-
公开(公告)号：CN119211967A
公开(公告)日：2024-12-27
申请号：CN202411340736.3
申请日：2024-09-25
Applicant: 重庆邮电大学
Abstract: 本发明属于无线通信领域，具体涉及一种多RIS协同辅助的用户中心化网络速率优化方法，包括构建以用户为中心的多RIS辅助的密集基站部署无线通信系统；以用户可达速率最大化为目标，数学建模一个非凸、多变量耦合的无线资源分配问题；通过交替迭代优化思想，利用拉格朗日对偶理论、分式规划法等方法，将原复杂难求解优化问题转化为分别求解用户多关联、基站发射波束赋形设计、多RIS协同相移矩阵设计三个子问题；本发明考虑关联不同基站和RIS的情况下，最大化用户多链路可达和速率，降低了基站和用户之间视距链路被阻塞时的影响，实用性较强。
-
公开(公告)号：CN118316459A
公开(公告)日：2024-07-09
申请号：CN202410251633.3
申请日：2024-03-05
Applicant: 重庆邮电大学
Abstract: 本发明提供了一种基于移位修剪的多比特移位的SCL译码算法；该方法对比SCLF译码算法和最新的移位修剪译码算法在信噪比较低情况下有更低的误码率。提出一个理论公式计算出每一个信息位的移位修剪度量值，并对冻结位给出的正确路径偏移信息将度量添加影响因子，通过大量仿真发现正确路径被删除的情况下，大多数位于在被删除的L条路径的前半段并且通过移位修剪可以在首位错误比特位之前修正译码路径。因此基于该发现，本发明提供的算法，与SCLF译码算法和最新的移位修剪译码算法相比，该方法在低信噪比时提高极化码的纠错性能，由于更精确的度量值在一定程度上减少部分复杂度。
-
公开(公告)号：CN109934295B
公开(公告)日：2022-04-22
申请号：CN201910204091.3
申请日：2019-03-18
Applicant: 重庆邮电大学
IPC: G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于超限隐特征学习模型的图像分类与重建方法，采用了一种数据重构策略进行特征学习，高效学习原始感知数据与相应的高级语义转换关系。具体地说，ELM和ELM‑AE(基于ELM的自编码器)被统一在一个学习模型中，该模型具有图像分类能力和图像重建能力，且能够更好地揭示原始图像数据和高级语义之间的潜在关系，减少信息丢失，提高图像分类精度并具备优异的图像数据重建能力。ELF(超限隐特征学习模型)继承了ELM和ELM‑AE的优点，并且可以在保护原始数据信息的情况下得到良好的图像分类和图像重建效果。此外，使用了一种基于交错方向法的高效算法来求解优化ELF模型，进一步提升了ELF模型的精度。
-
公开(公告)号：CN107241358B
公开(公告)日：2020-04-07
申请号：CN201710651758.5
申请日：2017-08-02
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深度学习的智能家居入侵检测方法，涉及在线系统涉及一种模糊神经网络和深度学习相结合的方法来判断网络是否存在入侵行为。该方法将深度学习和模糊神经网络有机结合在一起，了解决现有智能家居入侵检测技术难以处理大量高维数据、误报率高、漏报率高、检测率低的问题。本发明采用离线系统确定在线系统的运行参数，在线系统进行实时入侵检测，与现有技术相比，这是一个针对智能家居网络攻击行为的主动监测模型，具有较高的检测率、较低的漏报率和误报率，以及实时性强等特点。
-
公开(公告)号：CN110852514A
公开(公告)日：2020-02-28
申请号：CN201911116683.6
申请日：2019-11-15
Applicant: 重庆邮电大学
Abstract: 本发明提出一种基于BP神经网络的可获能传感器节点能量预测方法，属于无线传感器网络通信领域。该方法包括以下步骤：步骤1，选取目标区域的历史太阳能收集功率数据分类采样得到两组训练样本集；步骤2，将两组数据分别进行预处理；步骤3，使用步骤2得到的两组训练样本分别训练两个BP神经网络；步骤4，输入历史太阳能收集功率数据得到预测值。本发明基于历史太阳能收集功率预测下一时刻的太阳能收集功率，避免选用气象因素作为输入向量时，模型忽略一些因素造成精度降低的缺陷。根据天气状况不同，本发明训练了两个太阳能收集功率预测模型，保证了在晴天或阴雨天均有较高的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN110784843A
公开(公告)日：2020-02-11
申请号：CN201911070102.X
申请日：2019-11-05
Applicant: 重庆邮电大学
Abstract: 本发明公开一种面向大规模无线传感器网络的簇形成方法，包括以下步骤：1)网络初始化；2)候选簇头选举，网络中各个节点都会产生一个随机数，之后与预设的门限值比较来决定是否成为候选簇头；3)非均匀分簇，对候选簇头节点三个因素经模糊系统处理，计算不等簇的半径；4)根据候选簇头节点的综合信任值和设定的信任阈值比较，完成安全簇头筛选；5)根据节点信任值、节点密度和距离计算候选簇头节点的成簇因子，完成最终簇头选择。本发明采用非均匀分簇结构，簇头节点根据自身状况动态调整簇的半径；采用信任机制得到的信任值引入簇头选举和节点入簇。本方法在均衡网络能耗、保障路由安全、延长网络生命周期等性能方面有显著的提高。
-
公开(公告)号：CN119544805A
公开(公告)日：2025-02-28
申请号：CN202411818585.8
申请日：2024-12-11
Applicant: 重庆邮电大学
Abstract: 本发明属于网络传输技术领域，具体涉及一种基于集中式控制的时间敏感网络流量路由与调度方法；包括：CNC构建网络拓扑并生成全局拓扑信息；CUC从各源节点收集每个待传输流量的需求信息并根据需求信息划分流量优先级；CNC根据全局拓扑信息为每个流量生成最优传输路径；CNC为每个流量分配传输时隙并对传输时隙进行动态调整；对最优传输路径和传输时隙进行同步分配并优化传输时隙和控制传输时隙抖动；根据路径和时隙的最终分配结果生成调度表，CNC将调度表分发至各网络设备；当网络状态发送变化时动态调整调度表，实现流量的实时路由与调度；本发明实现了流量优先级的动态管理，增强了网络资源的利用率，保障了传输的服务质量和高可用性。
-
公开(公告)号：CN119210540A
公开(公告)日：2024-12-27
申请号：CN202411342661.2
申请日：2024-09-25
Applicant: 重庆邮电大学
IPC: H04B7/06 , H04B7/08 , H04B7/04 , G06N3/0455 , G06N3/0499 , G06N3/048 , G06N3/042
Abstract: 本发明属于无线通信领域，涉及一种基于智能角度地图的毫米波通信系统波束对齐方法，包括：构建智能反射面辅助的毫米波通信系统模型；构建以最大化模型的和速率为目标的多变量耦合的无线资源优化问题；将无线资源优化问题转化为关于角度域参数的优化问题；根据关于角度域参数的优化问题构建数据集；构建Transformer模型，根据数据集训练Transformer模型；获取用户位置信息，将用户位置信息输入训练好的Transformer模型，得到估计的角度信息，根据估计的角度信息完成波束对齐；本发明通过将主动‑被动波束赋形相关参数完全转化成角度的形式，实现波束角度信息估计，极大程度的降低了问题的复杂度。
-
公开(公告)号：CN118773289A
公开(公告)日：2024-10-15
申请号：CN202410857110.3
申请日：2024-06-28
Applicant: 重庆邮电大学 , 生猪技术创新中心(重庆) , 重庆市畜牧科学院
IPC: C12Q1/6806 , C12Q1/6844 , C12M1/38 , C12M1/34 , C12M1/42 , C12M1/00
Abstract: 本发明属于生物医药技术领域，涉及高通量微流芯片及基于该芯片的非洲猪瘟检测装置及方法；高通量微流芯片由聚乙烯薄膜、腔室层及聚氯乙烯薄膜三层结构组成；检测装置由移动部分、温控部分、检测部分、控制部分、电源部分、外壳及高通量微流芯片组成；移动部分负责提取与洗脱非洲猪瘟病毒；温控部分负责完成核酸的等温扩增；检测部分负责完成扩增结果的识别；控制部分负责装置总体运行；电源部分负责装置的能量供给；外壳部分负责装置的移动部分、温控部分、检测部分、控制部分及电源部分的固定。本发明具有检测灵敏度高、检测速度快、自动化程度高及高通量的优点，能实现非洲猪瘟“样品入，结果出”的快速检测。
-
公开(公告)号：CN118100961A
公开(公告)日：2024-05-28
申请号：CN202410267113.1
申请日：2024-03-08
Applicant: 重庆邮电大学
Abstract: 本发明提出一种基于动态关键集的双重耦合极化码的译码算法。本发明构造算法的详细步骤如下：在首次译码的同时，通过公式计算每一比特位在每一条路径中的位度量值，从而判断该比特位的可靠程度，将可靠比特放入关键集中。对未能通过CRC校验的帧进行循环纠错后，将译码失败帧进行再次译码，在再次译码过程中，将关键集中的比特位进行硬判决，其余的比特位进行路径分裂，通过减少再次译码过程中的路径分裂操作数，进而减少总的译码复杂度和译码时延。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.022 seconds)
