-
公开(公告)号：CN109756291A
公开(公告)日：2019-05-14
申请号：CN201910222629.3
申请日：2019-03-22
Applicant: 重庆邮电大学
Abstract: 本发明提供一种基于查表法的混沌扩频码生成方法及系统，属于移动通信技术领域，本发明的方法包括：初始化混沌扩频码系统的初始参数；构建基本查表LUT单元，利用基本LUT乘法器单元通过移位相加法构建特定比特位数的乘法器，计算混沌扩频码；利用混沌扩频码计算混沌扩频码序列，本发明不仅可以产生任意比特精度的混沌扩频码序列，而且可以显著提高FPGA硬件资源效率，降低FPGA硬件面积和能耗。
-
公开(公告)号：CN105721103B
公开(公告)日：2019-03-01
申请号：CN201610036774.9
申请日：2016-01-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种降低移动通信系统译码时延的方法，属于移动通信技术领域。该方法包括以下步骤：S1：估计信噪比SNR(SNR，Signal to Noise Ratio)；S2：判决是否有效接收数据；S3：均衡有效接收数据；S4：填充无效接收数据；S5：解交织、信道译码。本方法在保证接收信号质量的基础上，充分利用了接收端解交织对错误信息的离散作用以及信道译码的纠错性能，不仅减少了接收错误突发数据对接收端性能影响，而且降低了接收端均衡过程复杂度；对整个接收端系统来说，不仅增加了接收端算法对无线环境适应能力，而且极大降低了信号处理时延。
-
公开(公告)号：CN104602201B
公开(公告)日：2017-11-07
申请号：CN201510067390.9
申请日：2015-02-09
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种LTE集群专网中单终端同时接收多组呼业务的方法，涉及集群通信技术领域。该方法包括集群网络将不同的组呼数据组合成MAC‑PDU并发送给集群终端，不同的组呼数据采用LCID进行区分；集群终端通过寻呼处理过程确定寻呼周期内对应子帧中是否存在专网业务；若存在，则集群终端通过业务数据接收过程对业务数据进行接收，由MAC模块根据不同的LCID指示高层区分不同组呼的业务数据。本发明在不增加集群终端复杂度的前提下，能够很好的解决一个集群终端同时接收多组组呼业务数据问题。
-
公开(公告)号：CN106793049A
公开(公告)日：2017-05-31
申请号：CN201611145000.6
申请日：2016-12-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于功率传输控制的车联网信道协作策略，属于车联网技术领域。本发明是基于传输功率控制分别在CCHI和SCHI两个时隙加入TPC协作过程，通过在MAC层产生适应性的TPC消息对节点的传输功率进行协作调整。本发明的优势在于：适用于更为实际的环境，标准的信道协作策略只考虑了所有节点处于同网络下，考虑了实际中出现的不同网络重叠信号的干扰问题；该策略能够适应更大节点密度的环境，节点允许在SCHI的CCH信道继续发布安全消息，取消了标准中50msCCHI时长的限制，尽最大可能避免隐藏终端的问题。
-
公开(公告)号：CN106255225A
公开(公告)日：2016-12-21
申请号：CN201610843515.7
申请日：2016-09-22
Applicant: 重庆邮电大学
CPC classification number: H04W74/08 , H04L43/10 , H04L67/12 , H04W4/80 , H04W72/0446 , H04W72/0486
Abstract: 本发明涉及一种新的车联网MAC层的媒体接入机制和信道协作方法，属于车联网技术领域。该方法包括对RSU路测单元的重新定位以到达能够让网络统筹调度，合理分配资源；新的时隙区域划分，拥有更好的适应性的同时满足性能要求，即使车辆节点密度趋于饱和，也能够在一定程度上保证安全消息的传输；非及时异步的预约通信方式，更加节省信道资源，同时避免不同消息的干扰和碰撞；同时提出一种主动补偿的策略来进一步加强安全消息传输的可靠性。本发明通过控制单元将整个WBSS网络资源和信息进行统一管理，相比于传统的IEEE1609.4信道协作模式，能在很大程度上提升安全性能，避免数据碰撞的基础上，进一步利用空闲信道资源。
-
Patent Agency Ranking
公开(公告)号：CN120012828A
公开(公告)日：2025-05-16
申请号：CN202510092271.2
申请日：2025-01-21
Applicant: 重庆邮电大学
IPC: G06N3/0442 , G06N3/049 , G06N3/0499 , G06N3/0464 , G06N3/08 , G06F18/213 , G06F18/25
Abstract: 本发明涉及一种基于注意力的长短时空图神经网络的交通流预测方法，属于交通管理与智能交通领域。方法包括以下步骤：S1：获取交通的流量历史数据，包括流量、速度等特征，根据交通网络中的路段或节点关系构建邻接矩阵，以表示节点间的空间依赖，将历史数据按时间窗口分割，并对数据进行归一化处理；S2：将流量历史数据和邻接矩阵输入模型；S3：通过时空模块分别提取时间特征和空间特征，并通过前馈神经网络提高泛化能力；S4：通过空间注意力模块，通过一个三层的空间注意力块实现对共享层中重要特征的差异化提取。注意力机制根据的注意力权重来衡量输出，输出结果合并到LSTM中，并通过LSTM处理密集层的信息，以执行任务的预测。
-
公开(公告)号：CN119833963A
公开(公告)日：2025-04-15
申请号：CN202510040996.7
申请日：2025-01-10
Applicant: 重庆邮电大学
IPC: H01Q15/00
Abstract: 本发明涉及电磁超材料设计领域，特别涉及一种基于几何相位原理的反射型相位梯度超表面，由反射型相位梯度超表面单元线性排列组成，反射型相位梯度超表面单元包括：金属图案层、介质层、接地金属层，介质层设置在金属图案层和接地板金属层之间；本发明在8.00GHz～18.00GHz范围内具有10dB以上的RCS缩减，最大的缩减量可以达到36.78dB，具有RCS缩减效率高，低剖面，体积小，易于加工等优点。
-
公开(公告)号：CN119252054A
公开(公告)日：2025-01-03
申请号：CN202411501953.6
申请日：2024-10-25
Applicant: 重庆邮电大学
IPC: G08G1/083 , G08G1/01 , G06N3/0442 , G06N3/092
Abstract: 本发明涉及基于多智能体深度强化学习的交通信号控制方法。该方法包括：为路口设置智能体，在云端或服务器部署拟合网络，根据交通路网结构和历史交通流数据进行预测并得到交通流预测结果Y；利用该交通流预测结果和随机获取的各个路口实时交通信息，对各个智能体和拟合网络进行训练，得到各个优化后的智能体和优化后的拟合网络；各个优化后的智能体根据交通流预测结果Y和各自当前的实时交通信息进行独立观测并将其结果传输给优化后的拟合网络，计算全局奖励并反馈给各个智能体，各个智能体根据当前各自观测结果和奖励，执行下一个动作，形成目标区域当前最优的交通信号控制策略。本发明实现了多路口的交通信号协调控制，明显提升出行效率。
-
公开(公告)号：CN119109633A
公开(公告)日：2024-12-10
申请号：CN202411154869.1
申请日：2024-08-22
Applicant: 重庆邮电大学
IPC: H04L9/40 , H04L41/16 , G06N3/0455 , G06N3/08 , G06F18/23213 , G06F18/241 , G06F18/25
Abstract: 本发明涉及一种基于深度学习的网络入侵检测方法，该方法包括：获取待检测的网络流量数据，将其输入训练后的变分自编码器中的编码器网络，提取表征向量；将表征向量输入训练后的分类器网络中进行分类，输出入侵类别的最终检测结果；分类器网络的训练后过程包括：获取带有特定标签的第二训练数据集，经过预处理后输入训练后的变分自编码器中的编码器网络，提取表征向量；分别对所述表征向量进行聚类、过滤和过采样处理，得到增强后的表征向量；对增强后的表征向量分别进行特征提取和特征融合；将融合特征输入分类器网络中进行分类预测，计算分类损失，根据分类损失迭代优化分类器网络。本发明可以提升网络入侵检测的检测性能。
-
公开(公告)号：CN118945596A
公开(公告)日：2024-11-12
申请号：CN202410974732.4
申请日：2024-07-19
Applicant: 重庆邮电大学
Abstract: 本发明属于室内无线定位领域，具体涉及一种基于AOA的蓝牙基站自标定方法；包括：基准基站接收待测基站广播的CTE信号，并根据CTE信号强度决定保留当前基站布设或重新布设待测基站；基准基站将自身位置信息和CTE信号转发给位置服务器；位置服务器根据基准基站的位置信息和CTE信号计算得到待测基站的初始位置；获取室内地图，根据室内地图对待测基站的初始位置进行修正，得到待测基站的修正位置；对待测基站的修正位置进行粒子滤波，得到待测基站的精准定位结果。将得到精准定位结果的待测基站作为基准基站，继续进行待测基站的定位，直到所有待测基站均已完成定位；本发明能够提升基站布设效率，降低室内定位系统整体运行成本更低。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.044 seconds)
