-
公开(公告)号：CN113453148B
公开(公告)日：2022-05-13
申请号：CN202110710289.6
申请日：2021-06-25
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
IPC: H04W4/02 , H04W4/021 , H04W4/33 , H04W64/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种联合深度学习与加权K邻近算法的室内位置指纹定位方法，该方法首先在定位区域采集WLAN信号特征数据建立指纹库以训练卷积神经网络，之后基于该训练完成的CNN网络模型进行用户位置的初定位，然后根据用户初定位位置坐标确定用户在定位区域内的理论范围，并在局部蓝牙Mesh网络中应用加权K邻近算法进行用户精确位置定位，最后将用户精确位置坐标反馈给用户设备。本发明联合应用了深度学习模型与加权K邻近算法进行位置指纹定位算法的优化，提高了该算法的定位精度，同时联合应用了蓝牙Mesh与WiFi技术搭建主体网络，用户设备组网方便，可实现室内高精度定位。
-
公开(公告)号：CN113055816B
公开(公告)日：2021-11-26
申请号：CN202110304598.3
申请日：2021-03-23
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
IPC: H04W4/02 , H04W24/02 , H04W24/08 , H04W40/22 , H04B17/309 , H04B17/382
Abstract: 本发明涉及无线通信技术领域，特别涉及一种基于位置信息的多智能反射面辅助两跳中继无线通信方法及其系统，该系统由基站端、中继端、用户端以及多个智能反射面组成，多个智能反射面在基站端和用户端之间随机分布式布设；首先多个智能反射面分别在第一跳以及第二跳中按照平均信噪比数值大小进行降序排序，基站分别选择两跳中排序第一的智能反射面进行通信，并计算出整个系统的净遍历容量，然后基站端再选两跳中排序下一个智能反射面进行通信并计算出整个系统的净遍历容量，与上一个遍历容量数值进行比较；本发明具有低成本，低能耗以及高速率，广覆盖范围的优点，通过对多个智能反射面进行调度协助中继系统进行通信，进一步增强了中继系统性能。
-
公开(公告)号：CN119830759A
公开(公告)日：2025-04-15
申请号：CN202510026800.9
申请日：2025-01-08
Applicant: 南通大学
IPC: G06F30/27 , G06F18/213 , G06F18/24 , G06F17/16 , G06F17/18 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/08 , G06F119/02
Abstract: 本发明公开了一种深度学习辅助扩展卡尔曼的双波段红外辐射姿态估计方法，分析双波段红外辐射测量信号中的几何误差和随机误差对姿态估计可靠性的影响；构建CBGTE模型消除双波段红外辐射信号中的几何误差和随机误差，首先利用半实物仿真平台收集双波段红外辐射信号数据集并进行清洗后，输入BGT神经网络进行特征学习并保存最优化权重，再将双波段红外辐射传感器获取数据输入最优化权重的BGT神经网络，获得补偿随机误差后的红外辐射数据，将滤除随机误差后的数据输入扩展卡尔曼算法滤除几何误差，获得可靠的姿态角信息。本发明为以红外辐射为姿态测量方法的自旋无人机，提供了一种高精度、鲁棒性的姿态信息获取与处理方法。
-
公开(公告)号：CN117155643A
公开(公告)日：2023-12-01
申请号：CN202311108696.5
申请日：2023-08-30
Applicant: 南通先进通信技术研究院有限公司 , 南通大学
IPC: H04L9/40
Abstract: 本申请涉及一种主动标识载体网关数据安全传输方法及其系统。该方法包括：主动标识载体网关发送IMEI和MCU唯一标识符给认证服务平台，获得唯一的标识编码，完成上电激活注册；所述主动标识载体网关通过与认证服务平台、安全认证平台交互获得标识编码与安全凭证，完成所述标识编码与所述安全凭证写入；所述主动标识载体网关获取各工业终端设备的状态数据信息；所述主动标识载体网关根据当前的安全传输模式对传输的状态数据信息进行安全认证，将传输的所述状态数据信息安全传输至标识应用平台；所述主动标识载体网关接收所述标识应用平台下发的指令，根据所述指令进行相应的控制。认证服务平台与安全认证平台多重认证加解密手段，具有更好的安全性。
-
公开(公告)号：CN116781118A
公开(公告)日：2023-09-19
申请号：CN202310887430.9
申请日：2023-07-19
Applicant: 南通大学
IPC: H04B7/0413 , H04B7/06 , H04L25/02 , H04W12/02
Abstract: 本发明属于无线通信技术领域，公开了一种去蜂窝大规模MIMO物理层安全通信传输方法，该方法构建由M个接入点AP、K个用户和一个窃听者组成的去蜂窝大规模MIMO系统模型；根据去蜂窝大规模MIMO系统模型，构建接入点AP、用户和窃听者之间的物理层安全模型；根据去蜂窝大规模MIMO系统模型、物理层安全模型，构建通信保密率最大化目标及功率分配优化条件；基于通信保密率最大化目标及功率分配优化条件，利用不等式和路径跟踪算法进行求解，并构建去蜂窝大规模MIMO物理层安全通信方法。本发明提供更强的接收信号强度，且具有高安全性和大规模连接的特点。
-
Patent Agency Ranking
公开(公告)号：CN116734835A
公开(公告)日：2023-09-12
申请号：CN202310648515.1
申请日：2023-06-02
Applicant: 南通大学
Abstract: 本发明属于旋转飞行体的姿态信息获取与处理技术领域，涉及一种云层和太阳干扰特征提取及姿态误差规避方法，包括对双波段红外传感器数据进行分析，得到受干扰时中波和长波红外传感器数据特征不一致的规律，判断干扰区间、干扰中心点和干扰类型，从而得到干扰特征参数，利用干扰特征参数计算置信函数，最后根据干扰类型、干扰相位和置信函数，使用四轴双波段红外姿态规避算法进行姿态解算得到姿态信息。本方法利用判断得到的干扰类别和区间，合理规避了旋转飞行过程中的随机干扰源，得到飞行区间内完整的俯仰角和横滚角信息，有利于增强红外辐射姿态测试的抗干扰能力，提高姿态测试精度。
-
公开(公告)号：CN114650608B
公开(公告)日：2023-04-07
申请号：CN202210405586.4
申请日：2022-04-18
Applicant: 南通大学
Abstract: 本发明公开了一种去蜂窝大规模MIMO的多中心处理单元协作方法，包括：去蜂窝大规模MIMO网络布设分布式接入点AP，所有接入点AP被分成若干个实际簇；导频传输阶段，所有用户向所有的接入点AP发送导频信号，中心处理单元根据接收到的导频信号获得信道估计信息和统计信息；上行链路传输阶段，针对某个用户，各个中心处理单元将各自的统计信息发往某个中心处理单元，该中心处理单元根据统计信息，基于广义瑞利熵定理为不同的中心处理单元计算权重；利用计算出的权重，该中心处理单元对各个中心处理单元接收到的数据信号进行加权合并处理，使得这些中心处理单元在同一时频资源上协同为用户服务。本发明具有系统信号处理复杂度低与所需信令开销小的优点。
-
公开(公告)号：CN111328058B
公开(公告)日：2023-03-24
申请号：CN202010115344.2
申请日：2020-02-25
Applicant: 南通大学
Abstract: 本发明公开了一种蓝牙Mesh低功耗节点动态唤醒方法，该方法主要包含两方面：第一，好友节点向低功耗节点(LPN)发送的数据包中捎带同步时钟信息，低功耗节点(LPN)每接收一次数据即进行时钟同步；好友节点可同步更新低功耗节点的动态唤醒时间，无需低功耗节点发送问询数据包，便可向低功耗节点发送数据；第二，低功耗节点处于唤醒状态；在唤醒周期内，若接收到新信息，则进行处理，然后逐渐降低唤醒时间；若未接收新信息，则逐渐增加唤醒时间。本发明能够同步更新低功耗节点(LPN)和好友节点的时钟和低功耗节点的动态唤醒时间，减少低功耗节点数据包发送，可进一步降低蓝牙Mesh组网过程中的功耗。
-
公开(公告)号：CN115173914A
公开(公告)日：2022-10-11
申请号：CN202210835698.3
申请日：2022-07-15
Applicant: 南通大学
Abstract: 本发明公开了一种多智能反射面辅助通信主被动波束赋形迭代优化方法，该方法首先用户端通过智能反射面发送导频信号，基站端根据导频信号获取级联链路的信道状态信息；然后基站端为每个用户端分配一个智能反射面，采用广义瑞利熵算法计算得到基站端通过所选智能反射面服务各自用户端的最优主动波束赋形向量，并计算信噪泄漏比值；接着基站端通过最大化各个用户端的最小信噪泄漏比，优化用户端所选择的智能反射面的被动波束赋形；之后基站端联合基站端的主动波束赋形和智能反射面的被动波束赋形进行迭代优化。本发明增强了无线通信系统的稳定性、可靠性，提升了无线通信系统的频谱效率。
-
公开(公告)号：CN114844541A
公开(公告)日：2022-08-02
申请号：CN202210428661.9
申请日：2022-04-22
Applicant: 南通大学
IPC: H04B7/0456
Abstract: 本发明涉及一种基于深度学习的混合预编码和反馈方法，离线训练阶段中首先由信道矩阵计算预编码矩阵和合并矩阵，并输入混合预编码深度学习模型训练，将输出的预编码矩阵和样本预编码矩阵输入压缩重建深度学习模型训练，然后将压缩重建模型拆分为压缩网络和重建网络，将混合预编码、压缩网络部署在接收端，重建网络部署在发送端。在线预测阶段中，接收端将信道矩阵输入混合预编码网络，得到预编码矩阵和合并矩阵，将预编码矩阵输入压缩网络，得到反馈信息并传输给发送端，发送端将反馈信息输入重建网络得到预编码矩阵。本发明利用深度学习技术，实现了预编码、合并矩阵的设计以及反馈，可获得较好的频谱效率，也减少了反馈的开销和硬件的复杂度。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.02 seconds)
