提出一种适用于矿山物联网多业务传输的动态差额加权轮询调度方法，包括：井下传感器采集的数据汇聚到网关；将传感器采集的数据按照优先级分类，并排到对应等级的调度队列中；调度服务器按时延优先级高低依次服务各个队列；服务某队列时，根据队列的差额计数器值来判断是否发送数据包；更新队列的差额计数器时不仅考虑队列的时延优先级，还考虑了网络突发流量及历史排队时延。本发明通过增加了对队列瞬时到达率及历史排队时延两个因素，使得该方法在网络出现突发流量时可以自适应地调整差额分配，并且可以有效防止低优先级队列由于分配资源较少导致的队列拥塞现象。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.072 seconds)
