-
公开(公告)号：CN116633733B
公开(公告)日：2024-02-09
申请号：CN202310758613.0
申请日：2023-06-26
Applicant: 安徽大学
IPC: H04L25/03
Abstract: 本发明公开了一种基于循环卷积的超奈奎斯特系统GMD预编码方法，包括：获得超奈奎斯特系统的码间干扰矩阵和发送符号块；对码间干扰矩阵进行GMD分解，得到第一矩阵、第二矩阵和第三矩阵；基于第三矩阵，对发送符号块进行GMD预编码，得到已编码发送符号块；将基带成形滤波器的线性卷积替换成第一循环卷积，基于第一循环卷积，对已编码发送符号块进行超奈奎斯特成形操作，得到发射符号块；将匹配滤波器的线性卷积替换成第二循环卷积，基于第二循环卷积对发射符号块进行匹配滤波操作，得到接收符号块；基于第一矩阵和第二矩阵，对下采样后的接收符号块进行GMD解码，得到估计符号块。本发明能更精确估计超奈奎斯特系统的发射符号。
-
公开(公告)号：CN116633734A
公开(公告)日：2023-08-22
申请号：CN202310758645.0
申请日：2023-06-26
Applicant: 安徽大学
IPC: H04L25/03
Abstract: 本发明公开了适用于高阶调制的超奈奎斯特系统SVD预编码方法，包括：获取发送符号块及码间干扰矩阵；获取傅里叶变换矩阵对码间干扰矩阵进行SVD分解，得到对角矩阵；根据傅里叶变换矩阵对发送符号块进行SVD预编码；对预编码的发送符号块进行基带成形并发射，其中，所述基带成形基于循环卷积实现；接收发射的发送符号块并进行匹配滤波，其中，所述匹配滤波通过匹配滤波的循环卷积实现；根据对角矩阵对所述匹配滤波后的符号块进行SVD解码，获得估计符号块。通过上述技术方案，本发明降低超奈奎斯特系统的复杂度，同时提高超奈奎斯特系统的符号估计精度，改善超奈奎斯特系统采用高阶调制时的误比特率性能。
-
公开(公告)号：CN116633733A
公开(公告)日：2023-08-22
申请号：CN202310758613.0
申请日：2023-06-26
Applicant: 安徽大学
IPC: H04L25/03
Abstract: 本发明公开了一种基于循环卷积的超奈奎斯特系统GMD预编码方法，包括：获得超奈奎斯特系统的码间干扰矩阵和发送符号块；对码间干扰矩阵进行GMD分解，得到第一矩阵、第二矩阵和第三矩阵；基于第三矩阵，对发送符号块进行GMD预编码，得到已编码发送符号块；将基带成形滤波器的线性卷积替换成第一循环卷积，基于第一循环卷积，对已编码发送符号块进行超奈奎斯特成形操作，得到发射符号块；将匹配滤波器的线性卷积替换成第二循环卷积，基于第二循环卷积对发射符号块进行匹配滤波操作，得到接收符号块；基于第一矩阵和第二矩阵，对下采样后的接收符号块进行GMD解码，得到估计符号块。本发明能更精确估计超奈奎斯特系统的发射符号。
-
公开(公告)号：CN119992158A
公开(公告)日：2025-05-13
申请号：CN202411883110.7
申请日：2024-12-19
Applicant: 安徽大学 , 德清阿尔法创新研究院
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V10/26 , G06N3/0455 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于Token融合的视觉Transformer轻量化方法，涉及大模型的推理加速以及深度学习相关领域，通过引入Token融合技术，该方法能够在保持模型精度的前提下，减少模型中不必要的冗余计算，从而显著提高计算效率，具体地，输入图像被切割为多个图像块，并通过Transformer的Encoder模块与多头注意力机制提取图像特征Token，通过计算每个Token的贡献度，低贡献度的Token将被融合，从而减少计算量，与传统ViT模型相比，本发明不仅优化了计算复杂度，还能够通过模块化设计将TF‑ViT模型作为独立模块嵌入到其他模型中，特别适用于移动端和嵌入式设备等计算资源有限的场景。此技术为提升Transformer模型在实际部署中的效率和可扩展性提供了一种有效的解决方案。
-
公开(公告)号：CN119652708A
公开(公告)日：2025-03-18
申请号：CN202411847885.9
申请日：2024-12-16
Applicant: 安徽大学
IPC: H04L25/03
Abstract: 本发明公开了一种适用于不完美信道状态信息的超奈奎斯特预编码方法及系统，方法包括：获取超奈奎斯特系统引起的码间干扰矩阵和不完美信道状态信息构成的第一信道干扰矩阵；利用码间干扰矩阵得到消除码间干扰的第一预编码矩阵和解码矩阵；基于最小均方误差准则，利用第一信道干扰矩阵得到消除信道干扰的第二预编码矩阵；利用第一预编码矩阵和第二预编码矩阵对发送符号块进行预编码，得到编码后发送符号块；通过循环超奈奎斯特成形、频率选择性衰落信道、匹配滤波和下采样对编码后发送符号块进行处理，得到处理后发送符号块；利用解码矩阵对处理后发送符号块进行解码，得到估计符号块，完成状态信息的预编码。
-
Patent Agency Ranking
-
公开(公告)号：CN116633737B
公开(公告)日：2024-02-09
申请号：CN202310758757.6
申请日：2023-06-26
Applicant: 安徽大学
IPC: H04L25/03
Abstract: 本发明公开针对超奈奎斯特系统的低复杂度SVD预编码方法，包括，获取发送符号块及码间干扰矩阵；对所述码间干扰矩阵进行SVD分解，得到对角矩阵；对发送符号块进行SVD预编码；对预编码的发送符号块添加循环前缀和循环后缀并进行基带成形后发射；接收发射后的符号块，并对接收后的符号块依次进行匹配滤波、下采样及去除循环前缀和循环后缀；通过对角矩阵，对去除循环前缀和循环后缀的符号块进行SVD解码，得到估计符号块。通过上述技术方案，本发明超奈奎斯特系统的复杂度，同时提高超奈奎斯特系统的符号估计精度，改善其误比特率性能。
-
公开(公告)号：CN116668247A
公开(公告)日：2023-08-29
申请号：CN202310758643.1
申请日：2023-06-26
Applicant: 安徽大学
IPC: H04L25/03
Abstract: 本发明公开了一种超奈奎斯特系统Cholesky预编码方法，包括：获得超奈奎斯特系统的码间干扰矩阵和发送符号块，对码间干扰矩阵进行Cholesky分解，得到第一矩阵和第二矩阵；基于第一矩阵对发送符号块进行Cholesky预编码,得到已编码发送符号块；对已编码发送符号块分别插入循环前缀、循环后缀，得到已添加发送符号块；基于已添加发送符号块，得到接收符号块，将接收符号块中分别对应于循环前缀、循环后缀的符号进行删除，得到无添加接收符号块；基于第二矩阵对无添加接收符号块进行Cholesky解码，得到估计符号块。本发明解决了符号估计性能差的问题，能更精确估计超奈奎斯特系统的发射符号。
-
公开(公告)号：CN116633737A
公开(公告)日：2023-08-22
申请号：CN202310758757.6
申请日：2023-06-26
Applicant: 安徽大学
IPC: H04L25/03
Abstract: 本发明公开针对超奈奎斯特系统的低复杂度SVD预编码方法，包括，获取发送符号块及码间干扰矩阵；对所述码间干扰矩阵进行SVD分解，得到对角矩阵；对发送符号块进行SVD预编码；对预编码的发送符号块添加循环前缀和循环后缀并进行基带成形后发射；接收发射后的符号块，并对接收后的符号块依次进行匹配滤波、下采样及去除循环前缀和循环后缀；通过对角矩阵，对去除循环前缀和循环后缀的符号块进行SVD解码，得到估计符号块。通过上述技术方案，本发明超奈奎斯特系统的复杂度，同时提高超奈奎斯特系统的符号估计精度，改善其误比特率性能。
-
公开(公告)号：CN116633736A
公开(公告)日：2023-08-22
申请号：CN202310758683.6
申请日：2023-06-26
Applicant: 安徽大学
IPC: H04L25/03
Abstract: 本发明公开了一种基于循环卷积的超奈奎斯特Cholesky预编码方法，包括：获取超奈奎斯特系统的码间干扰矩阵和发送符号块；对码间干扰矩阵进行Cholesky分解，得到第一矩阵和第二矩阵；基于第一矩阵，对发送符号块进行Cholesky预编码，得到已编码发送符号块；将基带成形滤波器的线性卷积替换成第一循环卷积，基于第一循环卷积，对已编码发送符号块进行超奈奎斯特成形操作，得到发射符号块；将匹配滤波器的线性卷积替换成第二循环卷积，基于第二循环卷积对发射符号块进行匹配滤波操作，得到接收符号块；基于第二矩阵对下采样后的接收符号块进行Cholesky解码，得到估计符号块。本发明能实现更好的误比特率性能。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.027 seconds)
