-
公开(公告)号：CN108880730B
公开(公告)日：2019-05-07
申请号：CN201810542279.4
申请日：2018-05-30
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于干扰阈值的多用户超密集异构小区动态分簇方法，计算一个宏小区内所有小小区两两之间的平均干扰强度，设定一个干扰阈值，将干扰强度超过所述干扰阈值的小小区归为一个簇；其中，通过计算一个小小区中每个用户接收到另一个小小区中多天线基站的发射线号强度的平均值来作为两个小小区A、B之间的平均信道干扰强度；干扰阈值设定的大小用无线回程的开销大小以及小小区之间的干扰作为权衡，通过得到任意两个小小区之间的平均信道干扰强度，遍历最小值以及最大值来从中选择最合适的阈值。
-
公开(公告)号：CN108923828A
公开(公告)日：2018-11-30
申请号：CN201810739220.4
申请日：2018-07-06
Applicant: 西北工业大学
IPC: H04B7/0413 , H04B7/06
CPC classification number: H04B7/0413 , H04B7/061
Abstract: 本发明公开了一种基于深度强化学习算法的MIMO窃听信道的发射天线选择方法，发射保密信息需要两时隙完成，第一个时隙发射端逐个发射天线来发送导频序列，合法接收端接收来自各发射天线的导频信号，并通过最大比合并得到各发射天线发射的导频信号的信噪比；然后合法接收机根据这些信噪比使用DQN算法预测与下一个时隙最佳信噪比相对应的发射天线，并将相应的天线索引反馈给发射端；在第二个时隙时，发射端将仅用索引对应的发射天线发射保密信息，这使得主信道的信噪比大于窃听信道的信噪比，能够实现保密信息不被窃听。以解决发射机获得的无线通信信道的信道状态信息过时的情况下，发射机难以准确地选择出最佳的发射天线而导致传输信息被窃听的问题。
-
公开(公告)号：CN108736989A
公开(公告)日：2018-11-02
申请号：CN201810541710.3
申请日：2018-05-30
Applicant: 西北工业大学
IPC: H04B17/336 , H04B17/382 , H04W12/02 , H04W72/04
Abstract: 本发明公开了一种SWIPT系统中最优保密吞吐量和高效能量收集的实现方法，SWIPT系统中最优保密吞吐量和高效能量收集的实现方法，计算一个合法用户的保密吞吐量，设置一个阈值来判断是否发生保密中断，进而计算出保密中断概率，通过调节目标保密速率和发射端功率分配比求得最优保密吞吐量；接收端根据接收到的功率以及信息译码灵敏度自适应地调节功率分配系数，仅为信息译码提供满足译码要求的功率，其余全部用于能量收集。解决了现有的SWIPT系统中存在窃听者时保密吞吐量低以及能量收集效率低的问题。
-
公开(公告)号：CN107545554A
公开(公告)日：2018-01-05
申请号：CN201710273675.7
申请日：2017-04-25
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于导向滤波的两级遥感图像融合方法，在两级操作中采用两种导向方式的导向滤波模型进行图像融合，对预处理后的图像先利用多通道导向滤波进行初步融合，后通过设计合适的增强模型利用单通道导向滤波对上述融合结果进行空间分辨率提高，最终融合原始的多光谱图像光谱信息和全色光图像的空间信息，得到高质量的融合图像，是一种适用于高分辨率星载多光谱与全色光图像融合的有效融合方法。
-
公开(公告)号：CN106452675A
公开(公告)日：2017-02-22
申请号：CN201610890295.3
申请日：2016-10-13
Applicant: 西北工业大学
IPC: H04L1/00
CPC classification number: H03M13/13 , H04L1/0054 , H04L1/0056
Abstract: 本发明提供了一种极化码的球形译码方法，采用将初始化球心搬移至发送序列附近的策略，可有效缩减搜索范围。此外本发明采用删枝策略，以此避免不必要的路径搜索，加快收敛速率，降低算法译码复杂度。本发明先采用SC译码得到较接近发送序列的比特序列，并以此为初始化球心，可有效缩减搜索范围，大大降低传统SD的盲目性；本发明优先检测具有高概率量度的分支，采用变化的半径和概率量度共同作为限定条件删除不必要的分支，使球心以更快的收敛速率收敛至接收序列，在保证译码性能的同时进一步降低了算法译码复杂度，更适合实际应用。
-
Patent Agency Ranking
公开(公告)号：CN105092922A
公开(公告)日：2015-11-25
申请号：CN201410186177.5
申请日：2014-05-05
Applicant: 西北工业大学
IPC: G01R13/02
Abstract: 本发明提供了一种基于SOPC技术的便携式数字存储示波器，待测信号经光电耦合器输出至RC衰减电路，完成待测信号衰减切换，宽带放大器对衰减后的待测信号进行缓冲隔离，再通过可变增益放大器对待测信号的增益进行调整，调整后的待测信号通过ADC驱动器混合参考电平，通过模数转换器进行模数转换，由FPGA对采样信号进行存储控制，完成数据的幅值、频率运算，并进行频谱分析运算，将运算结果输出到人机交互模块进行显示。本发明简化了硬件电路，降低功耗、体积和成本，具有较高的采样速率，可实现信号的波形测量、峰峰值测量、有效值测量、频率测量和信号频谱分析功能。
-
公开(公告)号：CN103904748A
公开(公告)日：2014-07-02
申请号：CN201410139084.7
申请日：2014-04-09
Applicant: 西北工业大学
IPC: H02J7/00
Abstract: 本发明提供了一种基于FPGA的小卫星电源系统，太阳能充电模块为锂聚合物电池充电，休眠与唤醒模块连通FPGA供电模块，将太阳能电池的输出电压转化为FPGA控制模块的工作电压，电池温度采集模块和电池电量采集模块实时采集锂聚合物电池的温度和电量信息，送入FPGA控制模块进行分析处理，FPGA控制模块输出使能信号，与锂聚合物电池的电量输出共同通过5路输出模块供电。本发明可实现小卫星电源系统的高效率充放电和低纹波稳定输出。
-
公开(公告)号：CN115984626A
公开(公告)日：2023-04-18
申请号：CN202310076854.7
申请日：2023-01-17
Applicant: 西北工业大学
IPC: G06V10/764 , G06V20/70 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/091
Abstract: 本发明公开了一种基于主动学习的图像分类方法，该方法主要包括：获取标记图像的原型向量；计算未标记图像和标记图像的原型向量之间的拒绝置信度值；计算未标记图像的不确定性值；计算未标记图像的多样性值；对拒绝置信度值、不确定性值和多样性值进行加权求和，得到未标记图像的评价标量；根据评价标量从未标记图像集中筛选出多个未标记图像进行标记，形成新的标记图像；将新的标记图像添加至初始标记图像集后对分类器进行训练。通过从图像之间的拒绝致信度、不确定性以及图像的多样性三个性能指标构成的一种混合查询策略筛选出信息量比较大的图像进行标记并对模型进行训练，避免了模型对分布外的图像过度预测，并且提高了分类模型的分类精度。
-
公开(公告)号：CN115797702A
公开(公告)日：2023-03-14
申请号：CN202211672681.7
申请日：2022-12-26
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/778
Abstract: 本发明公开了一种本发明提出了基于图像增强的半监督主动学习的分类方法及装置，其中该方法将一致性正则化与熵最小化结合应用到主动学习中，在计算一致性正则项的同时隐式地包含了熵最小化；并利用弱图像增强后的未标记样本获取伪标签，在获取伪标签的时利用温度锐化函数来使用熵最小化；并通过计算同一未标记样本在弱图像增强和强图像增强后的JS散度来挑选存在差异性较大的样本进行人工标注，通过新的样本图像集对模型进行训练，从而使得分类模型充分利用无标签样本的特征，提高模型的分类精度。
-
公开(公告)号：CN115063692A
公开(公告)日：2022-09-16
申请号：CN202210797684.7
申请日：2022-07-06
Applicant: 西北工业大学
IPC: G06V20/13 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于主动学习的遥感图像场景分类方法，由以下步骤组成：从样本集人工随机地挑选出一批样本进行人工标记，标记后的样本为初始标记样本集D1，未标记的样本为未标记样本集U1，输入卷积神经网络进行特征提取得到标记样本特征图和未标记样本特征图，输入分支网络进行训练，利用查询策略从未标记样本集U1中选择一批样本进行人工标记，将标记后的样本添加到初始标记样本集D1中形成新标记样本集D2，重复直到未标记样本集U1全部被标记或者标记样本的数量达到初始标记样本集D1与未标记样本集U1和的20％；本发明使用经主动学习筛选出来的信息量丰富的样本进行场景分类，利用少的标记样本同样可以得到高的分类精度。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.051 seconds)
