-
公开(公告)号：CN116596033A
公开(公告)日：2023-08-15
申请号：CN202310575634.9
申请日：2023-05-22
Applicant: 南通大学
IPC: G06N3/0455 , G06N3/08 , G06N5/04 , G06F17/18
Abstract: 本发明涉及臭氧浓度预测技术领域，尤其涉及一种基于窗口注意力和生成器的Transformer臭氧浓度预测方法，包括模型训练阶段和模型推理阶段；模型训练阶段包括：步骤S1.1、数据预处理阶段；步骤S1.2、调整模型参数，构建基于窗口注意力和生成器的TransformerWAG‑NAT模型，WAG‑NAT模型包括编码器、生成器和解码器三个部分；步骤S1.3、将历史数据输入至WAG‑NAT模型的编码器中，抽取历史信息和长程依赖；步骤S1.4、将协变量输入至生成器中，结合编码器的输出，生成最优序列；步骤S1.5、将生成器产生的序列输入至解码器中，得到的运算结果即为预测结果。本发明不仅能有效提取局部信息，还能充分挖全局信息，并将二者融合；还学习其他多源数据对臭氧浓度的影响模式，从而给出更精确的臭氧浓度预测结果。
-
公开(公告)号：CN109948506B
公开(公告)日：2023-08-01
申请号：CN201910191797.0
申请日：2019-03-14
Applicant: 南通大学 , 江苏省南通环境监测中心
IPC: G06V20/10 , G06V20/20 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于深度学习的多角度垃圾分类云平台，通过前端图像采集模块获取垃圾图片,并判断其是否能达到分类需求；通过无线高速传输模块把垃圾图像传送到垃圾分类云平台；垃圾分类云平台对垃圾图像进行识别，利用基于深度学习模型的垃圾分类模块给出分类结果，并把每次识别结果存储于云平台数据库模块；同时将分类结果传送到前端图像采集与传输模块，控制模块根据收到的分类命令对垃圾进行分类，在完成垃圾分类后，前端再传送确认指令至云平台以结束此次分类流程。本发明采用垃圾分类模块与数据库模块相结合的方式，使用分布式系统，便于深度学习模型的升级与更新，并结合多角度识别与判断技术，提升识别准确率。
-
公开(公告)号：CN116433494A
公开(公告)日：2023-07-14
申请号：CN202310420534.9
申请日：2023-04-19
Applicant: 南通大学
IPC: G06T3/60 , G06T3/40 , G06T5/00 , G06T7/11 , G06N3/0464 , G06V30/146
Abstract: 本发明涉及档案扫描图像自动纠偏裁边技术领域，尤其涉及一种基于深度学习的档案扫描图像自动纠偏裁边方法，包括：对档案扫描图像进行预处理；将处理好的图像数据集放入角度校正和边缘切割网络模型中进行训练；对图像进行特征提取；对图像进行自动纠偏裁边处理；利用训练所得模型处理档案扫描图像，并输出经过自动纠偏裁边处理的档案扫描图像。该模型包含特征提取模块、纠偏模块和裁边模块。同时，在纠偏模块和裁边模块中分别加入自适应卷积模块和通道注意力模块，使得较小的角度偏移也能得到精确处理及降低图像的边缘模糊度。本发明可提升模型计算的速度，使得模型更加轻量化，提高了档案扫描图像纠偏裁边的效率以及精确处理小角度偏移图片。
-
公开(公告)号：CN114844541B
公开(公告)日：2023-04-07
申请号：CN202210428661.9
申请日：2022-04-22
Applicant: 南通大学
IPC: H04B7/0456
Abstract: 本发明涉及一种基于深度学习的混合预编码和反馈方法，离线训练阶段中首先由信道矩阵计算预编码矩阵和合并矩阵，并输入混合预编码深度学习模型训练，将输出的预编码矩阵和样本预编码矩阵输入压缩重建深度学习模型训练，然后将压缩重建模型拆分为压缩网络和重建网络，将混合预编码、压缩网络部署在接收端，重建网络部署在发送端。在线预测阶段中，接收端将信道矩阵输入混合预编码网络，得到预编码矩阵和合并矩阵，将预编码矩阵输入压缩网络，得到反馈信息并传输给发送端，发送端将反馈信息输入重建网络得到预编码矩阵。本发明利用深度学习技术，实现了预编码、合并矩阵的设计以及反馈，可获得较好的频谱效率，也减少了反馈的开销和硬件的复杂度。
-
公开(公告)号：CN113163325B
公开(公告)日：2022-09-30
申请号：CN202110207960.5
申请日：2021-02-24
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
Abstract: 本发明涉及无线通信技术领域，特别涉及一种多个智能反射面辅助的无线通信方法及其系统，该系统包括单天线基站和单天线用户端，以及在基站与用户端间随机分布式布设的多个智能反射面；首先智能反射面按照距离乘积的升序顺序进行排序，基站选择第一个智能反射面，用户端发送导频信号通过所选智能反射面级联链路以及直接链路到基站端，从而基站估计出此时所选级联链路与直接链路信道；其次在选择后，基站端调整所选智能反射面的相位到最优并计算出此时系统的净数据速率；然后基站依次选择下一个智能反射面，用户端发送导频到基站端并估计出信道，基站端计算出所选一组智能反射面的最优相位以及该系统的净数据速率并与前一个净数据速率值进行比较。
-
Patent Agency Ranking
公开(公告)号：CN114630336A
公开(公告)日：2022-06-14
申请号：CN202210294658.2
申请日：2022-03-22
Applicant: 南通大学
IPC: H04W16/18 , H04B7/0413 , H04L67/12
Abstract: 本发明涉及无线通信技术领域，具体涉及一种基于聚类分析的无蜂窝大规模MIMO接入点位置部署方法，以接入点获取用户位置经纬度坐标及流量需求作为关键数据集，采用基于密度的有噪声的应用空间聚类(Density‑Based Spatial Clustering ofApplications with Noise，DBSCAN)算法进行遍历计算，获取最佳参数组合并求解聚类个数。采用分隔度相邻聚类中心距离比较，若分隔度小于某一第一判定结果则进行合并，保留的聚类中心为物联网单元贡献权重更高者，从而确定基站接入点位置及数量。本发明在保证可以服务所有物联网设备的基础上最大化无蜂窝大规模MIMO系统的能量效率；当确定最佳接入点部署位置时，最佳的接入点部署数量也确定；方法简单可降低运营成本。
-
公开(公告)号：CN113453148B
公开(公告)日：2022-05-13
申请号：CN202110710289.6
申请日：2021-06-25
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
IPC: H04W4/02 , H04W4/021 , H04W4/33 , H04W64/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种联合深度学习与加权K邻近算法的室内位置指纹定位方法，该方法首先在定位区域采集WLAN信号特征数据建立指纹库以训练卷积神经网络，之后基于该训练完成的CNN网络模型进行用户位置的初定位，然后根据用户初定位位置坐标确定用户在定位区域内的理论范围，并在局部蓝牙Mesh网络中应用加权K邻近算法进行用户精确位置定位，最后将用户精确位置坐标反馈给用户设备。本发明联合应用了深度学习模型与加权K邻近算法进行位置指纹定位算法的优化，提高了该算法的定位精度，同时联合应用了蓝牙Mesh与WiFi技术搭建主体网络，用户设备组网方便，可实现室内高精度定位。
-
公开(公告)号：CN113055816B
公开(公告)日：2021-11-26
申请号：CN202110304598.3
申请日：2021-03-23
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
IPC: H04W4/02 , H04W24/02 , H04W24/08 , H04W40/22 , H04B17/309 , H04B17/382
Abstract: 本发明涉及无线通信技术领域，特别涉及一种基于位置信息的多智能反射面辅助两跳中继无线通信方法及其系统，该系统由基站端、中继端、用户端以及多个智能反射面组成，多个智能反射面在基站端和用户端之间随机分布式布设；首先多个智能反射面分别在第一跳以及第二跳中按照平均信噪比数值大小进行降序排序，基站分别选择两跳中排序第一的智能反射面进行通信，并计算出整个系统的净遍历容量，然后基站端再选两跳中排序下一个智能反射面进行通信并计算出整个系统的净遍历容量，与上一个遍历容量数值进行比较；本发明具有低成本，低能耗以及高速率，广覆盖范围的优点，通过对多个智能反射面进行调度协助中继系统进行通信，进一步增强了中继系统性能。
-
公开(公告)号：CN113179232B
公开(公告)日：2021-10-26
申请号：CN202110436060.8
申请日：2021-04-22
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
IPC: H04L25/02 , H04L27/26 , H04B7/0413 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种基于深度学习的无源智能反射表面的信道估计方法，由离线信道估计阶段和线上信道预测阶段两部分实现。离线信道估计阶段中上行链路中用户端发送导频信号，基站端控制IRS依次打开无源元件反射入射导频信号，基站端接收导频信号利用最小均方误差方法估计其相应的级联信道信息，再使用等概率均匀采样的方法从已估计的级联信道信息中选取少量的采样级联信道信息，利用少量采样级联信道信息和完全级联信道信息构建新数据集；线上信道预测阶段基站端在线估计出少量采样级联信道信息输入到已训练好的ResNet网络恢复出完全级联信道信息。本发明可灵活地选择无源元件个数和设置残差神经网络的残差单元以满足不同系统和用户服务质量的特点。
-
公开(公告)号：CN108964729B
公开(公告)日：2021-08-17
申请号：CN201811097143.3
申请日：2018-09-20
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
IPC: H04B7/0452 , H04W72/12
Abstract: 本申请提供了一种海域大规模天线平面阵波束选择与用户调度方法，涉及海域调度技术领域。步骤R1、船载AIS系统与装备大规模天线平面阵的岸基基站进行信息交互，获取各用户的位置信息；然后通过测高仪获取岸基基站高度信息以及船舶终端的高度信息。步骤R2、根据步骤R1获取的用户位置信息、岸基基站与船舶终端的高度信息，划分大规模天线平面阵对应的波束覆盖的海域范围，并将各用户划分到对应的每个波束内；步骤R3、在每个波束内选取优先级最高的用户，依次放入待服务用户集合；步骤R4、在每个调度周期内，根据系统加权和速率最大准则调度待服务用户集合中的用户进行服务，关闭未被使用的波束。本申请波束选择和用户调度速度快，算法复杂度低。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.028 seconds)
