公开(公告)号：CN118692721A

公开(公告)日：2024-09-24

申请号：CN202410995912.0

申请日：2024-07-24

Applicant: 桂林电子科技大学

Inventor： 王鹏宇 ,  朱归胜 ,  颜祥晋 ,  孟梓涵 ,  陈昭彬 ,  徐家辉 ,  梁思琪 ,  任偲彤

IPC: H01B3/08 ,  H01B3/02 ,  H01B3/18 ,  H01B3/20 ,  H01B19/00

Abstract: 本发明公开了一种基于不锈钢基板的绝缘介质浆料及制备方法，所述介质浆料由微晶玻璃粉、有机载体和铝酸钴组成，重量比为(70‑80)：(15‑25)：(1‑5)。所述微晶玻璃粉的组成包括：氧化钙40‑70wt％，氧化钡15‑25wt％，氧化铝1‑10wt％，二氧化硅5‑15wt％，氧化钛0.5‑5wt％，氧化锆0.5‑5wt％，硼酸1‑10wt％。所述有机载体的组成包括：松油醇30‑50wt％、戊二酸二甲酯10‑20wt％、二乙二醇二乙醚1‑10wt％、柠檬酸三丁酯20‑30wt％、乙基纤维素1‑10wt％、蓖麻油0.5‑5wt％。使用该介质浆料制成的不锈钢基板绝缘介质层，可以实现热膨胀系数与不锈钢基板完美匹配，绝缘强度高，变形量小，附着力强。

公开(公告)号：CN117394934A

公开(公告)日：2024-01-12

申请号：CN202311425051.4

申请日：2023-10-30

Applicant: 电子科技大学

Inventor： 马松 ,  程郁凡 ,  胡若凡 ,  王军 ,  牟颖 ,  王鹏宇

IPC: H04B17/345 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/048 ,  G06N3/045

Abstract: 本发明属于通信技术领域，尤其涉及一种基于深度学习的干扰信号识别方法。本发明采用了多分支卷积神经网络作为干扰识别网络，为每个卷积层提供了多套权重，每套权重独立存储，在网络前向传播时，每一个卷积层的多套权重通过矩阵加法运算得到合成的权重赋值给该卷积层，在反向传播时，每一层卷积的每一套权重独立更新，这样采用了多套权重后经过计算，使得在数学模型与多分支神经网络数学等价，有效的汲取了多分支网络的识别性能优势，而在计算复杂度方面避免了多分支网络每条分支独立计算的复杂度，从本质上将特征图计算复杂度转化为了卷积核间计算复杂度，使得模型达到了精度和计算复杂度的平衡。

公开(公告)号：CN115296759A

公开(公告)日：2022-11-04

申请号：CN202210831105.6

申请日：2022-07-15

Applicant: 电子科技大学

Inventor： 程郁凡 ,  王鹏宇 ,  胡若凡 ,  尚高阳 ,  马松 ,  王军

IPC: H04B17/345 ,  G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的干扰识别方法。本方法主要原理为：1)采用了局部注意力融合层，将若干个数量相同的输入分割信息块划分为不同的区域，在每个区域中独立地计算区域内的全局特征，由于每个区域中分割信息块的数量远小于全部分割信息块的数量，这时独立计算所有区域内部的全局特征的计算量远小于多头自注意力同时计算所有输入的信息块，2)引入了块聚合模块，它与局部注意力融合层交替出现，该模块可以将几个输入的信息块转换为一个信息块并聚合这些信息块的信息，使得随着层数的增加，输出的信息片段逐渐减少，本发明中块聚合模块采用了轻量级深度卷积，使得全局特征丰富的同时也引入了网络对局部特征的关注，从而提高识别性能。

公开(公告)号：CN114021836A

公开(公告)日：2022-02-08

申请号：CN202111352050.2

申请日：2021-11-16

Applicant: 电子科技大学

Inventor： 周帆 ,  王志远 ,  钱塘江 ,  钟婷 ,  王鹏宇

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于不同角度融合的多变量水库入水量预测系统、训练方法及应用，基于水库各变量历史观测值，首先通过随机循环神经网络和生成模型获得符合多模态分布的隐变量，然后通过注意力模型获得注意力矩阵，再将符合多模态分布的隐变量和注意力矩阵输入多层感知机，便可实现未来水库入水量的预测；相较于传统的人工经验判断和统计学方法，本发明对特定的场景具有建模能力；相较于传统的循环神经网络，本发明可以更好地捕捉多个观测值之间的关联和时间上较长的依赖，因而具有更高的准确率，不仅节省了大量的人力和物理成本，而且其预测结果也更有价值。

公开(公告)号：CN110730144A

公开(公告)日：2020-01-24

申请号：CN201911019297.5

申请日：2019-10-24

Applicant: 电子科技大学

Inventor： 柏果 ,  程郁凡 ,  唐万斌 ,  周世阳 ,  王鹏宇

IPC: H04L25/02 ,  H04L25/03

Abstract: 本发明属于通信技术领域，具体涉及一种正交频分复用系统中基于联合检测的多音干扰消除方法。本发明的方法通过联合多音干扰的参数估计和调制符号的解调，消除了OFDM信号对参数估计的影响，实现了更加精确的干扰消除。该方法包含两个过程，首先进行参数粗估计，然后进行参数精估计，在参数粗估计中，不考虑OFDM信号，直接估计多音干扰参数，在参数精估计中，通过遍历被干扰处子载波调制符号所有组合，找到使干扰参数估计精度最高的调制符号组合，并以此得到干扰参数精估计值。

公开(公告)号：CN106411464A

公开(公告)日：2017-02-15

申请号：CN201610786768.5

申请日：2016-08-31

Applicant: 电子科技大学

Inventor： 柏果 ,  程郁凡 ,  周世阳 ,  王鹏宇 ,  李乾鑫

IPC: H04L1/00 ,  H04B7/08

CPC classification number: H04B7/08 ,  H04L1/0047

Abstract: 本发明属于通信技术领域，涉及一种空间调制信号检测方法。本发明通过对角度距离进行排序，降低了每根发射天线需要进行ML检测的星座点个数；而且在获得角度距离时，只需要进行减法，故在减少需要进行ML检测的星座点时，不会引入额外的乘法运算，而且通过角度-待检测星座点对应表，本发明避免了在信号解调过程中进行比较和排序的操作，进一步降低了检测复杂度；对于非M-PSK调制，本发明所需的实数乘法次数为 对于M-PSK调制，本发明所需的实数乘法次数为(6Nr+4)Nt；在到达相同的检测性能时，本发明所需的实数乘法次数少于MS方法和DBD方法，具有较低的复杂度。