-
公开(公告)号：CN116260490B
公开(公告)日：2023-08-15
申请号：CN202310548064.4
申请日：2023-05-16
Applicant: 南京邮电大学
IPC: H04B7/0426 , H04B7/0456 , H04W28/06 , H04L25/02
Abstract: 本申请涉及一种面向去蜂窝多天线系统的前传压缩与预编码方法。该方法包括：利用上下行对偶关系，将下行预编码与压缩噪声设计问题转化为上行优化问题求解，获得训练样本集，采用随机梯度下降算法对神经网络模型进行训练，获得训练好的神经网络模型，进而将获取的信道矩阵输入预先训练好的神经网络模型进行预测，获得上行功率分配向量预测值进行分析，确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵，根据下行波束成形矩阵和下行功率分配向量，对待传输的数据进行预编码，获得编码后的数据，根据下行压缩噪声矩阵对编码后的数据进行压缩，获得压缩后的数据，保证了Cell‑free MIMO系统高性能的前提下降低计算时延。
-
公开(公告)号：CN116503760A
公开(公告)日：2023-07-28
申请号：CN202310471491.7
申请日：2023-04-27
Applicant: 南京邮电大学
IPC: G06V20/17 , G06V10/44 , G06V10/80 , G06V10/75 , G06V10/26 , G06V20/70 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于自适应边缘特征语义分割的无人机巡航检测方法，基于预定义多尺度多形状边缘检测算子组，利用基于边缘概率的多形状边缘特征融合方法，得到多形状边缘特征图；利用基于目标匹配度的多尺度边缘特征加权方法，得到多尺度多形状边缘特征图；搭建改进DeepLabV3+语义分割网络，在编码器中使用感受野融合空洞空间金字塔池化模块，将多尺度多形状边缘特征图组补充进网络解码器部分，并对改进网络进行训练；最后，利用训练好网络对无人机巡检所获得的遥感图像中的目标进行分割检测。本发明通过在无人机巡检数据集上进行训练提取泛化的巡检目标所具有的特征表示，突出不同目标特征之间的可区分度，提高检测准确度，减少了人工巡检的工作。
-
公开(公告)号：CN115116132B
公开(公告)日：2023-07-28
申请号：CN202210666969.7
申请日：2022-06-13
Applicant: 南京邮电大学
IPC: G06V40/20 , G06N3/0442 , G06N3/048 , G06N3/08 , G06V10/10 , G06V10/30 , G06V10/75 , G06V10/77 , G06V10/82
Abstract: 本发明公开了一种物联网边缘服务环境下深度感知的人体行为分析方法，包括：S1，图像预处理；S2，姿态点提取，提取出人体骨骼关键点；S3，基于姿态点置信度，对人体姿态进行预筛选；S4，通过人体两侧姿态点深度信息得到的不对称关系来确定出人体偏转角，通过所得偏转角来纠正人体姿态点二维坐标信息，得到正面人体姿态点二维坐标信息；S5，基于LSTM网络构建骨架行为识别模型，采用骨架行为识别模型对指定阶段内的人体关节数据序列进行处理，对其中包含的异常行为进行识别分析。本发明能够确保检测结果的实时性和精准性。
-
公开(公告)号：CN116469095A
公开(公告)日：2023-07-21
申请号：CN202310437055.8
申请日：2023-04-21
Applicant: 南京邮电大学
Abstract: 本发明提出了雷视传感融合的场景自适应三维目标检测方法，首先对输入的点云数据与图像数据分别提取原始点云特征与图像特征；然后将原始点云经过矩阵变换投影到图像特征图上，对点云投影点进行逐点特征融合，得到点云的逐点融合特征；再构建场景驱动的三维目标检测网络，根据当前场景中的天气时间状况与目标尺度大小提出天时感应因子与场景尺度因子，并根据天时场感应因子与场景尺度因子自适应的实现逐点融合特征与原始点云特征的全局特征融合，并将全局融合特征输入三维区域生成网络生成感兴趣区域，提取出区域特征候送入三维目标检测网络完成三维目标检测；最后利用训练好的三维目标检测网络对目标进行实时检测。
-
公开(公告)号：CN116402677A
公开(公告)日：2023-07-07
申请号：CN202310429801.9
申请日：2023-04-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种雷视融合配准的道路场景自适应三维目标检测方法；首先对输入的点云数据与图像数据分别提取点云局部区域特征与图像区域特征；然后将同深度下的点云局部区域特征组合后生成点云区域特征，然后将不同深度下的点云区域特征图送入全局区域深度特征融合网络，融合得到点云区域特征后与图像区域特征融合，得到包含点云深度信息与图像语义信息的区域融合特征；再构建道路场景驱动的三维目标检测网络，根据基于道路场景先验信息的道路类别系数与拥挤类别系数自适应的实现不同区域融合特征的多深度分辨率特征融合，并将得到的多深度分辨率融合特征输入卷积注意力模块，最终将特征送入SSD网络完成三维目标检测。
-
Patent Agency Ranking
公开(公告)号：CN116363370A
公开(公告)日：2023-06-30
申请号：CN202310456470.8
申请日：2023-04-25
Applicant: 南京邮电大学
IPC: G06V10/26 , G06V20/10 , G06V20/17 , G06V10/25 , G06V10/20 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种成像原理赋能的无人机巡检目标语义分割检测方法：首先，使用枯草目标区域高斯滤波方法，获得待定枯草目标区域反射图像；其次，对待定枯草目标区域反射图像进行色彩增强，得到枯草色彩校正图像；然后，搭建改进UNet语义分割网络，采用ResNet50网络作为特征提取网络，使用基于通道注意力的上下文信息融合模块代替原UNet网络跳跃连接中的直接拼接操作，并对改进后的网络模型进行训练；最后，利用训练好的改进UNet语义分割网络模型对无人机巡检所获得的遥感图像中的枯草进行检测。本发明通过在枯草数据集上进行训练提取泛化的枯草目标所具有的特征表示，突出特征之间的可区分度，提高枯草目标检测的准确度，减少了人工巡检的工作。
-
公开(公告)号：CN114389652B
公开(公告)日：2023-06-20
申请号：CN202111610897.6
申请日：2021-12-27
Applicant: 南京邮电大学
IPC: H04B7/0413 , H04B7/0426 , H04B7/0452 , H04W52/34
Abstract: 本发明公开了一种去蜂窝大规模MIMO网络低功耗大连接方法，该方法按照以下步骤进行：1)选择被服务设备，确定相干时间；2)利用参考信号得到设备上行信道估计值；3)根据设备数确定功率分配法则，依据该法则确定各设备发射功率；4)对波束形成矩阵以及接入点的分簇方案进行联合优化；5)每经过时间Thold，重新进行发射功率分配和AP分簇。本发明在降低设备能耗的同时，提高了系统容量。
-
公开(公告)号：CN116208208A
公开(公告)日：2023-06-02
申请号：CN202310040908.4
申请日：2023-01-12
Applicant: 南京邮电大学
IPC: H04B7/0452 , H04B7/0426 , H04B7/06 , H04B7/08 , H04L25/02
Abstract: 本发明公开了一种面向短包通信的部分叠加导频优化方法，对部分叠加导频信号进行LMMSE信道估计，得到估计信道；利用估计信道消除部分叠加导频信号中的导频干扰并进行MRC数据检测，获得用户的有效信干噪比，根据有效信干噪比确定URLLC遍历可达速率下界的表达式；基于URLLC遍历可达速率下界的表达式，以最大化URLLC可达速率加权和为优化目标构建加权和速率最大化问题；将加权和速率最大化问题转变为几何规划问题并进行求解，得到所有用户导频和数据的最优功率分配。优点：本发明解决了短包传输中导频开销显著的问题，使得基于部分叠加导频的短包传输比基于传统的叠加导频和常规导频具有更高的传输速率。
-
公开(公告)号：CN113312105B
公开(公告)日：2023-05-02
申请号：CN202110619282.3
申请日：2021-06-03
Applicant: 南京邮电大学 , 杭州海康威视数字技术股份有限公司
IPC: G06F9/445 , G06F9/50 , G06N20/00 , H04L67/1004 , H04L67/12
Abstract: 本发明是一种基于Q学习的车辆任务部分卸载策略方法，该方法应用在车载自组织网络中，方法步骤如下：对于移动车辆终端所请求的任务，进行任务分类，排除两种极端的任务类型，将时延极其敏感的任务直接进行本地卸载，将需要计算资源量大的任务全部卸载到MEC服务器进行计算。其次，对于剩下的不容易判断类型的业务，定义任务分类因子为βn，筛选出其中一部分时延不大敏感，计算资源量也一般的任务，对筛选出的任务进行基于Q学习的部分卸载。最后，当所有移动车辆用户终端所请求任务的卸载决策确定后，将对每个MEC服务器中的用户进行计算资源的分配。本发明的策略方法充分利用本地资源和服务器资源，降低系统总开销。
-
公开(公告)号：CN111477220B
公开(公告)日：2023-04-25
申请号：CN202010295068.2
申请日：2020-04-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向家居口语环境的神经网络语音识别方法及系统，该方法包括：模型构建：在深度神经网络中加入长短期记忆网络，构建组合神经网络DNN‑LSTM模型；对采集的语音数据集预处理，得到特征向量集，并将特征向量集作为所述DNN‑LSTM模型的输入进行迭代训练，训练至最优声学模型；将一个未知语种的输入语音信号，经过训练后的DNN‑LSTM模型，分别得到中文输出概率向量集和英文输出概率向量集；根据所述中文输出概率向量集和英文输出概率向量集进行语种匹配，并输出判断结果；本发明能够快速准确的识别家居场景下说话人的内容，可以广泛应用于实际家居场景。
-
-
-
-
-
-
-
-
-
Search Results
426
records
(took 0.085 seconds)
