基于深度学习的优化MIMO检测方法

    公开(公告)号:CN109714086B

    公开(公告)日:2021-09-14

    申请号:CN201910063733.2

    申请日:2019-01-23

    Applicant: 上海大学

    Abstract: 一种基于深度学习的优化MIMO检测方法,通过构建MIMO端到端传输模型,根据MIMO接收端收到的信号y(t)和估计的不完美信道状态信息得到模型的复时域向量作为深度神经网络(DNN)的输入,利用DNN得到发送端比特流的估计值与现有技术根据做硬判决得到发送比特流的估计值相比,本发明能够在不完美的信道信息下,提高准确度和检测速率,保证在低复杂度算法下实现低误比特率的检测性能,同时在含有固有信道误差的情况下具有很好的鲁棒性。

    基于异构计算的卷积神经网络资源优化配置方法

    公开(公告)号:CN112988229A

    公开(公告)日:2021-06-18

    申请号:CN201911293482.3

    申请日:2019-12-12

    Applicant: 上海大学

    Abstract: 一种基于异构计算的卷积神经网络资源优化配置方法,针对卷积神经网络的卷积层、偏置层、池化层、relu层和全连接层进行逐层计算复杂度分析和数据复杂度分析,得到计算通信比,基于计算通信比的排序在异构计算平台上以运算速度和效率作为优化目标进行资源配置,即将计算通信比高的部分配置于FPGA上进行计算,其余部分配置于ARM上进行计算。本发明同时兼顾了FPGA的高度并行计算的能力和ARM端的高主频,多级缓存以及单指令多数据等特点,显著加速卷积层等计算密集型部分的运算和数据密集的全连接层运算,从而对整个卷积神经网络达到最有效的加速。

    基于条件生成对抗网络的信道模拟实现方法

    公开(公告)号:CN110289927B

    公开(公告)日:2021-06-15

    申请号:CN201910583197.9

    申请日:2019-07-01

    Applicant: 上海大学

    Abstract: 一种基于条件生成对抗网络的信道模拟实现方法,通过从实际发送接收信号对中生成原始数据集,然后将原始数据集以双通道的二维时频域信号方式表示,用于条件生成对抗网络模型的训练,训练后的条件生成对抗网络模型能够对信道进行准确模拟。本发明利用cGAN在学习数据概率分布上的有效性和精准性的优势以及在图像生成领域取得的成功,将其应用于信道建模上。将大量测量采集的发送信号和接收信号作为配对数据集对生成对抗网络训练,当生成对抗网络中的鉴别器不能分辨出真实信道中的接收信号和生成网络生成的接收信号的时候,该生成网络就等价于信道的模型。

    基于联合视觉和无线信号特征的高精度室内定位方法

    公开(公告)号:CN112165684A

    公开(公告)日:2021-01-01

    申请号:CN202011045307.5

    申请日:2020-09-28

    Applicant: 上海大学

    Abstract: 一种基于联合视觉和无线信号特征的高精度室内定位方法,在离线阶段对待定位的室内场地采集和构建Wi‑Fi指纹库和图像数据库,获取环境的场景信息;在在线阶段,移动终端实时采集Wi‑Fi指纹数据和图像数据,对采集到的Wi‑Fi指纹数据进行粗定位,确定用户的潜在区域,再对粗定位区域的图像数据采用基于深度神经网络回归的方法,完成精确定位位置的预测。本发明通过融合无线信号特征和视觉特征,在减少计算资源、降低计算复杂度的同时,进一步减小定位误差,实现高精度的室内定位。

    基于长短时记忆残差网络的信道插值估计方法

    公开(公告)号:CN111555990A

    公开(公告)日:2020-08-18

    申请号:CN202010344050.7

    申请日:2020-04-27

    Applicant: 上海大学

    Abstract: 一种基于长短时记忆残差网络的信道插值估计方法,利用多个残差块串联而成的残差网络逼近参考信号和邻近资源元素之间的非线性插值关系以提高信道估计的精度,然后通过长短时记忆循环神经网络学习连续OFDM符号之间的慢变时域相关性,得到信道在导频位置处与数据位置处CSI的复杂的非线性插值关系,从而通过插值得到完整的CSI估计。本发明能够得到精度远高于传统方法的完整CSI,且信道估计的的延迟预算小于1毫秒。并且在保证精度的前提下同时适用于LOS与NLOS实际场景,具有较高的泛化能力以及应用于实际系统的高可行性。

    可重构的极化码与低密度奇偶校验码联合译码单元

    公开(公告)号:CN110890896A

    公开(公告)日:2020-03-17

    申请号:CN201811054835.X

    申请日:2018-09-11

    Applicant: 上海大学

    Abstract: 一种可重构的极化码与低密度奇偶校验码联合译码单元,包括:加法器和比较器组成的LDPC译码单元、加法器和比较器组成Polar译码单元以及根据译码算法判断译码模式并相应选择加法器和比较器连接方式的判断器。本发明能够同时实现用于Polar码和LDPC码的置信度传递(BP)译码的基本计算,RDU有序的排列方式使它的结构进一步支持流水线架构,从而能够提供具有有限硬件开销的可重构译码能力,同时实现高吞吐量和资源利用率。

    基于不同数据类型传输的极化码BP译码单元

    公开(公告)号:CN110620587A

    公开(公告)日:2019-12-27

    申请号:CN201910890645.X

    申请日:2019-09-20

    Applicant: 上海大学

    Abstract: 一种基于不同数据类型传输的极化码BP译码单元,包括:N个I型计算单元、N个II型计算单元、分别与计算单元的输入和输出相连的深度为1的左输出队列和右输出队列,其中:N为码长,输出队列分别与各个计算单元的输出和其他计算单元的输入相连,本发明选择数据以补码类型和幅值类型共存的形式,有效的节省了数据类型转化的操作,减小了硬件开销,提高了时钟频率。

    基于神经网络的低网络带宽需求的监控方法及系统

    公开(公告)号:CN110378296A

    公开(公告)日:2019-10-25

    申请号:CN201910664304.0

    申请日:2019-07-23

    Applicant: 上海大学

    Abstract: 一种基于神经网络的低网络带宽需求的监控方法及系统,通过在检测端部署用于人脸检测的神经网络、在服务器端部署用于人脸识别的神经网络,通过对原始图像进行人脸检测得到包含人脸信息的关键帧,在服务器端对关键帧进行人脸识别实现监控。本发明通过部署神经网络进行辅助处理并优化分配计算压力,使用较小带宽和存储空间即以快速使新目标加入检测目标的数据库。

    高吞吐流水线型极化码BP译码器及其实现方法

    公开(公告)号:CN110166060A

    公开(公告)日:2019-08-23

    申请号:CN201910439148.8

    申请日:2019-05-24

    Applicant: 上海大学

    Abstract: 一种高吞吐流水线型极化码BP译码器,当译码信息长度为N时,包括:阶计算模块和种不同深度,每种N个的先进先出队列模块;每阶计算模块包括:N/2个用于更新L信息和R信息的处理单元,其中: 阶的计算模块进行R信息的更新计算,另外阶的计算模块进行L信息的更新计算;本发明保留利用BP算法解码器与快速傅里叶变换处理器之间的相似性而提出的流水线架构,将不同stage的计算结果放入不同大小的FIFO中,不需要delay、switch或控制ram即可往返传播数据并进行计算,真正实现多码字,高吞吐,高资源利用率的BP译码器。

    基于机器学习的鸣笛识别方法

    公开(公告)号:CN109584888A

    公开(公告)日:2019-04-05

    申请号:CN201910038606.7

    申请日:2019-01-16

    Applicant: 上海大学

    Abstract: 一种基于机器学习的鸣笛识别方法,以公开数据集和鸣笛数据混合生成样本数据,通过提取其MFCC特征对分类器进行训练,并在在线阶段将训练后的分类器用于对待测数据进行分类,实现鸣笛识别,其中:分类器采用开源轻量级梯度Boosting框架实现;样本数据通过将公开数据集ESC-50中非鸣笛数据与鸣笛数据混合得到。本发明与现有技术相比具有耗时短且更加准确的识别效果。

Patent Agency Ranking