-
公开(公告)号：CN115315013A
公开(公告)日：2022-11-08
申请号：CN202210808647.1
申请日：2022-07-11
Applicant: 华南理工大学
Abstract: 本发明公开了一种适用于水声传感器网络的节能并行接入方法、装置及介质，其中方法包含网络初始化、网络更新和网络通信三个阶段，网络将在更新阶段和通信阶段循环直至抵达设置网络的运行时间。方法中利用水声通信的传播时延为多个节点并行地传输数据提供了机会，由此提高了各节点的并行发送机会，使得本发明具有更高的网络吞吐量、更低的端到端时延以及更高的单次发送成功率；该方法还引入了节点休眠状态，为节点增加了休眠状态，使得本发明具有更低的平均能耗以及更久的网络寿命。本发明可广泛应用于水声传感器网络领域。
-
公开(公告)号：CN115051759A
公开(公告)日：2022-09-13
申请号：CN202210716942.4
申请日：2022-06-23
Applicant: 华南理工大学
IPC: H04B13/02
Abstract: 本发明公开了一种物理层声电融合的跨水气界面/介质通信系统及方法，其中系统包括：水下通信节点，用于发送水声通信调制信号；物理层融合浮标，用于接收水声通信调制信号，对接收的水声通信调制信号进行采样，并发送至云接收机；云接收机，用于对接收到的数据进行解调，获得水声信号采样数据；对水声信号采样数据进行信号预处理，以识别水声信号采样数据的调制方式；根据所识别的调制格式解调水声信号采样数据，获得水声基带信号。本发明通过云接收机对水声信号采样数据进行解调和处理，能够快速灵活地转换软件功能来应对不同的调制方式和变化的水声信道，实现成本更低。本发明可广泛应用于水声通信技术领域。
-
公开(公告)号：CN115022228A
公开(公告)日：2022-09-06
申请号：CN202210762091.7
申请日：2022-06-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于蚁群算法的声电协同网络的自适应路由系统及方法，其中系统包括：源节点，若路由表中不存在目的节点转发路径，产生一个路由请求RREQ报文并广播出去，进行寻路过程；中继节点，用于接收并转发路由请求RREQ报文；采用蚁群算法计算概率，根据概率确定传输的优先级，根据优先级转发数据，以及进行信息素更新，并更新到目的节点的本地路由表；目的节点，用于收到路由请求RREQ报文，选择最优通信路径，计算需要更新的信息素，将其写入路由应答RREP报文，然后发送路由应答RREP报文。本发明减少声学链路的跳数以及水声网络中的信令开销，帮助将传输损耗和信令开销转移到水上无线电网络，可广泛应用于跨介质异构网络领域。
-
公开(公告)号：CN113241083B
公开(公告)日：2022-04-22
申请号：CN202110463638.9
申请日：2021-04-26
Applicant: 华南理工大学
IPC: G10L21/02 , G10L21/0208
Abstract: 本发明公开了一种基于多目标异质网络的集成语音增强系统，该系统包括特征提取模块、特征降维模块、m个异质网络、n个门控单元，使用m个异质网络作为集成语音增强系统的子模型，每个异质网络从第个个网络层开始引出多目标分支，并以对称的方式连接异质网络的首尾层，可以有效缓解多目标学习的参数优化冲突问题，可以避免原始输入在深层的网络传播中丢失信息，可以提高集成语音增强系统的基模型多样性，进而提高增强语音的质量和可懂度。特征降维模块通过计算原始输入语音帧之间的关联信息，并将其和当前输入帧拼接，作为n个门控单元的输入，大大降低了n个门控单元的输入维度，而且不丢失原始输入中的帧之间的关联信息。
-
公开(公告)号：CN113824468A
公开(公告)日：2021-12-21
申请号：CN202110946509.5
申请日：2021-08-18
Applicant: 华南理工大学
IPC: H04B1/707 , H04B1/7073 , H04B1/711 , H04L25/03 , H04L27/26
Abstract: 本发明公开了一种基于激活载波标号调制的Chirp扩频人体通信方法。本发明中发送端对信源信息进行直接调制后进行Chirp扩频，能够有效对抗人体通信中的小尺度衰落，并利用在频域交叠的多路Chirp子载波进行激活载波标号调制，从而携带更多的信息比特以保证高速的通信速率，同时能解决多载波通信中的峰值功率高和载波干扰等问题；另外，本发明中接收端在分数域进行信道估计并完成虚拟时间反转，以及进行载波标号识别和解扩，成本低，实现简单，同时能够保证较高的通信质量。
-
Patent Agency Ranking
公开(公告)号：CN110035024B
公开(公告)日：2021-10-26
申请号：CN201910254769.9
申请日：2019-03-31
Applicant: 华南理工大学
IPC: H04L25/03 , H04B7/0413
Abstract: 本发明公开了一种基于确定性序贯蒙特卡罗算法的软解调方法及装置。所述方法包括以下步骤：S1输入原始数据，初始化根样本点及其重要性权值；S2构造序贯结构，计算预测性分布；S3更新重要性权值；S4更新存储单元中数据；S5检测，若成立，重复步骤S2~S4，否则输出采样结果；S6修正重要性权值的数据；S7输出软解调结果。所述装置包括：蒙特卡罗采样模块、重要性权值更新模块、样本选择模块、重要性权值修正模块和软解调输出模块等。本发明基于确定性序贯蒙特卡罗算法，通过迭代更新样本点的重要性权值，从而缩小解空间的范围，极大减少了算法的复杂度。
-
公开(公告)号：CN110517701B
公开(公告)日：2021-09-21
申请号：CN201910677433.3
申请日：2019-07-25
Applicant: 华南理工大学
IPC: G10L21/02 , G10L21/0216 , G10L25/30
Abstract: 本发明公开了一种麦克风阵列语音增强方法及实现装置，通过支路三来抑制说话人和干扰源方向的信号，得到空间非相干噪声频谱矢量；使用深度神经网络来完成从带噪语音和噪声到干净语音的映射，可以有效地利用语音信号的非线性特性和时间相关性，使估计结果更精确和接近人类听觉特性；该深度神经网络采用带噪语音和噪声作为输入，与传统仅采用带噪语音作为输入的深度神经网络语音增强技术相比具有更好的增强效果。本发明将基于麦克风阵列和深度神经网络的语音增强技术相结合，性能优于传统的麦克风阵列语音增强方法和单麦克风深度神经网络语音增强方法；可以广泛用于视频会议、车载通信、会场、多媒体教室等各种具有嘈杂背景的语音通信应用中。
-
公开(公告)号：CN108832974B
公开(公告)日：2021-09-21
申请号：CN201810411788.3
申请日：2018-05-02
Applicant: 华南理工大学
IPC: H04B7/0413 , H04B7/08 , H04L1/00 , H04L27/26
Abstract: 本发明提供用于多输入多输出载波序号调制系统的低复杂度解调方法。本发明通过对信号子帧中每个子载波的每种激活模式使用降维的MMSE估计，得到每种激活模式下的调制符号估计，并根据激活模式组成对应的完整估计矢量。通过使用MAP准则得到出每个子载波的激活模式和调制符号，并按顺序将子载波的估计结果组成完整的信号子帧，经过对信号子帧激活模式检测和错误激活模式的纠正后，对激活模式合法的信号子帧进行解调得到信息比特。本发明机首先使用MMSE准则估计每种激活模式下的调制符号，然后使用MAP准则计算每种激活模式下不同发送矢量的最大后验概率，通过考虑不同发送矢量的先验概率，提升每个子载的估计准确度，改善系统的误比特性能。
-
公开(公告)号：CN113242189A
公开(公告)日：2021-08-10
申请号：CN202110392636.5
申请日：2021-04-13
Applicant: 华南理工大学
Abstract: 本发明公开了一种结合信道估计的自适应均衡软信息迭代接收方法，适用于水声通信领域的单载波传输系统，该方法在时域上对信道进行估计，根据信道冲激响应对信号进行时域和频域均衡，并将初步均衡结果进行加权合并，作为自适应算法的期望信号，并对信号进行直接自适应均衡，该方法能显著提高直接均衡阶段的译码性能；同时，采用turbo均衡结构，在均衡器和译码器之间迭代地交换软信息以便充分提取信道编码的纠错增益，从整体上逐步降低系统的误码率。相对于其他均衡方法，本发明能有效地消除水声信道造成的码间干扰，能更好地跟踪信道随时间的变化，同时具有更低计算复杂度的优点。
-
公开(公告)号：CN113241083A
公开(公告)日：2021-08-10
申请号：CN202110463638.9
申请日：2021-04-26
Applicant: 华南理工大学
IPC: G10L21/02 , G10L21/0208
Abstract: 本发明公开了一种基于多目标异质网络的集成语音增强系统，该系统包括特征提取模块、特征降维模块、m个异质网络、n个门控单元，使用m个异质网络作为集成语音增强系统的子模型，每个异质网络从第个个网络层开始引出多目标分支，并以对称的方式连接异质网络的首尾层，可以有效缓解多目标学习的参数优化冲突问题，可以避免原始输入在深层的网络传播中丢失信息，可以提高集成语音增强系统的基模型多样性，进而提高增强语音的质量和可懂度。特征降维模块通过计算原始输入语音帧之间的关联信息，并将其和当前输入帧拼接，作为n个门控单元的输入，大大降低了n个门控单元的输入维度，而且不丢失原始输入中的帧之间的关联信息。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.095 seconds)
