-
公开(公告)号：CN109086954B
公开(公告)日：2022-01-25
申请号：CN201811322112.3
申请日：2018-11-08
Applicant: 暨南大学
Abstract: 本发明公开基于资金流预测收益率的预测方法、装置、设备及介质,该预测方法包括：获取采样的宏观资金流变量和上证指数收益率的月度数据序列,宏观资金流变量包括货币供应量和银行隔夜拆借利率；对月度数据序列进行单位根检验,确定单位根检验后的月度数据序列的单位根特性是否满足多变量协整检验的宽限条件；单位根特性为月度数据序列为Ni阶单整序列,Ni≥0；在单位根特性满足多变量协整检验的宽限条件的情况下,利用Johansen极大似然估计法确定宏观资金流变量月度数据序列与上证指数收益率月度数据序列的协整关系；根据基于协整关系建立的VECM模型对上证指数收益率进行预测。本发明的预测方法填补现有中尚缺少宏观资金流指标对中国股票指数进行预测的空白。
-
公开(公告)号：CN113644940A
公开(公告)日：2021-11-12
申请号：CN202110756403.9
申请日：2021-07-05
Applicant: 暨南大学
IPC: H04B7/0413 , H04B7/06 , H04B7/08 , H04B17/391
Abstract: 本发明公开了一种基于统计CSI的智能反射面的相移设计方法，该方法包括以下步骤：首先，获取收发端与智能反射面(RIS)的参数配置、信道状态信息(CSI)的统计知识；然后利用统计CSI优化RIS的相位偏移使得中断概率最小；继而运用中断概率的渐近表达式简化优化问题；最后，使用数值优化方法如遗传算法迭代求解最佳相位偏移值。本发明利用CSI的统计知识进行RIS相位偏移的优化设计，从而避免了频繁的信道估计、信令交互等引起通信系统开销；此外，基于渐进中断概率实现的最佳设计方法具有极低复杂度。
-
公开(公告)号：CN110855335B
公开(公告)日：2021-06-11
申请号：CN201911015106.8
申请日：2019-10-24
Applicant: 暨南大学
Inventor： 施政 , 杨光华 , 塞奥佐罗斯·特斯菲斯 , 马少丹 , 屈挺
IPC: H04B7/0426 , H04B7/0413 , H04W52/14 , H04W52/26 , H04W72/04 , H04W72/08
Abstract: 本发明公开了一种基于功率与速率联合优化的下行虚拟MIMO‑NOMA方法，该方法包括以下步骤：首先，终端节点通过自组网协议形成若干虚拟阵列天线簇，每簇将路径损耗和信道统计特征汇报给基站；然后，在基站侧构建系统平均吞吐量最大化问题，利用交替迭代优化算法进行功率和速率的联合优化；接下来，基站将NOMA解码顺序信息反馈至各簇，使用预编码与叠加编码技术对各簇请求的多数据流进行功率域复用；最后，利用迫零检测来分割数据量以及连续干扰消除技术进行期望信号解码。与传统OMA、NOMA以及虚拟MIMO技术相比，该方法在高信噪比可以显著提高系统容量并保证了簇公平性。
-
公开(公告)号：CN112566159A
公开(公告)日：2021-03-26
申请号：CN202011361675.0
申请日：2020-11-27
Applicant: 暨南大学
IPC: H04W24/02 , H04B7/0456
Abstract: 本发明公开了一种基于MIMO‑NOMA的增强型小蜂窝下行通信方法，该方法包含以下步骤：首先，获取基站、NOMA用户以及NOMA配对策略等相关初始化参数以及信道的统计状态信息；然后利用干扰对齐技术进行NOMA远近用户的接收线性滤波器的设计；继而确定基站端的预编码矩阵；最后，在给定最大可容许的中断概率条件下，通过最大化长期平均吞吐量来优化设计所有NOMA用户的传输速率。与现有的方法如有预编码的MIMO‑OMA、无预编码MIMO‑OMA、以及无预编码MIMO‑NOMA相对比，本发明所提出方法可以有效提升吞吐量，尤其在NOMA用户对的信道差异越显著时表现更优。
-
公开(公告)号：CN111241907A
公开(公告)日：2020-06-05
申请号：CN201911171966.0
申请日：2019-11-26
Applicant: 暨南大学
Abstract: 本发明提供一种基于深度卷积神经网络的幼禽生物特征识别装置，包括：幼禽定位模块，包括级联的多个卷积神经网络子模块和至少一个全连接层子模块，幼禽定位模块输入包含有幼禽的原图像，经运算后输出幼禽在原图像中的预测的位置信息；剪裁模块，根据位置信息对原图像执行裁剪处理，输出裁剪大部分背景后的幼禽外观图像；以及识别模块，包括级联的至少由第一卷积神经网络子模块、扩展卷积子模块以及第二卷积神经网络子模块级联构成的识别子模块，和至少一个全连接层子模块，所述识别模块输入所述幼禽外观图像，经运算后输出识别结果。如此，本通过卷积层的递增完成由粗到细的特征提取过程，能够高精度地完成识别。
-
Patent Agency Ranking
公开(公告)号：CN109086954A
公开(公告)日：2018-12-25
申请号：CN201811322112.3
申请日：2018-11-08
Applicant: 暨南大学
Abstract: 本发明公开基于资金流预测收益率的预测方法、装置、设备及介质,该预测方法包括：获取采样的宏观资金流变量和上证指数收益率的月度数据序列,宏观资金流变量包括货币供应量和银行隔夜拆借利率；对月度数据序列进行单位根检验,确定单位根检验后的月度数据序列的单位根特性是否满足多变量协整检验的宽限条件；单位根特性为月度数据序列为Ni阶单整序列,Ni≥0；在单位根特性满足多变量协整检验的宽限条件的情况下,利用Johansen极大似然估计法确定宏观资金流变量月度数据序列与上证指数收益率月度数据序列的协整关系；根据基于协整关系建立的VECM模型对上证指数收益率进行预测。本发明的预测方法填补现有中尚缺少宏观资金流指标对中国股票指数进行预测的空白。
-
公开(公告)号：CN108631965A
公开(公告)日：2018-10-09
申请号：CN201810457440.8
申请日：2018-05-14
Applicant: 暨南大学
IPC: H04L1/18 , H04L1/00 , H04B17/391 , H04B17/382 , H04B17/336
Abstract: 本发明一种公开了HARQ-IR在相关莱斯衰落场景下的吞吐量最大化设计方法，实现了存在直视路径和时间相关性条件下发送功率和传输速率的优化设计方案。该方案基本思想是利用趋近性分析结果来最大化吞吐量同时约束最大平均总发送功率，步骤如下：首先根据信道状态信息的统计特征推导趋近性中断概率；结合功率约束构建吞吐量最大化问题，利用趋近性分析结果将优化问题分解成两个子优化问题，即功率分配和速率选择；最后根据最优功率和速率选择合理的传输方案。与瑞利衰落场景相比，存在直视路径的莱斯衰落有利于提高系统性能，而相比于传统方法，采用趋近性中断概率进行优化不但降低计算复杂度，同时也不损失系统性能。
-
公开(公告)号：CN108600997A
公开(公告)日：2018-09-28
申请号：CN201810286303.2
申请日：2018-04-03
Applicant: 暨南大学
Abstract: 本发明公开了一种基于HARQ辅助NOMA的大规模D2D通信方法，该方法首先利用随机几何方法分析大规模D2D网络中叠加干扰对中断概率的影响，然后利用中断概率与频谱效率之间的关系，推导出频谱效率的具体表达式；最后基于这些理论分析结果构建资源分配的优化问题：通过合理设置不同D2D用户的信息传输速率甚至占用相同时频资源D2D终端的分布密度来最大化频谱效率(吞吐量或空间频谱利用率)并同时保证通信的可靠性。仿真和数值结果显示，本发明所提供的协作方式应用方案比非协作方式在中断概率上降低了23％，此外，应用非正交多址接入技术比应用正交多址接入技术在频谱效率上提高了17％。
-
公开(公告)号：CN119888023A
公开(公告)日：2025-04-25
申请号：CN202411558615.6
申请日：2024-11-04
Applicant: 暨南大学
Abstract: 本发明提供一种基于神经辐射场的音频驱动三维数字人生成方法及系统，首先构建姿势保持先验生成模型，通过融合音频特征和面部姿势特征，利用自注意力机制和交叉注意力机制学习两种模态特征之间的跨模态交互关系，生成与输入音频同步的面部姿势先验信息。然后，构建神经辐射场渲染模型，采用三平面哈希编码技术对三维空间进行高效采样，并通过注意力机制动态融合面部姿势先验和音频特征。最后，将生成的姿势先验输入神经辐射场渲染模型进行体积渲染，引入光线累积透射率计算，生成高保真的三维数字人。本发明提高了数字人的真实感和表现力，降低了渲染计算复杂度，实现了动态连贯、唇音同步的实时数字人生成。
-
公开(公告)号：CN114118211B
公开(公告)日：2024-12-13
申请号：CN202111237401.5
申请日：2021-10-22
Applicant: 暨南大学 , 华东电力试验研究院有限公司
IPC: G06F18/2136 , G06F18/2134
Abstract: 本发明公开了一种面向混叠未知无线信号的串行分离方法，解决了小信号分量无法被识别和各个信号分量量化不准确的问题。在实际应用中，信号基矩阵不会和组成叠加信号的各个分量完全相同，这使得无线信号分解的准确率下降。另外，考虑到能量大的信号或者特征明显的信号在分解过程中易于被识别，所以在要分解的无线信号中去掉能量占比较高的信号，并更新需要分解的无线信号，继续使用无线信号分解的算法分解剩余部分。通过上述迭代，能量小的信号分量可以被层层剥离出来，这样就提高了无线信号分解的准确性，同时也降低了信号基矩阵对无线信号分解结果的影响。当分离出来的信号能量之和达到要分解信号能量的一定占比算法迭代终止。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.024 seconds)
